Навигация
Том 9 №1 (2021)

Статья

ИССЛЕДОВАНИЕ КИНЕМАТИКИ УДАРОВ РУКАМИ В КАРАТЭ НА ОСНОВЕ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ (0.64 Mb, pdf) Прочитать
Авторы:
Хасаншин Ильшат Ядыкарович
Ключевые слова:
каратэ
скоростные качества ударов
искусственная нейронная сеть
многослойный персептрон
инерциальный измерительный модуль
Аннотация:

Целью работы было изучение автоматизации измерения скоростных качеств спортсменов каратэ на основе искусственной нейронной сети с использованием инерциальных измерительных модулей (англ. Inertial Measurement Unit – IMU).

Методы и организация исследования. Для распознавания ударов руками спортсменов каратэ была разработана модель на основе искусственной нейронной сети в форме многослойного персептрона. Входными параметрами искусственной нейронной сети были абсолютные линейная и угловая скорости удара, для измерения которых на кисти рук спортсменов были закреплены инерциальные измерительные модули. Вместе с IMU в корпусе были установлены микроконтроллер для управления процессами и беспроводной передатчик, который по каналу Bluetooth передавал на компьютер данные для анализа при помощи искусственной нейронной сети. Вес коробки с IMU, микроконтроллером, беспроводным передатчиком составил 35 граммов. Эксперимент проводился для трех групп спортсменов с разным уровнем подготовки. Эти группы также были разделены на подгруппы – одна для сбора кинематических данных, вторая была контрольной и использовалась для оценки точности модели.

Результаты исследования и их обсуждение. В результате точность модели составила: 1-я группа со стажем до 1 года обучения – 86,5±5,23%, 2-я группа (2-3 года обучения) – 95,52±2,26%, 3-я группа (более 5 лет обучения) – 92,08±3,4%.

Заключение. Эксперименты показали, что применение нейронных сетей значительно облегчает сбор данных кинетических характеристик ударов спортсменов, позволяет автоматизировать этот процесс. Такие параметры ударов, как скорость, ускорение можно определять в ходе боя с тенью, при этом происходит идентификация вида удара и его параметров.

Список литературы:
  • Emily E Cust, Alice J Sweeting, Kevin Ball & Sam Robertson (2019) Machine and deep learning for sport-specific movement recognition: a systematic review of model development and performance, Journal of Sports Sciences, 37:5, 568-600, DOI: 10.1080/02640414.2018.1521769
  • Polak, Ewa & Kulasa, Jerzy & VencesBrito, Antonio & Castro, Maria António & Fernandes, Orlando. (2016). Motion analysis systems as optimization training tools in combat sports and martial arts. Revista de Artes Marciales Asiáticas. 10. 105 – 123. 10.18002/rama.v10i2.1687.
  • Malawski, Filip & Kwolek, Bogdan. (2018). Recognition of Action Dynamics in Fencing Using Multimodal Cues. Image and Vision Computing. 75. 10.1016/j.imavis.2018.04.005.
  • Schöllhorn, Wolfgang & Jäger, Jörg & Janssen, D. (2008). Artificial neural network models of sports motions. Routledge Handbook of Biomechanics and Human Movement Science. 50-64.
  • Robson Bonidia, Luiz A. L. Rodrigues, Anderson P. Avila-Santos, Danilo Sipoli Sanches, Jacques Brancher: Computational Intelligence in Sports: A Systematic Literature Review. Adv. Hum. Comput. Interact. 2018: 3426178:1-3426178:13 (2018).
  • Rajšp, A.; Fister, I., Jr. A Systematic Literature Review of Intelligent Data Analysis Methods for Smart Sport Training. Appl. Sci. 2020, 10, 3013.
  • Zhang, X.; Shan, G.; Wang, Y.; Wan, B.; Li, H. Wearables, Biomechanical Feedback, and Human Motor-Skills’ Learning & Optimization. Appl. Sci. 2019, 9, 226.
  • Worsey MT, Espinosa HG, Shepherd JB, Thiel DV. Inertial Sensors for Performance Analysis in Combat Sports: A Systematic Review. Sports (Basel). 2019; 7(1):28. Published 2019 Jan 21. doi:10.3390/sports7010028
  • Kasiri-Bidhendi, S., Fookes, C., Morgan, S., Martin, D. T., & Sridharan, S. (2015). Combat sports analytics: Boxing punch classification using overhead depth imagery. In 2015 IEEE International Conference on Image Processing (ICIP) (pp. 4545-4549). Quebec City, Canada: IEEE. https://doi.org/10.1109/ICIP.2015.7351667
  • Kasiri, S., Fookes, C., Sridharan, S., & Morgan, S. (2017). Fine-grained action recognition of boxing punches from depth imagery. Computer Vision and Image Understanding, 159, 143-153. https://doi.org/10.1016/j.cviu.2017.04.007
  • Hachaj, T., Ogiela, M. R., & Koptyra, K. (2015). Application of assistive computer vision methods to Oyama karate techniques recognition. Symmetry, 7(4), 1670-1698. https://doi.org/10.3390/sym7041670
  • Shen, Yijun & Wang, He & Ho, Edmond & Yang, Longzhi & Shum, Hubert. (2017). Posture-based and Action-based Graphs for Boxing Skill Visualization. Computers & Graphics. 69.10.1016/j.cag.2017.09.007.

Смотрите также