基于骨关键点分析的SVM动作识别模型,使用姿势传感器来帮助体育训练

科学领域:

• 运动科学 运动科学 运动科学
• 生物机械分析 生物机械分析
• 在田径运动中的机器学习

背景情况:

• 人类行动的识别对于现代体育训练至关重要.
• 精确分析运动运动可以提高表现和预防伤害.
• 现有的方法在捕捉复杂的体育活动时可能缺乏精度.

研究的目的:

• 开发一个精确的体育训练分析工具,使用人类动作识别.
• 提出一个基于支向量机器 (SVM) 的模型来对运动运动进行分类.
• 利用骨关键点分析和姿势传感器数据来改善训练洞察力.

主要方法:

• 利用四子法用于人类骨特征建模.
• 通过姿势传感器获取的运动数据.
• 应用卡尔曼过用于数据预处理.
• 用户支持矢量机 (SVM) 用于动作识别和分类.

主要成果:

• 该模型有效地在不同的行动中区分了特征点.
• 在静态操作中实现了超过90%的识别准确度.
• 实现了动态操作的识别准确度超过80%,整体平均准确度为91.24%.
• 在动作识别中证明了高可靠性和有效性.

结论:

• 拟议的人类行动识别模型为体育训练分析提供了高准确度.
• 该模型为改善运动技巧提供了有效的技术支持.
• 这种方法验证了SVM和骨分析在体育生物力学中的使用.