轻量级足球运动识别和强度分析使用低成本可穿戴传感器
Qian Xie1, Ning Jin2, Shanshan Lu3
1College of Asia Heart Hospital Nursin, Wuhan Institue of Design and Sciences, Wuhan 430205, China.
Applied bionics and biomechanics
|July 21, 2023
概括
本研究介绍了一种用于足球的低成本AI+IoT系统,使用多任务学习模型实现准确的运动识别和强度分析. 该系统通过克服传统方法的局限性来增强培训.
科学领域:
- 运动科学 运动科学 运动科学
- 计算机科学 计算机科学
- 医疗信息学 医疗信息学
背景情况:
- 传统的足球训练缺乏强大的数据收集和分析能力,用于移动捕捉和手势识别.
- 整合物联网 (IoT) 和人工智能 (AI) 为推进足球运动科学提供了巨大的潜力.
- 现有的方法在实时体育分析中与数据限制和计算需求作斗争.
研究的目的:
- 设计一个具有成本效益的AI+IoT系统,用于识别足球运动和分析运动强度.
- 开发一个多任务学习模型,用于同时识别运动和估计强度,减少通信延迟和资源消耗.
- 通过特征提取和数据增强来应对有限数据样本的挑战.
主要方法:
- 开发一个低成本的AI+IoT框架,集成可穿戴设备进行数据收集.
- 实施多任务学习模型 (LSTM) 用于并行分类 (运动识别) 和回归 (强度估计).
- 应用特征提取和数据增强技术,以提高小型数据集的模型性能.
主要成果:
- 多任务LSTM模型展示了高计算效率,同时执行识别和估计任务.
- 64个单层LSTM网络实现了高精度 (0.8407),F1得分 (0.8132),mAP (0.7728) 和低MAE (0.5966) 的 64 个单位.
- 对公共数据集和收集的足球运动数据的模型验证证了其有效性.
结论:
- 拟议的AI+IoT系统和多任务学习模型为足球运动分析提供了有效的解决方案.
- 该系统有效地克服了体育科学应用数据收集和处理的局限性.
- 这种方法为足球中先进的数据驱动训练方法提供了基础.
