Hang-Time HAR：基于腕戴惯性传感器的篮球活动识别基准数据集
机器学习
2024-03-19 v2 人机交互
摘要
我们提出一个基准数据集，用于评估在篮球训练、练习与比赛特定场景下基于腕戴传感器的物理人体活动识别方法。篮球活动非常适合用腕戴惯性传感器测量，能检测此类运动相关活动的系统可用于比赛分析、引导训练与个人身体活动追踪等应用。该数据集由来自不同国家（美国与德国）的两支球队录制，共 24 名球员在重复性篮球训练与完整比赛中于腕部佩戴惯性传感器。本数据集的特色在于：因在两个国家录制而通过游戏规则与风格的文化差异产生固有方差，以及不同的运动技能水平，因为参与者在先前的篮球经验上异质。我们通过若干时间序列分析展示数据集特征，并报告了基于两种最先进深度学习架构的基线分类性能研究。
引用
@article{arxiv.2305.13124,
title = {Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition using Wrist-Worn Inertial Sensors},
author = {Alexander Hoelzemann and Julia Lee Romero and Marius Bock and Kristof Van Laerhoven and Qin Lv},
journal= {arXiv preprint arXiv:2305.13124},
year = {2024}
}