通过从关节传感器提取的骨节点的时间和相对分析来识别和评分体育炼
Raana Esmaeeli1, Mohammad Javad Valadan Zoej1, Alireza Safdarinezhad2
1Department of Photogrammetry and Remote Sensing, Faculty of Surveying Engineering, K. N. Toosi University of Technology, Tehran 19967-15443, Iran.
Sensors (Basel, Switzerland)
|October 26, 2024
概括
本研究介绍了一种模式识别方法,用于使用Kinect传感器数据标记和评分体育炼. 该系统在运动运动标记方面达到95.9%的准确性,在得分方面达到了99.5%的一致性.
科学领域:
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
- 运动科学 运动科学 运动科学
背景情况:
- 人类活动识别对于像电脑游戏这样的交互式系统至关重要.
- 目前用于活动识别的基于视觉和深度传感器解决方案面临着未解决的挑战.
- Kinect 传感器提供了一种深度感应方法来捕获人类运动数据.
研究的目的:
- 开发一种基于模式识别的解决方案,用于使用Kinect传感器数据标记和评分体育炼.
- 量化人类骨关节之间的关系,用于准确的运动运动分析.
- 在运动识别和绩效评分方面实现高精度.
主要方法:
- 从人类骨关节提取特征,以生成相对描述符.
- 使用区分描述符来识别受约束能量最小化方法中的自适应内核,用于运动检测.
- 采用几何方法来插入描述向量来推导语义练习得分.
主要成果:
- 在体育运动运动的标记过程中获得了95.9%的准确性.
- 在自动评分和体育教练评价之间显示了99.5%的一致性 (R2指数).
- 在炼过程中,骨关节之间的量化有意义的关系.
结论:
- 拟议的模式识别方法有效地标记和评分Kinect传感器捕获的身体炼.
- 该系统为自动化运动分析提供了可靠和准确的工具.
- 这种方法在健身,康复和互动游戏等领域具有很大的应用潜力.


