用于羽毛球中风识别的可穿戴传感器,具有一维卷积神经网络
Guohan Jin1, Xin Li2
1School of Physical Education, Chengdu University, Chengdu, 610000, China.
Scientific reports
|November 21, 2025
概括
这项研究引入了一个可穿戴系统,使用两个惯性测量单位 (IMU) 和1D-CNN来监控羽毛球运动员的运动. 该系统准确地分类了中风动作和轨迹,增强了体育训练.
科学领域:
- 运动科学和生物力学
- 可穿戴技术可穿戴技术
- 运动中的机器学习
背景情况:
- 传统的羽毛球运动分析方法 (视频,光学) 受到固定设置和广泛的后处理的限制.
- 惯性测量单元 (IMU) 为实时运动监控提供了一个便携和轻量级的解决方案.
- 提高羽毛球运动员的表现需要准确和可访问的技术分析工具.
研究的目的:
- 开发一种可穿戴的传感网络,使用IMU来捕捉羽毛球运动员的手腕运动.
- 实施1D-CNN模型来分类羽毛球中风动作和运动轨迹.
- 与传统方法相比,评估拟议系统的准确性和有效性.
主要方法:
- 一个由两个IMU组成的网络被用来收集羽毛球击球期间的手腕运动数据.
- 设计了一个1D-CNN模型,包括卷积层,批量规范化,ReLU激活,最大共享和Softmax分类器.
- 来自6名国家级运动员的数据被用于通过分层5倍交叉验证进行训练和验证.
主要成果:
- 1D-CNN模型实现了高分类准确度:97.16%的六次动作和86.07%的十五个运动轨迹.
- 拟议的基于IMU的系统显著超过了传统的机器学习算法,如KNN,SVM和DTA.
- 使用热图和t-SNE可视化特征差异,提供对运动模式的直观见解.
结论:
- 结合两个IMU和1D-CNN的轻量级系统提供了精确的羽毛球运动监控.
- 这种方法为体育训练和羽毛球技能提升提供了实用和有效的解决方案.
- 开发的系统有助于通过可穿戴传感器技术和深度学习来推进体育分析.
