基于机器学习的羽毛球技术特征统计与步伐训练的研究与实现

发布时间：2023-04-10 00:29

　　从互联网、移动互联网到云计算、大数据,再到机器学习、人工智能,十多年来,信息技术的日新月异不断改变着人们的生产与生活方式,新技术的迭代与数字化创新的浪潮推动着传统行业的变革。随着机器学习与人工智能的快速发展,社会逐步迈入智能化时代,一系列基于机器学习与人工智能的研究成果和智能化产品应运而生,如百度智能语音视觉机器人小度,谷歌智能围棋高手AlphaGo等等,由此形成的“人工智能+”新产业革命浪潮正在快速向各个领域渗透。本文将机器学习方法应用于羽毛球击球动作的分类与识别,并在此基础上构建了羽毛球技术特征统计与步伐训练系统,论文的主要创新工作和成果包括:(1)提出了一种羽毛球击球动作识别算法,并在此基础上实现了一套羽毛球动作实时识别系统。该系统采用固定在羽毛球拍柄尾端的单个加速度传感器进行羽毛球动作的数据采集,使用滑动窗口数据分割技术进行击球信号的提取,提出了动作分帧结合k-means等无监督式学习算法进行聚类特性评估和矢量量化。通过探索隐马尔可夫模型(HMM,Hidden Markov Model)的模型特点与算法训练方式,提出了一种改进HMM训练方式的模型算法用于识别常见的十种羽毛球击球...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 论文研究背景与意义
    1.2 人体动作识别研究现状
        1.2.1 人体日常行为动作识别
        1.2.2 人体异常与跌倒检测
        1.2.3 体育动作识别与训练
    1.3 本文主要内容与创新点
第二章 羽球动作识别的数据预处理
    2.1 数据预处理流程
    2.2 信号去噪
    2.3 击球动作提取
        2.3.1 滑动窗口提取
        2.3.2 事件窗口提取
    2.4 动作分帧与特征选择
    2.5 矢量量化
第三章 基于改进HMM的羽毛球动作识别算法
    3.1 HMM基本概念与三大问题
        3.1.1 HMM基本概念
        3.1.2 HMM的三大问题
    3.2 HMM相关算法
        3.2.1 前向算法与后向算法
        3.2.2 Baum-Welch算法
        3.2.3 维特比算法
    3.3 基于改进HMM的羽毛球动作识别
        3.3.1 Baum-Welch训练算法的改进
        3.3.2 HMM模型调参对识别率的影响
第四章 羽毛球技术特征统计与步伐训练系统的设计与实现
    4.1 系统平台构建
        4.1.1 系统硬件平台
        4.1.2 系统软件平台
    4.2 羽毛球击球动作的特征提取
        4.2.1 基于高远球的特征提取
        4.2.2 基于网前搓球的特征提取
    4.3 羽毛球比赛的技术统计模块
        4.3.1 击球速度计算算法
        4.3.2 得分与失误评判算法
    4.4 羽毛球被控步伐的训练
        4.4.1 被控步伐的基本介绍
        4.4.2 被控步伐还原算法
        4.4.3 头顶后退步伐的训练
        4.4.4 后场至前场斜线连贯步伐的训练
第五章 实验结果与分析
    5.1 羽毛球动作识别算法的调参与优化
        5.1.1 基于不同预处理算法的HMM动作识别实验
        5.1.2 基于不同模型算法的动作识别实验
        5.1.3 基于相同与不同运动员的动作识别实验
    5.2 羽毛球技术统计与步伐训练系统的功能测试
        5.2.1 测试环境
        5.2.2 功能测试
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读硕士学位期间论文发表情况
致谢



本文编号：3788004