Resumen

El reconocimiento del movimiento humano basado en sensores inerciales es una nueva dirección de investigación en el campo del reconocimiento de patrones. Lleva a cabo el preprocesamiento, la selección de características y la selección de características mediante la colocación de sensores inerciales en la superficie del cuerpo humano. Por último, clasifica y reconoce principalmente las características extraídas de la acción humana. Hay muchos tipos de movimientos de swing en el tenis de mesa. Identificar con precisión estos modos de movimiento es de gran importancia para el análisis del movimiento de swing. Con el desarrollo de la tecnología de inteligencia artificial, el reconocimiento del movimiento humano ha hecho muchos avances en los últimos años, desde el aprendizaje automático hasta el aprendizaje profundo, desde los sensores portátiles hasta los sensores visuales. Sin embargo, no hay muchos trabajos sobre el reconocimiento del movimiento para el tenis de mesa, y los métodos todavía se integran principalmente en el campo tradicional del aprendizaje automático. Por lo tanto, este trabajo utiliza un sensor de aceleración como dispositivo de registro de movimiento para un disco de tenis de mesa y explora los datos de aceleración de tres ejes de cuatro movimientos de swing comunes. Se utilizan algoritmos tradicionales de aprendizaje automático (árbol de decisión, árbol de bosque aleatorio y vector de soporte) para clasificar el movimiento de swing, y se diseña un algoritmo de clasificación basado en la idea de integración. Los resultados experimentales muestran que el algoritmo de aprendizaje conjunto desarrollado en este artículo es mejor que el algoritmo de aprendizaje automático tradicional, y la precisión media de reconocimiento es del 91%.

• 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:selección de características, tenis de mesa, reconocimiento del movimiento humano, tecnología de inteligencia artificial, precisión media del reconocimiento, datos de aceleración de los ejes, movimientos comunes del swing, algoritmo de aprendizaje por conjuntos, reconocimiento del movimiento humano, dispositivo de grabación del movimiento
• Keywords:feature selection, table tennis, human motion recognition, artificial intelligence technology, average recognition accuracy, axis acceleration data, common swing motions, ensemble learning algorithm, human movement recognition, motion recording device