Resumen

Con el desarrollo de la tecnología electrónica y la tecnología de sensores, cada vez más dispositivos electrónicos inteligentes integran micro sensores inerciales, lo que hace que la investigación del reconocimiento de la acción humana basada en datos de detección de acciones tenga un gran valor de aplicación. El reconocimiento de acciones basado en datos es una nueva dirección de investigación en el campo del reconocimiento de patrones, que es esencialmente un proceso de adquisición de datos de acción, extracción de características, extracción de características y reconocimiento, el proceso de clasificación y reconocimiento. La información de movimiento inercial incluye información de aceleración y velocidad angular, que es omnipresente en la vida cotidiana. En comparación con el reconocimiento de movimiento basado en información visual, puede reflejar más directamente el significado de la acción. Este estudio aborda principalmente el método de análisis y gestión de la acción de voleibol mediante el uso del sensor de acción del dispositivo móvil. Basado en el algoritmo de reconocimiento de movimiento de la máquina de vectores soporte, se construye el proceso de reconocimiento de movimiento de la máquina de vectores soporte. Cuando el terminal de datos y la puerta de entrada de los jugadores de voleibol no se encuentran en la misma LAN, el algoritmo de clasificación clasifica las muestras a analizar mediante los datos característicos, lo que afecta directamente a los resultados del reconocimiento. En este trabajo, se selecciona el algoritmo de máquina de vectores soporte como algoritmo de clasificación de datos, y se reduce el cálculo del proceso de clasificación mediante el diseño de una función kernel adecuada. Para los problemas multiclase, se optimiza la estructura jerárquica del grafo acíclico dirigido para mejorar la tasa de reconocimiento. Es necesario vincular los sensores de movimiento a las articulaciones humanas. Para realizar el reconocimiento del movimiento humano en tiempo real, los dispositivos móviles necesitan añadir ventanas a los datos de captura de movimiento, es decir, dividir los datos en una pequeña secuencia de longitud especificada, y proporcionar más escenarios de aplicación para el dispositivo. Este método de incrustar sensores de movimiento en los dispositivos para leer la información de movimiento es ampliamente utilizado, lo que proporciona un método de adquisición de datos conveniente para el reconocimiento de patrones de movimiento humano basado en la información de movimiento. El algoritmo de máquina de vectores de soporte de multiclasificación se utiliza para entrenar el modelo del algoritmo de clasificación con datos de acción. Cuando la intensidad de la señal del sensor es de 90 t y la velocidad es de 2,0 m/s y 0,5 m/s, la precisión de detección del umbral adaptativo es del 93 y 95%, respectivamente. Los resultados muestran que el método SVM basado en la función de núcleo híbrido puede mejorar en gran medida la precisión de reconocimiento del golpe de voleibol, y el tiempo de reconocimiento es corto.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:máquina de vectores soporte, datos, extracción de características, información de movimiento, sensores de movimiento, método conveniente de adquisición de datos, reconocimiento de patrones de movimiento humano, algoritmo de máquina de vectores soporte de multiclasificación, algoritmo de máquina de vectores soporte, información de movimiento inercial
• Keywords:support vector machine, data, feature extraction, motion information, motion sensors, convenient data acquisition method, human motion pattern recognition, multiclassification support vector machine algorithm, support vector machine algorithm, inertial motion information