一种智能球训练动作识别系统及方法与流程

本发明涉及智能运动系统领域，特别涉及一种智能球训练动作识别系统及方法。

背景技术：

近年来，篮球、足球、排球、橄榄球、手球、网球等球类运动越来越受到大众的喜爱，与之相关的训练也日益得到重视。对于动作的训练，一方面通过专业的训练器材、标准场地及一对一的教练开展，但这种训练费用高额且不便捷。更多情况下，球类爱好者通过观看视频来模仿标准动作或球星的动作进行训练。因此，如何给球类爱好者提供模仿动作的反馈，让球类爱好者了解到自己动作和标准动作或球星动作的差距，进而通过不断校正来提高专项能力是一个亟待解决的问题。

技术实现要素：

本发明的目的在于克服现有技术的不足，提出一种智能球训练动作识别系统及方法，该系统将采集运动相关数据的智能球与移动设备相结合，运用传感器技术、滤波、蓝牙、数学模型、SVM算法及技术规则，实现对球类爱好者训练动作的识别和评估。

本发明解决其技术问题所采用的技术方案是：

一种智能球训练动作识别系统，包括安装有微控制单元、9轴惯性运动传感装置、时钟装置、存储装置、电池装置和蓝牙设备的智能球及智能球训练动作识别APP模块，所述智能球训练动作识别APP模块设于移动设备，配合智能球使用，具体的，所述智能球训练动作识别APP模块具体包括：

单个动作识别模块，所述单个动作识别模块与移动设备的蓝牙设备连接，接收所述智能球传输的添加了时间戳的三轴加速度、三轴角速度及三轴磁力计数据并进行处理，与已存储动作的数据模型进行精确匹配或使用SVM与已存储动作进行模糊匹配；将匹配动作和所述智能球上传的传感数据发送到连贯动作识别模块；

连贯动作识别模块，所述连贯动作识别模块与所述单个动作识别模块连接，接收所述单个动作识别模块传输的匹配动作和所述智能球上传的数据，对接收到的单个动作进行组合并与已存储的组合规则进行比对判断出用户做出的组合动作，将组合动作与已存储的标准动作 进行比较计算出组合动作的完成度；将组合动作、组合动作的完成度和所述智能球上传的传感数据发送到技术识别模块；

技术识别模块，所述技术识别模块与所述连贯动作识别模块连接，接收所述连贯动作识别模块传输的组合动作、组合动作的完成度和所述智能球上传的传感数据，对组合动作进行评分，与已存储的技术规则进行比对得到每项训练的具体评分，并进行加权平均后得到用户的技术得分，将识别和评分结果在移动设备上显示。

优选的，所述智能球通过蓝牙设备与所述移动设备实现数据通信。

优选的，所述智能球训练动作识别系统还包括云端服务器，所述云端服务器通过Internet与所述移动设备连接，接收所述技术识别模块传输的组合动作及各项评分结果，供其他移动终端下载。

优选的，所述9轴惯性运动传感装置包括9轴惯性运动传感器和预处理模块，所述9轴惯性运动传感器和预处理模块相连接，用于检测三轴加速度、三轴角速度及三轴磁力计数据并对检测到的传感数据进行滤波、拟合。

一种智能球训练动作识别方法，将包括单个动作识别模块、连贯动作识别模块和技术识别模块的智能球训练动作识别APP模块设于移动设备，智能球训练动作识别APP模块通过蓝牙设备与智能球实现数据通信，具体方法包括：

单个动作识别模块接收智能球发送的添加了时间戳的三轴加速度、三轴角速度及三轴磁力计数据并进行处理，与已存储动作的数据模型进行精确匹配或使用SVM与已存储动作进行模糊匹配；将匹配动作和所述智能球上传的传感数据发送到连贯动作识别模块；

连贯动作识别模块接收所述单个动作识别模块传输的匹配动作和所述智能球上传的传感数据，对接收到的单个动作进行组合并与已存储的组合规则进行比对判断出用户做出的组合动作，将组合动作与已存储的标准动作进行比较计算出组合动作的完成度；将组合动作、组合动作的完成度和所述智能球上传的传感数据发送到技术识别模块；

技术识别模块接收所述连贯动作识别模块传输的组合动作、组合动作的完成度和所述智能球上传的传感数据，对组合动作进行评分，与已存储的技术规则进行比对得到每项训练的具体评分，并进行加权平均后得到用户的技术得分，将识别和评分结果在移动设备上显示。

进一步的，所述精确匹配是指通过对传感器数据进行建模，找出每类动作的数据模型；根据动作对应的数据模型计算出某一时间点的特征值，并与该动作已设置的阈值进行比较，如果特征值超过阈值，则推断出相应动作已经发生。

进一步的，所述精确匹配还包括：如果在指定时间范围外特征值再次超过阈值，则推 断出相应的动作重复发生。

进一步的，所述模糊匹配具体包括：

根据计算出的合加速度超过已设置的合加速度阈值推导出数据采集的时间点t；

采集t之前和之后的某一段连续时间段内的传感器数据作为训练数据；

设置关于x的函数f(x)＝W^TX+b，使用SVM找到一个超平面满足yi*f(x)>＝1,并满足特征值为1和-1两个向量空间的距离最大化；其中X表示训练数据，yi等于1或-1；

当输入训练数据后，W^T中的参数不断修正，数据模型不断优化，当新的训练数据被输入到模型中，如果得到的f(x)是正值，表明动作发生，如果f(x)是负值，表明动作未发生。

进一步的，所述组合规则包括：动作的数量范围、动作的持续时间、动作的间隔时间和动作的顺序。

进一步的，所述组合动作的完成度S用如下公式计算：

其中，w_i表示每项完成度指标的权重，v_i表示每项指标的测量值，v_i表示标准指标的测量值。

本发明提供的技术方案带来的有益效果是：

(1)结合添加了时间戳的三轴加速度、三轴角速度及三轴磁力计数据，使用精确匹配和模糊匹配实现对单个训练动作的识别；

(2)通过对单个动作进行组合并与已存储的组合规则进行比较实现对组合动作的识别，并对完成度进行评估；

(3)结合已存储的技术规则对每项训练动作进行具体评分及综合评分并在移动设备上显示，从而为球类爱好者提供模仿动作的反馈，让球类爱好者了解到自己动作和标准动作或球星动作的差距，进而通过不断校正来提高专项能力。

以下结合附图及实施例对本发明作进一步详细说明，但本发明的一种智能球训练动作识别系统和方法不局限于实施例。

附图说明

图1为本发明系统的组成图；

图2为本发明系统智能球的组成框图；

图3为本发明系统智能球训练动作识别APP模块组成框图；

图4为本发明系统智能球训练动作识别APP模块处理逻辑示意图；

图5为本发明方法的智能球训练动作识别APP模块工作流程图。

具体实施方式

参见图1，本发明的一种智能球训练动作识别系统，包括：智能球10、第一移动设备11、云端服务器12和第二移动设备13，所述第一移动设备11安装有智能球训练动作识别APP模块。

具体的，参见图2，所述智能球10包括：球体20及安装于球体20内的微控制单元21、惯性传感装置、时钟装置24、存储装置25、无线充电接收装置26、电池装置27和蓝牙设备28。

所述惯性传感装置包括9轴运动惯性传感器22和预处理单元23，所述9轴惯性运动传感器22和预处理单元23相连接，用于检测三轴加速度、三轴角速度及三轴磁力计数据并对检测到的传感数据进行滤波、拟合，所述预处理单元23与所述微控制单元21相连。

所述时钟装置24与微控制单元21相连用于提供时钟信号，从而产生时间戳为记录球体20的运动变化提供时间对应关系。所述无线充电接收装置26与电池装置27相连用于对电池装置27进行无线充电。所述存储装置25与微控制单元21相连，用于充当数据的临时存储介质，当蓝牙设备的网络连接不稳定或超出范围时，临时存储运动相关数据，以确保运动数据不丢失。所述电池装置27与上述各个装置相连以提供电源。

所述微控制单元21与蓝牙设备28相连用于将运动相关数据和时钟信号结合并通过蓝牙设备发送，所述微控制单元21可采用单片机实现。所述蓝牙设备28可用于实现与第一移动设备11的数据通信，包括发送含有时间戳的运动相关数据及接收控制命令，该控制命令包括设置球的名称、设置数据采集周期、设置连接等。

本实施例中，9轴运动惯性传感器22数据被收集后，预处理单元23滤波拟合(如卡尔曼滤波算法)后通过球体20内部的蓝牙设备发送到第一移动设备11。第一移动设备11中的蓝牙设备和智能球的蓝牙设备建立连接并负责接收传感器数据。接收方式可以是实时的，也可以是批量的(批量数据接收需要利用flash作数据暂存)。第一移动设备11中的智能球训练动作识别APP模块监听并获取到传感器数据进行数据分析，数据流会被智能球训练动作识别APP模块中的数据模型进行匹配，得出匹配结果。匹配的结果通过第一移动设备11的网络设备(如3G、4G、wifi模块)上传到云端服务器12，云端服务器12的数据可以被第 二移动设备13客户端抓取进行数据比较。

通过9轴惯性运动传感器，可以采集到三轴加速度，角加速度和磁力计的数据。智能球在每一次变动中传出10组数据,分别为:ts、ax、ay、az、gx、gy、gz、mx、my、mz，分别表示：时间戳、9轴惯性运动传感器传出的x轴加速度、y轴加速度、z轴加速度、x轴角速度、y轴角速度、z轴角速度、x轴磁力计数据、y轴磁力计数据、z轴磁力计数据，用ts_n、ax_n、ay_n、az_n、gx_n、gy_n、gz_n、mx_n、my_n、mz_n表示传感器第n次传出的数据。这样的数据会通过蓝牙设备输入到第一移动设备11的智能球训练动作识别APP模块监听程序中。

具体的，所述智能球训练动作识别APP模块包括单个动作识别模块31、连贯动作识别模块32和技术识别模块33，图3为智能球训练动作识别APP模块处理逻辑示意图。

参见图4，本发明智能球训练动作识别APP模块工作流程如下：

1、开启应用程序。智能球训练动作识别APP模块与连接智能球进行蓝牙连接。

2、单个动作识别阶段。单个动作识别模块31接收智能球发送的添加了时间戳的三轴加速度、三轴角速度及三轴磁力计数据并进行处理，与已存储在数据库中动作的数据模型进行精确匹配或使用SVM与已存储动作进行模糊匹配；将匹配动作和所述智能球上传的传感数据存储到数据库并发送到连贯动作识别模块32。

单个动作识别模块31通过已有的动作模型进行精确匹配或模糊匹配，具体实现如下：

(1)精确匹配的方法一般是通过数据建模，找出各类动作的数据模型，这些数据模型和输入数据的特征如果类似，则可推断出相应动作已经发生。这样的动作包括篮球上的运球、绕环、投篮，以及足球上的拨球、颠球、射门等。

以一个简单的数据模型为例,我们可以通过合加速度和球方向的改变角度来判定球的运动动作F的发生。

其中，a_t和b_t都是合加速度，所述合加速度是三轴加速度平方和开根号，智能球球内部会嵌入多个传感器，有的是高精度的，有的是高测量范围的，其中的三轴角速度为高精度传感器采集的；t表示某一个时间点；F_Ct表示某一个时间点所得到的传感器针对于某一个特征C(如篮球的运球和足球的拨球)的特征值。我们可以为C设置一个阀值T(threshold)，当某一组数值的特征值超过T值即F_Ct>T_C的时候，则认为该特征发生了。

进一步的，设置另一个时间范围S_t，如果在该范围外(t-t_C>S_t，t_C表示最近一次特征C 发生的时间)以上公式再次成立，则该特征C(运动状态)就重复发生了。

(2)模糊匹配是通过机器学习的分类算法分析得出。如下通过实例来说明如何进行动作(球类的运动状态)的识别。

以篮球的定点投篮入筐为例，要进行对球是否投进判定。利用SVM来根据三轴加速度和三轴角速度ax、ay、az、gx、gy、gz数据进行如下的判定：

首先数据采集是根据数据过滤后计算得出的合加速度超过阀值来进行的。假设在某一个时间点t₀的合加速度a_t0>a_T,则认为篮球到达了框的附近(打在框上或者入网)或者球已在出手后落地。从这个时间点往前推，在区间(t-S_t,t₀)的范围内，如果在时间点t也有这样的特征(a_t>a_T)，则认为t是实际的数据采集的主要时间点，其中a_T和S_t是常量。

选出t之前和之后的某一段连续时间段(t-m,t+n)内的传感器数组进行采集，以a,gx,gy,gz作为变量(这几个变量构成的数据矩阵是SVM的训练数据)，并记录每次投篮是否入网。

训练数据如下：

1)x_i，i＝0,…,4*(m+n)(因为每次有4个加速度值所以乘4)；

2)y_i＝1or-1；如果入网就是1，否则就是-1。

假设有关于x的函数f(x)＝W^TX+b，SVM的目标是找到一个超平面，满足yi*f(x)>＝1,并且让特征值为1和-1两个向量空间的距离最大化。当输入训练数据后，W^T中的参数会不断被修正，数据模型会被不断优化。当新的一组X数据被输入到模型中，如果得到的f(x)是正值，则表明篮球入网，如果是负值，则球没有命中。

3、连贯动作识别阶段。连贯动作识别模块32接收所述单个动作识别模块31传输的匹配动作和所述智能球上传的传感数据，对接收到的单个动作进行组合并与已存储的组合规则进行比对判断出用户做出的组合动作，将组合动作与已存储的标准动作进行比较计算出组合动作的完成度；将组合动作、组合动作的完成度和所述智能球上传的传感数据发送到技术识别模块。

连贯动作识别模块32具体处理过程如下：

精确匹配和模糊匹配的结果是发现一个个的动作。根据这些动作，连贯动作识别模块32可以得知用户做出的一系列组合动作。标准组合动作和球星组合动作被定义在组合规则中，以篮球的巨星组合动作为例，库里会做出背后运球、胯下运球，反复5到8次后进行一次腰部绕环，最后上篮。组合规则包括如下定义：

1)动作的数量范围，如5到8次运球；

2)动作的持续时间，如绕环有一定的时间限制；

3)动作的间隔时间，如每两次运球间隔不超过0.8秒；

4)动作的顺序，如运球必须在绕环和上篮之前；

连贯动作识别模块32可以根据这些规则来对用户的动作完成度做基本判断。通常用户完成的数据越接近标准动作或球星动作，则完成度越高。完成度可以用以下方式来计算：

w_i表示每项完成度指标的权重，v_i表示每项指标的测量值，v_s表示标准的数值，二者之间的差异越小，则用户的完成度越高。

4、技术识别阶段。技术识别模块33接收所述连贯动作识别模块32传输的组合动作、组合动作的完成度和所述智能球上传的传感数据，对组合动作进行评分，与已存储的技术规则进行比对得到每项训练的具体评分，并进行加权平均后得到用户的技术得分，将识别和评分结果在第一移动设备上显示。

技术识别模块33具体处理过程如下：

用户的动作匹配要经过技术识别模块的最终处理。技术识别模块33的处理逻辑也是基于一定的运动规则/逻辑。以篮球为例，可以加入的影响用户最后得分的技术规则包括：

1)运球力量。一般来说，力量越大并且不会丢球则证明用户的控球能力越强。

2)运球的角度。这一标准体现了交叉边线幅度，一般来说，幅度越大则对防守方的欺骗性质越高。

3)运球结束或者绕环结束到上篮的时间。这一指标体现了用户的滞空能力。

4)球的旋转。上篮时球的出手应该带有一定的外旋。

对每一个细项的技术规则都会给出相应的得分区间，依据得分区间可以得到用户每项技术的具体评分，进行加权平均后就是用户的技术得分。

在技术识别模块33完成最后的技术细节的评估后，最后移动设备程序给出用户一个完整全面的比较数据，包括各个动作细节的评分，技术评分，连贯性评分和综合评分。用户可以看到自己的强项或者弱项，从而能更有针对性的进行训练并且提高。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。