Czasopismo | ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA | Rocznik 2017 - zeszyt 4

Klasyfikacja akcji nóg w szermierce z użyciem akcelerometru

10.15199/13.2017.4.2

Filip Malawski

nr katalogowy: 105318
10.15199/13.2017.4.2

Automatyczna analiza oraz klasyfikacja akcji w sporcie stanowi użyteczne narzędzie dla zawodników oraz trenerów. W niniejszej pracy zaprezentowano efektywną metodę klasyfikacji akcji nóg w szermierce z wykorzystaniem akcelerometru. Do opisu ruchu wykorzystano zarówno cechy czasowe jak i częstotliwościowe. Do wyboru podzbioru cech o największej sile dyskryminacyjnej zastosowano metody selekcji cech oparte o algorytmy AdaBoost oraz Lasso. Klasyfikację akcji zrealizowano w oparciu o metody DTW oraz SVM. Przeprowadzono badania eksperymentalne na dedykowanej bazie danych z akcjami nóg w szermierce, która zawiera trudne do klasyfikacji akcje o podobnej trajektorii, ale różnej dynamice ruchu. Metody zaproponowane w niniejszej pracy umożliwiają uzyskanie 70% skuteczności klasyfikacji. Słowa kluczowe: rozpoznawanie akcji, nauka o sporcie, ciągi czasowe, przetwarzanie sygnałów, szermierka.W wielu dyscyplinach sportowych stosowane są obecnie technologie wspomagające analizę działań sportowców [1]. Śledzenie wybranych parametrów ruchu umożliwia jego pełniejsze zrozumienie. To z kolei umożliwia zaplanowanie ćwiczeń, które pozwalają osiągnąć lepsze wyniki w krótszym czasie, przy jednoczesnym ograniczeniu ryzyka kontuzji. W sportach zespołowych wykorzystywane są techniki śledzenia obiektów - piłek, zawodników, sędziów [2], które umożliwiają automatyczną analizę taktyki danej drużyny. Najczęściej śledzenie to odbywa się z użyciem kamer RGB [3]. W sportach indywidualnych konkretne akcje analizowane są zarówno z wykorzystaniem kamer RGB [4] jak i systemów przechwytywania ruchu (motion-capture) [5]. Do analizy ruchu bardzo często wykorzystuje się sensory inercyjne (IMU), które zawierają akcelerometr, żyroskop oraz magnetometr [6]. Główne zalety tego podejścia to łatwość instalacji, wysoka dokładność pomiarów oraz relatywnie niska cena. Przykłady użycia sensorów inercyjnych do analizy ruchu sportowców znaleźć można w wielu pracach [7]. Akcelero[...]

Bibliografia

[1] P. M. McGinnis, Biomechanics of Sport and Exercise. Human Kinetics, 2013.
[2] S. Barris and C. Button, “A review of vision-based motion analysis in sport," Sports Med., vol. 38, no. 12, pp. 1025-1043, 2008.
[3] T. Mauthner, C. Koch, M. Tilp, and H. Bischof, “Visual tracking of athletes in beach volleyball using a single camera," Int. J. Comput. Sci. Sport, vol. 6, no. 2, pp. 21-34, 2008.
[4] R. Urtasun, D. J. Fleet, and P. Fua, “Monocular 3D tracking of the golf swing," IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., vol. 2, pp. 932-938, 2005.
[5] L. Mündermann, S. Corazza, and T. P. Andriacchi, “The evolution of methods for the capture of human movement leading to markerless motion capture for biomechanical applications.," J. Neuroeng. Rehabil., vol. 3, p. 6, 2006.
[6] D. A. James, “The application of inertial sensors in elite sports monitoring," Eng. Sport 6, vol. 3, pp. 289-294, 2006.
[7] A. Avci and S. Bosch, “Activity recognition using inertial sensing for healthcare, wellbeing and sports applications: A survey," 23rd Int. Conf. Archit. Comput. Syst., pp. 1-10, 2010.
[8] L. K. Philpott, S. Weaver, D. Gordon, P. P. Conway, and A. A. West, “Assessing wireless inertia measurement units for monitoring athletics sprint performance," Proc. IEEE Sensors, no. December, pp. 2199-2202, 2014.
[9] J. Margarito, R. Helaoui, A. M. Bianchi, F. Sartor, and A. G. Bonomi, “User-independent recognition of sports activities from a single wrist-worn accelerometer: A template-matching-based approach," IEEE Trans. Biomed. Eng., vol. 63, no. 4, pp. 788- 796, 2016.
[10] K. C. Moore, F. M. E. Chow, and J. Y. H. Chow, “Novel lunge biomechanics in modern Sabre fencing," Procedia Eng., vol. 112, pp. 473-478, 2015.
[11] Z. Borysiuk, K. Piechota, and T. Minkiewicz, “Analysis of performance of the fencing lunge with regard to the difficulty level of a technical-tactical task," J. Combat Sport. Martial Arts, vol. 4, no. 2, pp. 135-139, 2013.
[12] G. Mantovani, A. Ravaschio, P. Piaggi Pa, and A. Landi, “Fine classification of complex motion pattern in fencing," Procedia Eng., vol. 2, no. 2, pp. 3423-3428, 2010.
[13] F. Malawski and B. Kwolek, “Classification of basic footwork in fencing using accelerometer," in Signal Processing: Algorithms, Architectures, Arrangements, and Applications (SPA), 2016, pp. 51-55.
[14] Z. Czajkowski, Understanding fencing: The unity of theory and practice. SKA Swordplay Books, 2005.
[15] C. Ellis, S. Z. Masood, M. F. Tappen, J. J. Laviola, and R. Sukthankar, “Exploring the trade-off between accuracy and observational latency in action recognition," Int. J. Comput. Vis., vol. 101, no. 3, pp. 420-436, 2013.
[16] O. D. Lara and M. A. Labrador, “A survey on human activity recognition using wearable sensors," IEEE Commun. Surv. Tutorials, vol. 15, no. 3, pp. 1192-1209, 2013.
[17] Y. Freund and R. Schapire, “A decision-theoretic generalization of on-line learning and an application to boosting," Comput. Learn. Theory, vol. 55, pp. 119-139, 1995.
[18] F. Malawski, B. Kwolek, and S. Sako, “Using Kinect for facial expression recognition under varying poses and illumination," Act. Media Technol. 10th Int. Conf. AMT 2014 - Lect. Notes Comput. Sci., vol. 8610 LNCS, pp. 395-406, 2014.
[19] R. Tibshirani, “Regression Selection and Shrinkage via the Lasso," J. R. Stat. Soc. Ser. B, vol. 58, no. 1, pp. 267-288, 1996.
[20] E. Keogh, K. Chakrabarti, M. Pazzani, and S. Mehrotra, “Dimensionality Reduction for Fast Similarity Search in Large Time Series Databases," Knowl. Inf. Syst., vol. 3, no. 3, pp. 263-286, 2001.
[21] T. Krzeszowski, A. Switonski, B. Kwolek, H. Josinski, and K. Wojciechowski, “DTW-based gait recognition from recovered 3-D joint angles and inter-ankle distance," Comput. Vis. Graph. Int. Conf. ICCVG 2014 - Lect. Notes Comput. Sci., vol. 8671, pp. 356-363, 2014.
[22] C. J. C. Burges, “A tutorial on support vector machines for pattern recognition," Data Min. Knowl. Discov., vol. 2, no. 2, pp. 121-167, 1998.
[23] “Szkoła Fechtunku Aramis."
[Online]. aramis.pl.

Jeśli masz wykupiony/przyznany dostęp - zaloguj się. Skorzystaj z naszych propozycji zakupu!

Publikacja


e-Publikacja (format pdf) - nr 105318 "Klasyfikacja akcji nóg w ..." licencja: Osobista Produkt cyfrowy	10.00 zł

Zeszyt


ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - e-zeszyt (pdf) 2017-4 licencja: Osobista Produkt cyfrowy	35.00 zł

Prenumerata

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

420.00 zł

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - papierowa prenumerata roczna	528.00 zł brutto 488.89 zł netto 39.11 zł VAT (stawka VAT 8%)
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

570.00 zł

ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - PAKIET prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
ELEKTRONIKA - KONSTRUKCJE, TECHNOLOGIE, ZASTOSOWANIA - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	636.00 zł brutto 588.89 zł netto 47.11 zł VAT (stawka VAT 8%)

636.00 zł

Zeszyt

2017-4

Twój Koszyk

Publikacja

Zeszyt

Prenumerata

Zeszyt

Czasopisma