篮球目标状态的传感器驱动实时识别使用IMU和深度学习
Jiajin Zhang1,2, Rong Guo1,2, Yan Zhu2,3
1College of Big Data, Yunnan Agricultural University, Kunming 650201, China.
Sensors (Basel, Switzerland)
|June 27, 2025
概括
本研究介绍了使用惯性测量单元 (IMU) 传感器和深度学习的实时篮球进球识别系统. 在CNN-LSTM-Attention模型实现了87.79%的准确性在识别射击结果,如swishes和失误.
科学领域:
- 运动分析 运动分析
- 人工智能的人工智能
- 传感器技术 传感器技术
背景情况:
- 人工智能,机器视觉和物联网方面的进步正在改变体育分析.
- 准确的球员表现测量在篮球中至关重要.
- 射击执行的实时分析是改进的关键领域.
研究的目的:
- 开发使用IMU传感器的篮球实时目标状态识别系统.
- 为了分类四个射击场景:反弹,冲动,其他投篮和失误.
- 评估用于射击分类的深度学习模型的有效性.
主要方法:
- 在篮网周围安装IMU传感器,以捕获运动数据.
- 使用五种深度学习模型:CNN,RNN,LSTM,CNN-LSTM和CNN-LSTM-注意力.
- 分析加速,角度速度和角度变化,用于射击执行分析.
主要成果:
- 该CNN-LSTM-注意力模型在识别目标状态方面表现出卓越的表现.
- 在实时拍摄类型分类中实现了87.79%的准确性.
- 该系统在复杂的体育环境中被证明是强大而高效的.
结论:
- 开发的系统在篮球中提供了高水平的实时目标状态识别.
- 结果支持技能分析,绩效评估和智能培训设备的应用.
- 为运动员和教练提供有效和实用的解决方案,以提高训练效率.
