基于传感器融合的 Olympic Taekwondo AI驱动实时踢腿分类

Olympic Taekwondo面临观众参与度低的问题，这源于比赛战术静态、防守性强以及评分争议。当前护卫和计分系统（PSS）依赖冲击传感器和简单逻辑，鼓励安全策略，削弱了运动的活力。本文提出一种AI驱动的计分系统，将现有PSS传感器与额外的加速度计、陀螺仪、磁力/RFID和冲击力传感器集成，通过传感器融合框架实现对踢腿的实时分类，以识别踢法类型、接触位置、冲击力以及脚部使用情况。详细阐述了采用传感器融合和支持向量机（SVM）的机器学习管道，实现自动踢法识别用于计分。我们提出了一种新颖的踢腿计分标准，依据具体踢法（如转踢、旋转踢）对得分进行加权，以激励动态进攻。基于2024年实现96-98%准确率的研究，我们验证了实时踢腿分类的可行性，并提出了此方法的改进措施，如集成SVM分类器和扩大数据集，以满足运动高 stakes 准确率要求。我们分析了所提出系统如何改善计分公正性、降低规则滥用和非法战术，鼓励更动态的踢法，并增强观众的理解和兴奋感。论文包括系统设计示意图、来自AI增强规则集的踢腿计分表，并讨论了对Olympic Taekwondo的预期影响。