用深度学习对横向压力和惯性传感器进行横向滑雪分类的比较研究.
Aurora Polo-Rodríguez1, Pablo Escobedo2, Fernando Martínez-Martí3
1Department of Computer Engineering, Automatics and Robotics, Research Centre for Information and Communications Technologies (CITIC-UGR), University of Granada, 18014 Granada, Spain.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
本研究比较了用于分类越野滑雪技术的低成本传感器. 脚部压力传感器达到高精度,与惯性传感器竞争技术分析.
科学领域:
- 体育科学 运动科学 运动科学
- 生物力学 生物力学
- 传感器技术 传感器技术
背景情况:
- 越野滑雪技术的分类对于性能分析至关重要.
- 现有的方法可能是昂贵的或侵入性的.
- 需要开发可访问和准确的传感器系统.
研究的目的:
- 为了比较低成本,低侵入性传感器的有效性,用于分类越野滑雪技术.
- 评估不同的传感器组合,包括脚部压力传感器和惯性测量单元 (IMU).
- 评估技术分类的深度学习模型的性能.
主要方法:
- 使用仪器内测量脚部压力,脚的角度和加速,创建了一个数据集.
- 在各种传感器配置上训练了一个深度学习模型 (CNN和LSTM).
- 用滑雪者的对称数据进行了比较分析.
主要成果:
- 脚部压力传感器在技术分类中表现令人鼓舞.
- 使用脚部压力传感器的分类精度接近惯性传感器的分类精度.
- 拟议的方法在最小的传感器设置下实现了全球平均准确度为94%至99%.
结论:
- 低成本的脚部压力传感器为越野滑雪技术分类提供了可行和精确的解决方案.
- 开发的深度学习方法显示了体育表现分析的巨大潜力.
- 这种方法可以适应其他需要技术评估的运动.
更多相关视频
06:52An Inertial Measurement Unit Based Method to Estimate Hip and Knee Joint Kinematics in Team Sport Athletes on the Field
Published on: May 26, 2020
7.8K
02:15Predictive Measurement for Windlass Change in Length and Selected Treatment Outcomes in Chronic Plantar Fasciitis
Published on: March 1, 2024
460
