使用加速度测量与机器学习开发滑板动作分类器
信号处理
2020-05-11 v1
摘要
简介：滑板是巴西最受欢迎的文化之一，拥有超过 850 万滑板运动员。如今，街式滑板项目与其他更传统的运动一起获得了认可，并等待其在 2020 年东京夏季奥运会上的首次亮相。本研究旨在探索惯性测量单元（IMU）在滑板动作检测中的最新技术水平，并利用监督机器学习和人工神经网络（ANN）开发新的分类方法。方法：利用滑板运动检测的最新知识，通过信号建模生成了 543 个人工加速度信号，对应于分为五类（NOLLIE、NSHOV、FLIP、SHOV、OLLIE）的 181 个平地动作。该分类器由一个三层多层前馈神经网络和监督学习算法（反向传播）构成。结果：专门针对加速度的每个测量轴训练的 ANN 产生的误差百分比低于 0.05%，其计算效率使得实时应用成为可能。结论：假设分类器构建和训练得当，且加速度信号预处理正确，机器学习可以成为分类滑板平地动作的有效技术。
引用
@article{arxiv.2005.04186,
title = {Development of a skateboarding trick classifier using accelerometry and machine learning},
author = {Nicholas Kluge Corrêa and Julio Cesar Marques de Lima and Thais Russomano and Marlise Araujo dos Santos},
journal= {arXiv preprint arXiv:2005.04186},
year = {2020}
}
备注
8 pages, 7 figures