[发明专利]一种基于单元动作划分的篮球动作数据处理方法

说明书

本发明公开了一种基于单元动作划分的篮球动作数据处理方法，属于体域网领域。在篮球动作姿态识别的数据采集和数据划分这两个阶段中，设计惯性传感器节点，用于采集人体动作的角速度、加速度和人体周边的磁场强度，设计无线通信协议，发送数据至PC机；在数据划分阶段，通过分析篮球动作数据的离散度找到运动状态，再通过单元动作划分方法得到每一个单元动作，根据单元动作曲线相似度区分出瞬时动作和持续动作，为下阶段的特征提取和动作分类提供数据来源。采用本发明提出的数据处理方法，各篮球动作的识别准确率均不小于95.80％，平均准确率达到了98.72％。

技术领域

本发明属于体域网领域，涉及一种基于单元动作划分的篮球动作数据处理方法。

背景技术

人体运动姿态识别是当前研究热点，寻找一种有效便捷的方法来识别人体运动姿态在很多领域都有应用价值。在篮球运动中，教练员通过获取运动员的运动信息，例如体温、脉搏及动作姿态，以此掌握运动员的训练状况，并对运动员的训练方案进行调整。传统上，姿态识别一般基于图像视频分析来进行，该类方法能通过图像或视频清晰地捕捉人体的运动姿态，准确性较高，但该类方法对设备要求高，且必须在安装有图像视频捕捉设备的特定场景中才能工作，同时视频无线传输对带宽也提出较高要求，因此这类方法不够灵活方便。

采用惯性传感器进行动作识别主要包括数据采集、数据划分、特征提取和动作分类四个阶段。在数据采集阶段，通过传感器节点采集人体不同部位的运动角速度、加速度以及磁场强度，采用卡尔曼滤波算法对传感器数据进行数据融合，减小噪声信号的干扰；在数据划分阶段，根据动作信号的波形曲线分析动作特征，进而进行各种不同动作类型的划分；在特征提取阶段，通过分析有限时间长度窗口内的数据，从时域和频域两个方面提取描述动作行为的特征向量；在动作分类阶段，利用机器学习方法训练分类器，将特征向量作为分类器的输入，计算得到动作类别。

本发明设计了一种基于单元动作划分的篮球动作数据处理方法，主要用于实现篮球动作识别的数据采集和数据划分这两个阶段任务。本方法采用惯性传感器获取人体的运动参数，根据篮球动作特点进行数据划分，为后续特征提取和动作分类提供可靠的数据来源，最终实现篮球动作的准确识别。

在进行姿态识别的以上四个阶段中，有5个问题需进一步说明。第一，数据采集阶段，根据最终识别动作的领域不同，传感器节点的设计方案、佩戴方法、通信模式各不相同；第二，数据划分阶段，采用的划分方法与待识别动作类型高度相关，需针对不同的动作设计不同的方法；第三，特征提取阶段，频域特征主要指对各传感器输出信息进行傅里叶变换之后得到的数据，时域特征主要指各传感器输出数据的均值和方差；第四，动作分类阶段，采用反向传递人工神经网络(BP-ANN)作为本方法的分类器；第五，特征提取及动作分类阶段采用的方法为已知方法，也是本专利提出方法的后续工作阶段，为了得到完整的最终实验效果，在本专利说明书中做简要介绍，但不是本专利要主张的内容。

发明内容

本发明要解决的技术问题是基于单元动作划分，提出一种篮球动作数据处理方法。利用惯性传感器采集篮球运动员的动作姿态数据，同时分析篮球动作的构成与特点，进行基于单元动作划分的数据处理，为后续特征提取和动作分类提供可靠数据来源，实现对篮球动作的准确识别。

本发明的技术方案：

一种基于单元动作划分的篮球动作数据处理方法，步骤如下：

(1)数据采集阶段：设计惯性传感器节点，用于采集人体动作的角速度、加速度和人体周边的磁场强度，设计无线通信协议，发送数据至PC机；