张学锋, 陈雪瑞

(安徽工业大学 计算机科学与技术学院,安徽 马鞍山 243002)

0 引 言

运动模式识别是近几年比较热门的研究课题，它利用嵌入式可穿戴设备采集传感器数据，并对这些数据进行一系列的分析处理，最终达到识别运动模式的目的。此类产品和服务不仅被应用于体育赛事，而且遍及生活的方方面面。智能手机、手环等电子设备中有很多传感器，例如方向传感器、位置传感器、加速度传感器等，这些设备体积小、重量轻、携带方便，在不影响用户运动的情况下，能够采集到用户最真实的运动数据。通过分析数据，运动员可以找到自己的不足之处，以便提高技能水平；对于普通用户，可以通过计算他们每天的运动量给出一些合理的运动建议。不过这些电子设备也有许多不足之处，其一便是功能单一，仅仅实现了简单的计步功能，其二现有的运动模式识别研究只是针对跑步、走路、上下楼等这些不同类别的运动，并没有对一类运动进行更详细的划分和研究。

以往的运动识别研究方法可以总结为两大类，一是利用监控设备采集视频数据，再进行图像处理以达到识别运动模式的目的，如文献[1]基于人体动作的视频序列，使用HMM方法进行人体动作识别。二是基于可穿戴的传感器设备识别运动模式，文献[2]将单个腕戴式加速度器用于运动模式分类；文献[3]通过使用3轴加速度传感器构造了对人类活动进行分类的神经分类器，分类的准确率达到了95.24%。……