本发明公开了一种网球辅助训练系统,包括传感采集端和服务器终端,传感采集端包括传感器模块、微处理器模块、无线通信模块和电源模块,传感器模块和无线通信模块均与微处理器模块连接,电源模块为传感器模块、微处理器模块和无线通信模块供电,传感采集端设置在网球拍内,传感器模块采用六轴惯性传感器,服务器终端通过无线通信方式对传感采集终端采集的数据进行接收,并将所接收的数据进行存储、分析、处理和显示,本发明成本低,适用性好,训练前不需花费时间准备,数据采集及时且不易缺失,分析结果可靠,能够反映用户动作的线
所述传感采集端包括传感器模块、微处理器模块、无线通信模块和电源模块,传感器模块和无线通信模块均与微处理器模块连接,电源模块为传感器模块、微处理器模块和无线通信模块供电,
所述传感采集端设置在网球拍内,传感器模块采用六轴惯性传感器,六轴惯性传感器包括三轴加速度传感器和三轴陀螺仪传感器,三轴加速度传感器和三轴陀螺仪传感器分别采集用户运动数据的三轴原始加速度和三轴原始角加速度,
所述服务器终端通过无线通信方式对传感采集终端采集的数据进行接收,并将所接收的数据进行存储、分析、处理和显示。
2.根据权利要求1所述的一种网球辅助训练系统,其特征在于,所述无线通信模块为蓝牙通信模块、LORA通信模块或WIFI通信模块中的一种。
3.根据权利要求1所述的一种网球辅助训练系统,其特征在于,所述电源模块包括锂电池模块、LDO模块和充电接口模块,LDO模块的输入端与锂电池模块连接,LDO模块的输出端分别与传感器模块,充电接口模块可外接电源为锂电池模块充电。
4.根据权利要求1所述的一种网球辅助训练系统,其特征在于,所述服务器终端采用计算机或智能手机。
5.根据权利要求1所述的一种网球辅助训练系统,其特征在于,用户可在电脑端或手机端通过网络访问服务器终端。
动作数据库包括多种网球动作类型以及与每种网球动作类型对应的运动数据,其中运动数据包括一组标准运动数据和多组非标准运动数据,非标准运动数据和标准运动数据的偏离值在设定范围内,
先对动作数据库中的标准运动数据进行处理,构建与每种网球动作类型对应的马氏距离模型,再利用马氏距离判别法,构建动作识别模型,
对用户运动数据进行预处理后分别代入与每种网球动作类型对应的马氏距离模型,获得用户动作与没中网球动作类型的马氏距离,再根据动作识别模型识别用户动作属于网球动作类型中的一种。
调取动作数据库中与用户动作同种类型的网球动作类型的标准运动数据,计算用户运动数据与标准运动数据的偏离值,对用户动作进行评估并输出评估信息。
7.根据权利要求6所述的一种网球辅助训练方法,其特征在于,所述步骤1中网球动作类型包括正手、反手、截击、发球和高压球五个类型中的一种或多种,
所述步骤1中的标准运动数据和非标准运动数据以及步骤3中用户运动数据均包括三轴原始加速度数据和三轴原始角速度数据,其中三轴分别为x轴、y轴和z轴,
所述步骤1中偏离值定义为,非标准运动数据与标准运动数据在x轴、y轴和z轴上相应的原始加速度以及原始角速度数据差值平方的平均值。
设定所述步骤1中网球动作类型包括正手、反手、截击、发球和高压球,根据所述五个网球动作类型,建立五个动作总体,分别为正手总体G1、反手总体G2、截击总体G3、发球总体G4和高压球总体G5,
步骤2.1.2,计算标准运动数据的特征向量(A(D)W)和非标准运动数据的特征向量(Ai(Di)Wi),其中A、D和W分别为运动数据的合加速度、加速度方差以及合角速度,Ai、Di和Wi分别为非标准运动数据的YY易游体育合加速度、加速度方差以及合角速度,
步骤2.1.3,定义新正手总体G1′由标准运动数据的特征向量(A(D)W)和非标准运动数据的特征向量(Ai(Di)Wi)构成,新正手总体G1′的马氏距离模型为,
其中,X为用户运动数据的特征向量,μ1和Σ1分别为新正手总体G1′差矩阵,T表示矩阵的转置运算,
其中,μ2和Σ2分别为新反手总体G2′的均值向量和协方差矩阵,步骤2.3,重复步骤2.1,构建与截击对应的马氏距离模型,
其中,μ4和Σ4分别为新发球总体G4′的均值向量和协方差矩阵,步骤2.5,重复步骤2.1,构建与高压球对应的马氏距离模型,
步骤4. 1 ,所述步骤3中t时刻采集的用户运动数据包括三轴原始加速度数据(axt ,ay azt)和三轴原始角速度数据(wxt(wyt)wzt) ,计算用户运动数据的特征向量Xt,(At(Dt)Wt) ,
其中,M为限制阈值,用户动作时间段为(n‑m,n+m) ,Dn为n时刻的加速度方差,Dn±m为n时刻前后m个时刻的加速度方差,
步骤4.4,将步骤4.3中的五个马氏距离代入步骤中的动作识别模型,识别用户动作属于网球动作类型正手、反手、截击、发球和高压球中的一种。
步骤5. 1 ,根据步骤4.4识别出的用户动作所属网球动作类型,调取动作数据库中与网球动作类型相应的标准运动数据,
步骤5.3,定义所述步骤1中的偏离值R范围记为[0,r] ,当R′∈[0,r′ ]时,输出评估信息,动作达标,当R′∈[r′ ,r]时,输出评估信息,动作不达标,其中(0)r′,r。
[0001] 本发明属于网球训练技术领域,具体涉及一种网球辅助训练系统及方法。
[YY易游体育0002] 网球是球类运动项目之一,网球运动孕育在法国,诞生在英国,普及和形成的高潮在美国。由网球运动的特点所致,与羽毛球、乒乓球和篮球等球类运动相比,网球在中国的普及率相对较低。近年来,随着人们生活水平的提高,热爱网球运动的人越来越多,特别是在青少年热爱的运动中以百分之十三的增长率增长。网球运动者在运动过程中的运动数据可以用于帮助认识运动中自己常用擅用的技术动作从而提升运动技巧,因此对于网球爱好者来说,这些数据显得非常重要。
[0003] 一般来说,人们通常用视频分析法和数字光学法对高速运动进行分析,视频分析法的应用不分场景,室内和室外都能够应用,数字光学分析则对环境有一定要求,其应用范围仅限于室内。两种方法的共同点在于都会在感兴趣处设立位置标志点,通过标志点的运动数据与具体位置来获得三维运动信息,从而用于运动的整体分析。然而用于视频分析法和数字光学法的仪器通常比较昂贵且不好操作,对于职业运动员来说较为适合,但是对于一般网球爱好者,适用性较差。同时,实验与应用之前的准备,例如摄像机定位、对准和校准,需要花费较多时间,且在训练过程中如果出现遮挡会导致采集的信息不全面,虽然数据可以进行后期处理,比如因遮挡导致数据丢包而采用的插值方法,但是数据的缺失容易使得分析结果出现偏差,而无法反映运动员动作的真实情况。
[0004] 本发明的目的在于解决现有技术中视频分析法和数字光学法在网球运动数据分子中的缺陷,提供一种网球辅助训练系统及方法,成本低,适用性好,训练前不需花费时间准备,数据采集及时且不易缺失,分析结果可靠,能够反映用户动作的线] 为了实现上述目的,本发明采用如下技术方案,
[0006] 一种网球辅助训练系统,包括传感采集端和服务器终端,所述传感采集端包括传感器模块、微处理器模块、无线通信模块和电源模块,传感器模块和无线通信模块均与微处理器模块连接,电源模块为传感器模块、微处理器模块和无线通信模块供电,所述传感采集端设置在网球拍内,传感器模块采用六轴惯性传感器,六轴惯性传感器包括三轴加速度传感器和三轴陀螺仪传感器,三轴加速度传感器和三轴陀螺仪传感器分别采集用户运动数据的三轴原始加速度和三轴原始角加速度,所述服务器终端通过无线通信方式对传感采集终端采集的数据进行接收,并将所接收的数据进行存储、分析、处理和显示。本发明中传感器模块实时获取用户运动数据,与视频分析法和数学光学分析法相比,成本低,用户运动数据传输到服务器终端进行存储、分析、处理和显示,运动前不需花费时间进行额外准备,操作方便,适用性高,本发明中传感器模块设置在球拍上,随着用户的动作获取用户运动数据,与视频分析法和数学光学分析法相比,不易出现因遮挡而导致采集的信息不全面的情况,
[0007] 对本发明技术方案的进一步限定,所述无线通信模块为蓝牙通信模块、LORA通信模块或WIFI通信模块中的一种。本发明中传感采集端和服务器终端之间采用无线传输,实现数据采集和数据处理区域之间的通信,蓝牙通信模块、LORA通信模块和WIFI通信模块均为常规无线传输模块,在具体实施时,根据需要设置即可。
[0008] 对本发明技术方案的进一步限定,所述电源模块包括锂电池模块、LDO模块和充电接口模块,LDO模块的输入端与锂电池模块连接,LDO模块的输出端分别与传感器模块,充电接口模块可外接电源为锂电池模块充电。本发明在传感采集端设置电源模块进行供电,LDO 是一种低压差线性稳压器,LDO模块为常规的电压转换模块,在具体实施时,根据需要设置即可。
[0009] 对本发明技术方案的进一步限定,所述服务器终端采用计算机或智能手机。本发明中服务器终端采用计算机时功能更强,采用智能手机时,在性能可保证技术方案能实现的前提下,便携性更好。
[0010] 对本发明技术方案的进一步限定,用户可在电脑端或手机端通过网络访问服务器终端。本发明中用户在电脑端或手机端通过网络访问服务器终端,对存储的运动数据进行以及分析和处理后的结果进行查看,使用方便。
[0013] 动作数据库包括多种网球动作类型以及与每种网球动作类型对应的运动数据,其中运动数据包括一组标准运动数据和多组非标准运动数据,非标准运动数据和标准运动数据的偏离值在设定范围内,
[0015] 先对动作数据库中的标准运动数据进行处理,构建与每种网球动作类型对应的马氏距离模型,再利用马氏距离判别法,构建动作识别模型,
[0019] 对用户运动数据进行预处理后分别代入与每种网球动作类型对应的马氏距离模型,获得用户动作与没中网球动作类型的马氏距离,再根据动作识别模型识别用户动作属于网球动作类型中的一种。
[0021] 调取动作数据库中与用户动作同种类型的网球动作类型的标准运动数据,计算用户运动数据与标准运动数据的偏离值,对用户动作进行评估并输出评估信息。
[0022] 本发明对用户动作的识别主要利用马氏距离算法,马氏距离不受量纲的影响,还可以排除变量之间的相关性的干扰,从而对于用户动作的识别更准确,本发明中动作数据库中包括标准运动数据和非标准运动数据,可方便在识别出用户动作类型后与用户运动数据比较,对用户动作进行评估,实施时可采用上述网球辅助训练系统。
[0023] 对本发明技术方案的进一步限定,所述步骤1中网球动作类型包括正手、反手、截击、发球和高压球五个类型中的一种或多种,所述步骤1中的标准运动数据和非标准运动数
据以及步骤3中用户运动数据均包括三轴原始加速度数据和三轴原始角速度数据,其中三轴分别为x轴、y轴和z轴,所述步骤1中偏离值定义为,非标准运动数据与标准运动数据在x 轴、y轴和z轴上相应的原始加速度以及原始角速度数据差值平方的平均值。本发明中用户运动数据均为三维数据,可防止在运动过程中,网球拍的挥动方向对动作识别产生干扰,本发明中以标准运动数据为中心,通过偏离值范围设定非标准数据与标准运动数据的偏离程度,在对用户动作进行识别时,可有效过滤与标准运动数据相比偏离程度较大的用户动作数据,提高识别效率和准确率。
[0024] 对本发明技术方案的进一步限定,设定所述步骤1中网球动作类型包括正手、反手、截击、发球和高压球,根据所述五个网球动作类型,建立五个动作总体,分别为正手总体
[0028] 步骤2. 1 .2,计算标准运动数据的特征向量(A(D)W)和非标准运动数据的特征向量(Ai (Di )Wi) ,其中A、D和W分别为运动数据的合加速度、加速度方差以及合角速度,Ai、Di和Wi 分别为非标准运动数据的合加速度、加速度方差以及合角速度,
[0035] 步骤2. 1 .3,定义新正手总体G1 ′由标准运动数据的特征向量(A(D)W)和非标准运动数据的特征向量(Ai (Di )Wi)构成,新正手总体G1 ′的马氏距离模型为,
[0037] 其中,X为用户运动数据的特征向量,μ1和Σ1分别为新正手总体G1 ′协方差矩阵,T表示矩阵的转置运算,
[0038] 步骤2.2,重复步骤2. 1,构建与反手对应的马氏距离模型,
[0041] 步骤2.3,重复步骤2. 1,构建与截击对应的马氏距离模型,
[0043] 其中,μ3和Σ3分别为新截击总体G3′的均值向量和协方差矩阵,
[0044] 步骤2.4,重复步骤2. 1,构建与发球对应的马氏距离模型,
[0046] 其中,μ4和Σ4分别为新发球总体G4′的均值向量和协方差矩阵,
[0047] 步骤2.5,重复步骤2. 1,构建与高压球对应的马氏距离模型,
[0052] 本发明中针对不同的网球动作类型设置不同的马氏距离模型,将用户运动数据处理后代入不同的马氏距离模型,从而可将用户动作与不同的网球动作类型分别对比,提高准确率。
[0058] 定义一个用户动作时间段内运动数据最大值的时刻n为用户动作点,
[0060] 其中,M为限制阈值,用户动作时间段为(n‑m,n+m) ,Dn为n时刻的加速度方差,Dn±m 为n时刻前后m个时刻的加速度方差,
[0062] 步骤4.4,将步骤4.3中的五个马氏距离代入步骤中的动作识别模型,识别用户动作属于网球动作类型正手、反手、截击、发球和高压球中的一种。
[0063] 网球动作是连续性的,但是动作识别需要将连续动作中不同时刻的动作数据独立出来单个分析,这样的识别过程过于复杂,效率和准确率都不高,本发明中将一个用户动作时间段内的运动数据最大值的时刻为用户动作点,将用户动作点处的运动数据作为用户动
作数据,对于其中时间段和限制阈值中的参数,在具体实施时,根据需要设置即可。 ,
[0065] 步骤5. 1 ,根据步骤4.4识别出的用户动作所属网球动作类型,调取动作数据库中与网球动作类型相应的标准运动数据,
[0066] 步骤5.2,计算n时刻用户运动数据与调取的标准运动数据的偏离值R′ ,
[0067] 步骤5.3,定义所述步骤1中的偏离值R范围记为[0,r] ,当R′∈[0,r′]时,输出评估信息,动作达标,当R′∈[r′ ,r]时,输出评估信息,动作不达标,其中(0)r′,r。
[0068] 本发明中对于用户动作的评估,利用最开始构建动作数据库时设置的偏离值范围,可对用户的动作进行快速高效的评估。
[0069] 本发明有益效果是,本发明成本低,适用性好,训练前不需花费时间准备,数据采集及时且不易缺失,分析结果可靠,能够反映用户动作的真实情况。
[0074] 如图1所示,一种网球辅助训练系统,包括传感采集端和服务器终端,所述传感采集端包括传感器模块、微处理器模块、无线通信模块和电源模块,传感器模块和无线通信模块均与微处理器模块连接,电源模块为传感器模块、微处理器模块和无线通信模块供电,所述传感采集端设置在网球拍内,传感器模块采用六轴惯性传感器,六轴惯性传感器包括三轴加速度传感器和三轴陀螺仪传感器,三轴加速度传感器和三轴陀螺仪传感器分别采集用户运动数据的三轴原始加速度和三轴原始角加速度,所述服务器终端通过无线通信方式对传感采集终端采集的数据进行接收,并将所接收的数据进行存储、分析、处理和显示。
[0075] 本实施例中,所述无线通信模块为蓝牙通信模块。在实施时,服务器终端处在蓝牙通信模块的通信范围内。
[0076] 本实施例中,所述电源模块包括锂电池模块、LDO模块和充电接口模块,LDO模块的输入端与锂电池模块连接,LDO模块的输出端分别与传感器模块,充电接口模块可外接电源为锂电池模块充电。其中LDO模块采用SPX2941,充电接口模块采用type‑c。
[0078] 本实施例中,用户可在电脑端或手机端通过网络访问服务器终端。
[0079] 本实施例中,在未进行训练时,将传感器模块设置为休眠状态,当服务器终端开始运行并与微处理器通过蓝牙通信模块连接后,微处理器模块给传感器模块发送启动信号,使得传感器模块开始工作,可节约用电量。
[0081] 一种网球辅助训练方法,采用实施例1所述的网球辅助训练系统,包括以下步骤,
[0083] 动作数据库包括多种网球动作类型以及与每种网球动作类型对应的运动数据,其中运动数据包括一组标准运动数据和多组非标准运动数据,非标准运动数据和标准运动数据的偏离值在设定范围内,
[0085] 先对动作数据库中的标准运动数据进行处理,构建与每种网球动作类型对应的马氏距离模型,再利用马氏距离判别法,构建动作识别模型,
[0089] 对用户运动数据进行预处理后分别代入与每种网球动作类型对应的马氏距离模型,获得用户动作与没中网球动作类型的马氏距离,再根据动作识别模型识别用户动作属于网球动作类型中的一种。
[0091] 调取动作数据库中与用户动作同种类型的网球动作类型的标准运动数据,计算用户运动数据与标准运动数据的偏离值,对用户动作进行评估并输出评估信息。
[0092] 本实施例中,所述步骤1中网球动作类型包括正手、反手、截击、发球和高压球五个类型中的一种或多种,所述步骤1中的标准运动数据和非标准运动数据以及步骤3中用户运动数据均包括三轴原始加速度数据和三轴原始角速度数据,其中三轴分别为x轴、y轴和z 轴,所述步骤1中偏离值定义为,非标准运动数据与标准运动数据在x轴、y轴和z轴上相应的原始加速度以及原始角速度数据差值平方的平均值。
