基于堆叠惯性信号的跳台滑雪动作识别

来源：电子测量技术杂志2023年第8期北京时间：

作者：鲍文霞，董震，王年，杨先军

单位：1.安徽大学电子信息工程学院 合肥 230039; 2.中国科学院合肥物质科学研究院 合肥 230031

摘要：动作识别是滑雪运动状态智能监测的关键环节之一。本文以跳台滑雪运动为研究对象，通过堆叠的方式将不同惯性传感器、不同关节点的数据进行融合生成结构化的数据，从而利用深度卷积神经网络实现跳台滑雪动作的识别。首先对采集到的跳台滑雪运动过程中的不同传感器、人体不同关节点的惯性传感数据进行归一化处理映射至［0,1］之间，然后通过颜色映射将各类数据堆叠生成图像，接着利用Resnet等二维卷积神经网络对跳台滑雪中的动身至助滑、直线助滑、曲线助滑、起跳及早期飞行、稳定飞行及落地共5类动作的堆叠惯性信号图像进行识别。实验结果表明，对9次跳台滑雪数据融合后生成的2 250幅堆叠惯性信号图像进行识别，召回率和准确率达到了93.8%和91.7%；同时分析了单个类别惯性传感器对各关节点数据融合后的识别结果的影响。本文提出的不同传感器、不同关节点堆叠惯性信号融合和动作识别方法能够为跳台滑雪运动的智能化分析提供支撑。

关键词：跳台滑雪;动作识别;卷积神经网络;惯性数据

基金资助：国家重点研发计划课题项目（2020YFF0303800）资助