基于卷积神经网络的羽毛球回球动作识别研究

作     者：周子怡 

作者单位：武汉体育学院 

学位级别：硕士

导师姓名：胡璞

授予年度：2024年

学科分类：0403[教育学-体育学] 04[教育学] 

主      题：羽毛球动作评估 惯性传感器 动作识别 卷积神经网络 动态时间规整 

摘      要：本硕士论文旨在提出一种科学合理的方法,以定量评估羽毛球运动员在四项基本动作(正手搓球、正手扑球、正手挑球、正手推球)中的动作完成质量的高低。通过对60名受试者进行实验,使用惯性传感器采集动作执行时的多变量加速度数据。为了有效度量动作的相似度,我们采用了动态时间规整(DTW)算法,对标准模板和测试模板的多元时间序列加速度数据进行精确比对。标准模板选择了卷积神经网络训练的数据,并通过算法将其分解为准备阶段、挥拍阶段、引拍阶段和收拍阶段,随后通过DTW计算每个阶段的相似度,最终汇总为总体相似度,作为动作完成质量的评分。 鉴于羽毛球数据的多变性,仅使用加速度无法充分评估动作,因此我们首先进行了动作种类的识别,以减少位置动作多样性的影响。初步采用KNN和SVM算法进行动作识别,但识别率不理想,因而转向卷积神经网络(CNN)。通过CNN,四种动作的平均识别率达到91.37%,然而对于正手搓球和正手推球的识别率较为不稳定。为解决这一问题,我们构建了三体-CNN模型,将识别率提高至95.4%,对四种动作的识别更为稳定,有效消除了差异性。最终,我们再次运用DTW方法对四种羽毛球动作的动作完成质量进行量化。 为了验证评分的科学性,科学选择了四个动作作为测试模板,并与标准模板进行多元时间序列相似度量化。研究结果表明,所得分数基本服从正态分布,符合实际人工专业评价的规律和特性。本研究在深度学习和传感器技术的交叉应用方面取得了实质性进展,为羽毛球运动员的动作评估提供了更为客观、准确的测量手段。