一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)及其方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)及其方法，包括信息采集單元、數(shù)據(jù)處理單元和識(shí)別與優(yōu)化單元三部分。信息采集單元，由軟件單元和硬件單元組成，軟硬件結(jié)合采集正抽、反抽和扣殺三種動(dòng)作信息；數(shù)據(jù)處理單元主要包括預(yù)處理、特征值提取、數(shù)據(jù)重組和主成分分析4個(gè)步驟，用于篩選出有效的特征值信息；識(shí)別與優(yōu)化單元主要采用粒子群算法對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，再用粒子群優(yōu)化的支持向量機(jī)識(shí)別動(dòng)作，從而提高了動(dòng)作信息識(shí)別的準(zhǔn)確率。本發(fā)明通過(guò)三軸加速度傳感器采集用戶在網(wǎng)球運(yùn)動(dòng)過(guò)程中的正抽、反抽和扣殺三種動(dòng)作信息，經(jīng)過(guò)處理和優(yōu)化，能更好地識(shí)別用戶的動(dòng)作，增強(qiáng)人機(jī)交互，能夠廣泛應(yīng)用虛擬現(xiàn)實(shí)領(lǐng)域，具有良好的應(yīng)用前景。
【專(zhuān)利說(shuō)明】-種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)及其 方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種運(yùn)動(dòng)識(shí)別系統(tǒng)，特別是涉及三軸加速度傳感器的運(yùn)動(dòng)識(shí)別系統(tǒng)及 其方法，屬于人機(jī)交互【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 早期，人們主要采用基于視覺(jué)方式的運(yùn)動(dòng)識(shí)別，即通過(guò)給定的一段圖像序列或者 一個(gè)視頻片段，識(shí)別出人物的運(yùn)動(dòng)類(lèi)型。但是這種方法在實(shí)際應(yīng)用中也有一些局限性，如環(huán) 境中的光照條件，人物在攝像機(jī)前的位置，場(chǎng)地的大小等。
[0003] 三軸加速度傳感器以其價(jià)格便宜，攜帶方便，不受場(chǎng)地限制等優(yōu)點(diǎn)，補(bǔ)充了傳統(tǒng)基 于視覺(jué)的運(yùn)動(dòng)識(shí)別方法在實(shí)際應(yīng)用中的不足，促使了運(yùn)動(dòng)識(shí)別在日常生活中的應(yīng)用。在利 用一些加速度傳感器設(shè)備對(duì)人體動(dòng)作識(shí)別進(jìn)行研究的領(lǐng)域內(nèi)，很多人都做出了巨大的貢 獻(xiàn)：Zhenyu He，Lianwen Jin在人的胯部安裝一個(gè)加速度信息采集系統(tǒng)，對(duì)人的走路、跑步 和跳躍等常見(jiàn)動(dòng)作進(jìn)行識(shí)別，然后利用支持向量機(jī)分類(lèi)器進(jìn)行分類(lèi)；Juha Kela等人發(fā)明一 種新型的電視機(jī)遙控器，利用控制器的三軸加速度傳感器采集人的動(dòng)作，來(lái)控制電視機(jī)的 全部操作功能Jiahui Wu等人利用三軸加速度傳感器采集手勢(shì)的加速度信息，然后利用 FDSVM作為分類(lèi)器，對(duì)一些易于區(qū)分的字母手勢(shì)進(jìn)行了判斷。王昌喜的基于加速度信息的上 肢動(dòng)作識(shí)別系統(tǒng)設(shè)計(jì)及動(dòng)作質(zhì)量評(píng)價(jià)方法的研究論文中采用的主要思路是采集動(dòng)作的加 速度信息、預(yù)處理、小波分析、支持向量機(jī)的處理流程。這些研究已取得了很好的成果，但如 何進(jìn)一步地提高效率，以達(dá)到更好的效果，還需有待于研究。


【發(fā)明內(nèi)容】

[0004] 發(fā)明目的：為了克服現(xiàn)有技術(shù)中存在的不足，本發(fā)明提供一種基于三軸加速度傳 感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)及其方法，通過(guò)數(shù)據(jù)處理單元得到精簡(jiǎn)而有效的特征值，將 所有樣本的特征向量組成有效的特征矩陣，利用支持向量機(jī)分類(lèi)器對(duì)特征矩陣進(jìn)行判斷和 分析。最后，利用粒子群算法優(yōu)化支持向量機(jī)，以提高對(duì)上肢動(dòng)作識(shí)別的準(zhǔn)確率。本文為提 高動(dòng)作識(shí)別的準(zhǔn)確率，在目前研究基礎(chǔ)上添加了主成分分析和粒子群優(yōu)化算法。主成分分 析是一種統(tǒng)計(jì)分析方法，也是一種降維技術(shù)，可以用少數(shù)幾個(gè)新變量替代原來(lái)多個(gè)變量。采 用主成分分析的原因是變量太多會(huì)增加分析問(wèn)題的難度與復(fù)雜性。主成分分析對(duì)特征值的 優(yōu)化，不僅去掉了冗余的特征值，簡(jiǎn)化了復(fù)雜的數(shù)據(jù)，而且提高支持向量機(jī)的動(dòng)作識(shí)別準(zhǔn)確 率。支持向量機(jī)的參數(shù)對(duì)識(shí)別結(jié)果有很大影響，直接關(guān)系到識(shí)別結(jié)果的準(zhǔn)確率，但是靠經(jīng)驗(yàn) 修改其參數(shù)值，效率低，效果差，所以本發(fā)明運(yùn)用粒子群算法優(yōu)化了 SVM參數(shù)（即懲罰因子 C和核函數(shù)參數(shù)σ )，以提高SVM識(shí)別的準(zhǔn)確率。
[0005] 技術(shù)方案：一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，包括信息采集 單元、數(shù)據(jù)處理單元和識(shí)別與優(yōu)化單元。信息采集單元，由軟件單元和硬件單元組成，軟硬 件結(jié)合采集正抽、反抽和扣殺三種動(dòng)作信息；數(shù)據(jù)處理單元包括預(yù)處理、特征值提取、數(shù)據(jù) 重組和主成分分析，用于篩選出有效的特征值信息；識(shí)別與優(yōu)化單元包括粒子群優(yōu)化算法 以及支持向量機(jī)識(shí)別，采用粒子群優(yōu)化算法對(duì)參數(shù)進(jìn)行優(yōu)化，再用支持向量機(jī)進(jìn)行識(shí)別，從 而提高動(dòng)作信息識(shí)別的準(zhǔn)確率。
[0006] 所述采集單元包括硬件單元和軟件單元，硬件單元包括三軸加速度傳感器，單片 機(jī)，串口通信線和電腦，依次連接。軟件單元包括三軸加速度傳感器寄存器的設(shè)置和初始 化、通信協(xié)議I2C和單片機(jī)串口編程及上位機(jī)接受設(shè)計(jì)。
[0007] 所述的三軸加速度傳感器為Freescale公司的MMA7660FC，分辨率為6位。單片機(jī) 為STC89C52,單片機(jī)最小系統(tǒng)的時(shí)鐘頻率為12MHz。串口通信線選用串口轉(zhuǎn)USB接口線。
[0008] 所述對(duì)三軸加速度傳感器的設(shè)置是指對(duì)按照其Datasheet中各寄存器選項(xiàng)說(shuō)明 進(jìn)行設(shè)置，先將芯片的模式設(shè)置為待機(jī)模式，在待機(jī)模式下設(shè)置其他寄存器的數(shù)值，其中設(shè) 置的采樣頻率為128每秒。寄存器選項(xiàng)部分說(shuō)明：X0UT(X軸輸出數(shù)據(jù)）對(duì)應(yīng)地址為16進(jìn) 制的00H ;Y0UT(Y軸輸出數(shù)據(jù)）對(duì)應(yīng)地址為16進(jìn)制的01H ;Z0UT(Z軸輸出數(shù)據(jù)）對(duì)應(yīng)地址 為6進(jìn)制的02H ;SRST (采樣速率狀態(tài)）對(duì)應(yīng)地址為16進(jìn)制的04H ;M0DE模式寄存器對(duì)應(yīng)地 址為16進(jìn)制的07H ;SR (芯片的工作模式）對(duì)應(yīng)地址為16進(jìn)制的08H等。
[0009] 所述串口設(shè)置是指波特率選為4800, 一幀的數(shù)據(jù)傳輸位數(shù)為8位，有停止位并設(shè) 置為1個(gè)，但無(wú)校驗(yàn)位符號(hào)，使用的時(shí)鐘晶振頻率為12MHz，需要進(jìn)行串口編程初始化。
[0010] 上述識(shí)別與優(yōu)化單元先采用粒子群優(yōu)化對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，再采用支 持向量機(jī)作為分類(lèi)器，對(duì)玩家打球時(shí)基本運(yùn)動(dòng)模式進(jìn)行識(shí)別判斷。
[0011] 上述支持向量機(jī)的動(dòng)作識(shí)別判斷的具體步驟是指：
[0012] (6a):輸入訓(xùn)練樣本，將采集到的數(shù)據(jù)或者特征值輸入到支持向量機(jī)的訓(xùn)練樣本 矩陣；
[0013] (6b):支持向量機(jī)SVM初始化，對(duì)支持向量機(jī)參數(shù)的初始設(shè)置，支持向量機(jī)參數(shù)有 懲罰因子C、核函數(shù)參數(shù)σ和核函數(shù)；
[0014] (6c):訓(xùn)練樣本矩陣?yán)煤撕瘮?shù)與特定空間建立一定關(guān)系；
[0015] (6d):在特征空間內(nèi)構(gòu)造最優(yōu)分類(lèi)面；
[0016] (6e):通過(guò)最優(yōu)分類(lèi)面進(jìn)行分類(lèi)；
[0017] ^f):訓(xùn)練支持向量機(jī)SVM，通過(guò)訓(xùn)練樣本數(shù)據(jù)，對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，建立可 識(shí)別判斷的模型；
[0018] (6g):對(duì)測(cè)試數(shù)據(jù)進(jìn)行識(shí)別判斷，對(duì)未知的測(cè)試樣本進(jìn)行判斷分析，識(shí)別出測(cè)試數(shù) 據(jù)對(duì)應(yīng)的動(dòng)作。
[0019] 上述粒子群優(yōu)化算法實(shí)現(xiàn)的具體步驟為：
[0020] (7a):初始化粒子群，包括粒子群群體粒子個(gè)數(shù)N，每個(gè)粒子的初始位置和速度；
[0021] (7b):利用編寫(xiě)的適應(yīng)度函數(shù)
[0022] Fit [i] = train_result [i]-train_out [i]
[0023] 其中，rain_reSult[i]為第i個(gè)粒子原輸入值經(jīng)支持向量機(jī)訓(xùn)練后所得預(yù)測(cè)值， train_out [i]為第i個(gè)粒子原輸出值，，計(jì)算每個(gè)粒子的適應(yīng)度值Fit [i]，對(duì)每個(gè)粒子進(jìn)行 評(píng)價(jià)；
[0024] (7c):判斷是否更新個(gè)體極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果其適應(yīng)度值Fit [i]小于 個(gè)體極值 Pbest (i)，即 Pbest (i) >Fit [i]，則用 Fit [i]更新 Pbest (i);
[0025] (7d):判斷是否更新局部極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果該粒子的適應(yīng)度值 Fit[i]小于全局極值 Nbest，即 Nbest(i)Fit[i]，則用 Fit[i]更新 Nbest(i);
[0026] (7e):根據(jù)公式 = (Pbesh -Xj) +c2*r2 (Nbestj一Xj) (1)和 Xi = Xi+Vi (2)，調(diào)整每一個(gè)粒子的速度Vi和位置Xi，式中Vi為第i個(gè)粒子的速度，Xi為第i個(gè)粒 子的位置，Pbesti為第i個(gè)粒子個(gè)體極值，Nbesti為整個(gè)粒子群的全局極值，w為慣性因子， Cl和c 2為學(xué)習(xí)因子，^和r2代表0和1之間均勻分布的隨機(jī)數(shù)；
[0027] (7f):判斷是否結(jié)束迭代，迭代結(jié)束條件為達(dá)到之前設(shè)定的最大迭代次數(shù)或者實(shí) 驗(yàn)誤差小于之前設(shè)定的最小誤差值，如果不結(jié)束迭代，則返回步驟（7b)。
[0028] -種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別方法，數(shù)據(jù)處理單元主要如下步 驟：
[0029] 步驟（1):信號(hào)預(yù)處理，完成對(duì)實(shí)驗(yàn)數(shù)據(jù)和加速度數(shù)據(jù)成正比、降噪和動(dòng)作起始點(diǎn) 判斷；
[0030] 步驟（2):信號(hào)特征值提取，采用小波包分析技術(shù)對(duì)處理后的數(shù)據(jù)進(jìn)行分析處理， 為分類(lèi)器判斷識(shí)別提供特征樣本數(shù)據(jù)；
[0031] 步驟（3):數(shù)據(jù)重組，將三維數(shù)據(jù)化為一維的數(shù)據(jù)；
[0032] 步驟（4):主成分分析，提取特征值中有效的、主要的特征值成分，去除冗余信息。
[0033] 上述步驟⑵具體是指：
[0034] (9a):將采樣的輸出信號(hào)采集后，進(jìn)行三層小波包分解，小波包分解技術(shù)每層分解 2個(gè)；
[0035] (9b):對(duì)小波包分解系數(shù)進(jìn)行重構(gòu)，然后提取各頻帶范圍內(nèi)的信號(hào)；
[0036] (9c):求各個(gè)頻帶信號(hào)的總能量；
[0037] (9d):構(gòu)造特征向量。
[0038] 上述步驟（4)主成分分析的計(jì)算步驟具體是指：
[0039] (10a):計(jì)算特征值矩陣的相關(guān)系數(shù)矩陣；
[0040] (l〇b):計(jì)算相關(guān)系數(shù)矩陣的特征值和特征向量；
[0041] (l〇c):計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率；
[0042] (l〇d):計(jì)算主成分載荷。
[0043] 有益效果是：本發(fā)明提供的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系 統(tǒng)，主要采用了主成分分析法，得到精簡(jiǎn)而有效的特征值，將所有樣本的特征向量組成有效 的特征矩陣，然后，利用粒子群算法優(yōu)化支持向量機(jī)，再利用優(yōu)化的支持向量機(jī)分類(lèi)器分 別對(duì)特征矩陣進(jìn)行判斷和分析，從而大大提高了對(duì)動(dòng)作識(shí)別的準(zhǔn)確率，本系統(tǒng)的正確率在 96. 01%左右，克服了基于視覺(jué)方式的運(yùn)動(dòng)識(shí)別在實(shí)際應(yīng)用中要考慮環(huán)境中的光照條件、人 物在攝像機(jī)前的位置、場(chǎng)地的大小等局限性。本系統(tǒng)采用的三軸加速度傳感器可穿戴、攜帶 方便，不受場(chǎng)地限制，能夠廣泛應(yīng)用到手語(yǔ)的識(shí)別、醫(yī)學(xué)領(lǐng)域、手勢(shì)遙控器和游戲控制領(lǐng)域。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0044] 圖1是本發(fā)明的系統(tǒng)框圖。
[0045] 圖2是本發(fā)明的信息采集單元的硬件模塊圖。
[0046] 圖3是本發(fā)明的三軸加速度傳感器的硬件連接圖。
[0047] 圖4是本發(fā)明的支持向量機(jī)動(dòng)作識(shí)別整體流程圖。
[0048] 圖5是本發(fā)明的粒子群優(yōu)化的支持向量機(jī)識(shí)別動(dòng)作圖。

【具體實(shí)施方式】
[0049] 下面結(jié)合附圖對(duì)本發(fā)明作更進(jìn)一步的說(shuō)明。
[0050] 如圖1所示，本發(fā)明的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，包 括信息采集單元、數(shù)據(jù)處理單元和識(shí)別與優(yōu)化單元。信息采集單元，由軟件單元和硬件單元 組成，軟硬件結(jié)合采集正抽、反抽和扣殺三種動(dòng)作信息；數(shù)據(jù)處理單元包括預(yù)處理、特征值 提取、數(shù)據(jù)重組和主成分分析，用于篩選出有效的特征值信息；識(shí)別與優(yōu)化單元包括粒子群 優(yōu)化算法以及支持向量機(jī)識(shí)別，采用粒子群算法對(duì)參數(shù)進(jìn)行優(yōu)化，從而提高動(dòng)作信息識(shí)別 的準(zhǔn)確率。
[0051] 如圖2所示，信息采集單元的硬件單元包括三軸加速度傳感器，單片機(jī)，USB通信 接口和電腦。利用三軸加速度傳感器采集玩家打網(wǎng)球時(shí)的手臂動(dòng)作信息，主要指打網(wǎng)球時(shí) 正抽、反抽和扣殺三種動(dòng)作信息，然后將加速度信息傳輸?shù)絾纹瑱C(jī)，再通過(guò)串口傳輸?shù)缴衔?機(jī)（電腦）。所述的三軸加速度傳感器為Freescale公司的MMA7660FC，分辨率為6位。單 片機(jī)為STC89C52,單片機(jī)最小系統(tǒng)的時(shí)鐘頻率為12MHz。串口通信線選用串口轉(zhuǎn)USB接口 線。
[0052] 本發(fā)明的三軸加速度傳感器硬件部分的引腳連接圖如圖3所示，引腳1、4和8為 輸入引腳，常接地；引腳2和10為輸入引腳，N/C表示懸空狀態(tài)，不連接任何網(wǎng)絡(luò)或者接地； 引腳3和9為輸入引腳，常接電源；引腳5為輸出引腳，對(duì)該芯片起中斷作用；引腳6為I2C 傳輸協(xié)議的時(shí)鐘信號(hào)；引腳7為I2C傳輸協(xié)議的數(shù)據(jù)信號(hào)。
[0053] 識(shí)別與優(yōu)化單元先采用粒子群優(yōu)化對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，再采用支持向 量機(jī)作為分類(lèi)器，對(duì)玩家打球時(shí)基本運(yùn)動(dòng)模式進(jìn)行識(shí)別判斷。
[0054] 如圖4所示，支持向量機(jī)的動(dòng)作識(shí)別判斷的具體步驟是指：
[0055] (6a):輸入訓(xùn)練樣本，將采集到的數(shù)據(jù)或者特征值輸入到支持向量機(jī)的訓(xùn)練樣本 矩陣；
[0056] (6b):支持向量機(jī)SVM初始化，對(duì)支持向量機(jī)參數(shù)的初始設(shè)置，支持向量機(jī)參數(shù)有 懲罰因子C、核函數(shù)參數(shù)σ和核函數(shù)；
[0057] (6c):訓(xùn)練樣本矩陣?yán)煤撕瘮?shù)與特定空間建立一定關(guān)系；
[0058] (6d):在特征空間內(nèi)構(gòu)造最優(yōu)分類(lèi)面；
[0059] (6e):通過(guò)最優(yōu)分類(lèi)面進(jìn)行分類(lèi)；
[0060] ^f):訓(xùn)練支持向量機(jī)SVM，通過(guò)訓(xùn)練樣本數(shù)據(jù)，對(duì)支持向量機(jī)進(jìn)行訓(xùn)練，建立可 識(shí)別判斷的模型；
[0061] (6g):對(duì)測(cè)試數(shù)據(jù)進(jìn)行識(shí)別判斷，對(duì)未知的測(cè)試樣本進(jìn)行判斷分析，識(shí)別出測(cè)試數(shù) 據(jù)對(duì)應(yīng)的動(dòng)作。
[0062] 如圖5所示，粒子群優(yōu)化算法實(shí)現(xiàn)的具體步驟為：
[0063] (7a):初始化粒子群，包括粒子群群體粒子個(gè)數(shù)N，每個(gè)粒子的初始位置和速度；
[0064] (7b):利用編寫(xiě)的適應(yīng)度函數(shù)
[0065] Fit [i] = train_result [i]-train_out [i]
[0066] 其中，rain_reSult[i]為第i個(gè)粒子原輸入值經(jīng)支持向量機(jī)訓(xùn)練后所得預(yù)測(cè)值， train_out [i]為第i個(gè)粒子原輸出值，，計(jì)算每個(gè)粒子的適應(yīng)度值Fit [i]，對(duì)每個(gè)粒子進(jìn)行 評(píng)價(jià)；
[0067] (7c):判斷是否更新個(gè)體極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果其適應(yīng)度值Fit [i]小于 個(gè)體極值 Pbest (i)，即 Pbest (i) >Fit [i]，則用 Fit [i]更新 Pbest (i);
[0068] (7d):判斷是否更新局部極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果該粒子的適應(yīng)度值 Fit[i]小于全局極值 Nbest，即 Nbest(i)Fit[i]，則用 Fit[i]更新 Nbest(i);
[0069] (7e):根據(jù)公式 = (Pbesh -Xj) +c2*r2 (Nbestj一Xj) (1)和 Xi = Xi+Vi (2)，調(diào)整每一個(gè)粒子的速度Vi和位置Xi，式中Vi為第i個(gè)粒子的速度，Xi為第i個(gè)粒 子的位置，Pbest,為第i個(gè)粒子個(gè)體極值，Nbesti為整個(gè)粒子群的全局極值，w為慣性因子， Cl和c 2為學(xué)習(xí)因子，^和r2代表0和1之間均勻分布的隨機(jī)數(shù)；
[0070] (7f):判斷是否結(jié)束迭代，迭代結(jié)束條件為達(dá)到之前設(shè)定的最大迭代次數(shù)或者實(shí) 驗(yàn)誤差小于之前設(shè)定的最小誤差值，如果不結(jié)束迭代，則返回步驟（7b)。
[0071] 一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別方法，數(shù)據(jù)處理單元主要如下步 驟：
[0072] 步驟（1):信號(hào)預(yù)處理，完成對(duì)實(shí)驗(yàn)數(shù)據(jù)和加速度數(shù)據(jù)成正比、降噪和動(dòng)作起始點(diǎn) 判斷；
[0073] 步驟（2):信號(hào)特征值提取，采用小波包分析技術(shù)對(duì)處理后的數(shù)據(jù)進(jìn)行分析處理， 為分類(lèi)器判斷識(shí)別提供特征樣本數(shù)據(jù)；
[0074] 步驟（3):數(shù)據(jù)重組，將三維數(shù)據(jù)化為一維的數(shù)據(jù)；
[0075] 步驟（4):主成分分析，提取特征值中有效的、主要的特征值成分，去除冗余信息。
[0076] 上述步驟⑵具體是指：
[0077] (9a):將采樣的輸出信號(hào)采集后，進(jìn)行三層小波包分解，小波包分解技術(shù)每層分解 2個(gè)；
[0078] (9b):對(duì)小波包分解系數(shù)進(jìn)行重構(gòu)，然后提取各頻帶范圍內(nèi)的信號(hào)；
[0079] (9c):求各個(gè)頻帶信號(hào)的總能量；
[0080] (9d):構(gòu)造特征向量。
[0081] 主成分分析（PCA)方法的原理
[0082] 假設(shè)一個(gè)樣本數(shù)據(jù)矩陣為nXp階的數(shù)據(jù)矩陣，其中，η表示實(shí)驗(yàn)的樣本，p表示每 個(gè)樣本的變量或者特征值個(gè)數(shù)。
[0083]

【權(quán)利要求】
1. 一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特征在于：包括信息采集 單元、數(shù)據(jù)處理單元和識(shí)別與優(yōu)化單元；所述信息采集單元由軟件單元和硬件單元組成，用 于采集正抽、反抽和扣殺三種動(dòng)作信息；所述數(shù)據(jù)處理單元包括預(yù)處理、特征值提取、數(shù)據(jù) 重組和主成分分析；所述識(shí)別與優(yōu)化單元包括粒子群優(yōu)化算法以及支持向量機(jī)識(shí)別。
2. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：所述硬件單元包括三軸加速度傳感器，單片機(jī)，串口通信線和電腦，依次連接；所 述軟件單元包括三軸加速度傳感器寄存器的設(shè)置和初始化、通信協(xié)議I 2C和單片機(jī)串口編 程及上位機(jī)接收軟件。
3. 根據(jù)權(quán)利要求2所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：所述的三軸加速度傳感器為Freescale公司的MMA7660FC ;單片機(jī)為STC89C52 ;串 口通信線選用串口轉(zhuǎn)USB接口線。
4. 根據(jù)權(quán)利要求2所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：對(duì)三軸加速度傳感器的設(shè)置即對(duì)按照其Datasheet中各寄存器選項(xiàng)說(shuō)明進(jìn)行設(shè) 置，先將芯片的模式設(shè)置為待機(jī)模式，在待機(jī)模式下設(shè)置其他寄存器的數(shù)值，其中設(shè)置的采 樣頻率為128每秒。
5. 根據(jù)權(quán)利要求1所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：所述識(shí)別與優(yōu)化單元先采用粒子群優(yōu)化對(duì)支持向量機(jī)的參數(shù)進(jìn)行優(yōu)化，再采用支 持向量機(jī)作為分類(lèi)器，對(duì)玩家打球時(shí)基本運(yùn)動(dòng)模式進(jìn)行識(shí)別判斷。
6. 根據(jù)權(quán)利要求5所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：所述支持向量機(jī)的動(dòng)作識(shí)別判斷的具體步驟是指： (6a):輸入訓(xùn)練樣本，將采集到的數(shù)據(jù)或者特征值輸入到支持向量機(jī)的訓(xùn)練樣本矩陣； (6b):支持向量機(jī)SVM初始化，對(duì)支持向量機(jī)參數(shù)的初始設(shè)置，支持向量機(jī)參數(shù)有懲罰 因子C、核函數(shù)參數(shù)σ和核函數(shù)； (6c):訓(xùn)練樣本矩陣?yán)煤撕瘮?shù)與特定空間建立一定關(guān)系； (6d):在特征空間內(nèi)構(gòu)造最優(yōu)分類(lèi)面； (6e):通過(guò)最優(yōu)分類(lèi)面進(jìn)行分類(lèi)； (6f):訓(xùn)練支持向量機(jī)SVM，通過(guò)訓(xùn)練樣本數(shù)據(jù)，對(duì)支持向量機(jī)進(jìn)行訓(xùn)練， 建立可識(shí)別判斷的模型； (6g):對(duì)測(cè)試數(shù)據(jù)進(jìn)行識(shí)別判斷，對(duì)未知的測(cè)試樣本進(jìn)行判斷分析，識(shí)別出測(cè)試數(shù)據(jù)對(duì) 應(yīng)的動(dòng)作。
7. 根據(jù)權(quán)利要求5所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別系統(tǒng)，其特 征在于：所述粒子群優(yōu)化算法實(shí)現(xiàn)的具體步驟為： (7a):初始化粒子群，包括粒子群群體粒子個(gè)數(shù)N，每個(gè)粒子的初始位置和速度； (7b):利用編寫(xiě)的適應(yīng)度函數(shù) Fit[i]=train_result[i]-train_out[i] 其中，rain_reSult[i]為第i個(gè)粒子原輸入值經(jīng)支持向量機(jī)訓(xùn)練后所得預(yù)測(cè)值， train_out[i]為第i個(gè)粒子原輸出值，計(jì)算每個(gè)粒子的適應(yīng)度值Fit[i]，對(duì)每個(gè)粒子進(jìn)行 評(píng)價(jià)； (7c):判斷是否更新個(gè)體極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果其適應(yīng)度值Fit[i]小于個(gè)體極 值 Pbest (i)，即 Pbest (i) > Fit [i]，則用 Fit [i]更新 Pbest (i); (7d):判斷是否更新局部極值，對(duì)每一個(gè)粒子來(lái)說(shuō)，如果該粒子的適應(yīng)度值Fit[i]小于 全局極值 Nbest，即 Nbest(i) Fit[i]，則用 Fit[i]更新 Nbest(i); (7e):根據(jù)公式 +(^*1*1 (Pbesti-Xj )+ c2*r2 (Nbestj一Xi ) (1)和 Xi =Xi +Vi (2)，調(diào)整每一個(gè)粒子的速度h和位置a，式中Vi為第i個(gè)粒子的速度，Xi為第i個(gè)粒子 的位置，Pbest,為第i個(gè)粒子個(gè)體極值，Nbesti為整個(gè)粒子群的全局極值，r為慣性因子，Cl 和c2為學(xué)習(xí)因子，Γι和r2代表0和1之間均勻分布的隨機(jī)數(shù)； (7f):判斷是否結(jié)束迭代，迭代結(jié)束條件為達(dá)到之前設(shè)定的最大迭代次數(shù)或者實(shí)驗(yàn)誤 差小于之前設(shè)定的最小誤差值，如果不結(jié)束迭代，則返回步驟（7b)。
8. -種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別方法，其特征在于：數(shù)據(jù)處理單元 主要如下步驟： 步驟（1):信號(hào)預(yù)處理，完成對(duì)實(shí)驗(yàn)數(shù)據(jù)和加速度數(shù)據(jù)成正比、降噪和動(dòng)作起始點(diǎn)判 斷； 步驟（2):信號(hào)特征值提取，采用小波包分析技術(shù)對(duì)處理后的數(shù)據(jù)進(jìn)行分析處理，為分 類(lèi)器判斷識(shí)別提供特征樣本數(shù)據(jù)； 步驟（3):數(shù)據(jù)重組，將三維數(shù)據(jù)化為一維的數(shù)據(jù)； 步驟（4):主成分分析，提取特征值中有效的、主要的特征值成分，去除冗余信息。
9. 根據(jù)權(quán)利要求8所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別方法，其特 征在于：所述步驟（2)具體是指： (9a):將采樣的輸出信號(hào)采集后，進(jìn)行三層小波包分解，小波包分解技術(shù)每層分解2 個(gè)； (9b):對(duì)小波包分解系數(shù)進(jìn)行重構(gòu)，然后提取各頻帶范圍內(nèi)的信號(hào)； (9c):求各個(gè)頻帶信號(hào)的總能量； (9d):構(gòu)造特征向量。
10. 根據(jù)權(quán)利要求8所述的一種基于三軸加速度傳感器的網(wǎng)球運(yùn)動(dòng)模式識(shí)別方法，其 特征在于：所述步驟（4)主成分分析的計(jì)算步驟具體是指： (10a):計(jì)算特征值矩陣的相關(guān)系數(shù)矩陣； (10b):計(jì)算相關(guān)系數(shù)矩陣的特征值和特征向量； (l〇c):計(jì)算主成分貢獻(xiàn)率及累計(jì)貢獻(xiàn)率； (10d):計(jì)算主成分載荷。
【文檔編號(hào)】G06K9/36GK104268511SQ201410474868
【公開(kāi)日】2015年1月7日 申請(qǐng)日期:2014年9月17日 優(yōu)先權(quán)日:2014年9月17日
【發(fā)明者】齊本勝, 王鵬彰, 韓燕 , 苗紅霞 申請(qǐng)人:河海大學(xué)常州校區(qū)