[发明专利]一种低功耗高精度乒乓球运动的识别方法及装置

权利要求书

1.一种低功耗高精度乒乓球运动识别方法，其特征在于，所述方法的具体步骤包括：

(1)实时采集并提取出乒乓球拍在挥拍过程中的动作始末端点；

(2)根据采集的动作始末端点提取所需要的特征向量；

(3)采用分类法对所提取的特征向量进行分类，得到分类结果；

(4)根据分类结果，按照训练时每种动作对应的标签来识别出乒乓球拍的动作类型，再将单位时间内的三轴加速度求算数平方根得到打球力量和速度。

2.根据权利要求1所述的一种低功耗高精度乒乓球运动识别方法，其特征在于，所述步骤(1)的具体步骤包括：

(1-1)采集一段时间内乒乓球拍在挥拍过程中的三轴加速度和三轴角速度数据；

(1-2)根据采集的运动数据，结合自适应算法得到动态阈值；

所述动态阈值是根据当前时刻加速度之前的十个时刻的加速度来计算的，即求所述十个时刻的加速度的平均值作为动态阈值；

(1-3)将每个时刻的加速度与动态阈值进行比较，如果某个时刻的加速度与动态阈值的差值大于100，就看作动作的始末端点。

3.根据权利要求1所述的一种低功耗高精度乒乓球运动识别方法，其特征在于，所述步骤(2)的具体步骤包括：

(2-1)对动作端点内信号进行小波包分解，对小波包分解系数进行重构，提取各频带范围内的信号，求取各个频带信号的总能量；

(2-2)采用LDA算法对特征向量进行降维，得到所需要的特征向量。

4.根据权利要求1所述的一种低功耗高精度乒乓球运动识别方法，其特征在于，所述步骤(3)的具体步骤包括：

(3-1)获取不同年龄段乒乓球爱好者多种挥拍类型的运动数据，提取特征向量，得到特征向量样本集合；

(3-2)根据提取的特征向量训练产生基本的S_Kohonen神经网络模型；

(3-3)将步骤(2)中所提取的特征向量输入所述S_Kohonen神经网络优化模型中，根据模型输出结果得到对应的挥拍动作分类，得到分类结果。

5.根据权利要求4所述的一种低功耗高精度乒乓球运动识别方法，其特征在于，在步骤(2-2)中，采用LDA算法对特征向量进行降维，具体方法为：

对于一个有m个特征向量的样本，特征向量分别表示为x₁，x₂，…，x_m，其中每个特征向量都为一个n*c维的矩阵，n_i表示属于i类的特征向量个数，c表示样本中含有c个类的特征向量，则n₁+n₂+…+n_i+…+n_c＝m；S_b是类间离散度矩阵，S_w是类内离散度矩阵，x_j是第j个特征向量，u表示样本均值，u_i是i类的特征向量均值，class i表示i类；那么i类的特征向量均值为：

得到总体样本均值为：

根据类间离散度矩阵和类内离散度矩阵定义，得到：

对进行特征值求解，求出的特征向量和特征值；选取所有大于1的特征值对应的特征向量，就得到了映射矩阵W；通过Y＝X*W将样本点投影到新的子空间中。

6.一种低功耗高精度乒乓球运动识别装置，包括低功耗蓝牙模块、低功耗单片机模块、OLED屏幕驱动模块、六轴加速度传感器模块、表壳以及表带；

所述六轴加速度传感器模块，用于实时采集装置使用者挥拍过程中的运动数据；

所述低功耗单片机模块，用于分析处理六轴加速度传感器采集的数据，通过算法匹配使用者的打球类型，计算出打球的力量和速度；

所述低功耗蓝牙模块，用于将低功耗单片机模块的计算结果传输至APP端；

所述OLED屏幕驱动模块，用于实时显示对于使用者运动类型的分析和识别结果；

表壳以及表带与上述各个模块进行组合，构成最终的腕带式装置。

7.根据权利要求6所述的一种低功耗高精度乒乓球运动识别装置，其特征在于，所述装置的工作过程为：装置通过传感器采集使用者在运动时的挥拍数据，将采集到的数据传输到低功耗单片机模块中，在低功耗单片机模块中进行数据的预处理、小波包分解和LDA特征向量降维，最终对特征向量矩阵进行识别和分类，将分析得到的结果由低功耗蓝牙模块传输到上位机中。