近年來，籃球、足球、排球、橄欖球、手球、網(wǎng)球等球類運動越來越受到大眾的喜愛，與之相關(guān)的訓練也日益得到重視。對于動作的訓練，一方面通過專業(yè)的訓練器材、標準場地及一對一的教練開展，但這種訓練費用高額且不便捷。更多情況下，球類愛好者通過觀看視頻來模仿標準動作或球星的動作進行訓練。因此，如何給球類愛好者提供模仿動作的反饋，讓球類愛好者了解到自己動作和標準動作或球星動作的差距，進而通過不斷校正來提高專項能力是一個亟待解決的問題。

　　本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出一種智能球訓練動作識別系統(tǒng)及方法，該系統(tǒng)將采集運動相關(guān)數(shù)據(jù)的智能球與移動設備相結(jié)合，運用傳感器技術(shù)、濾波、藍牙、數(shù)學模型、SVM算法及技術(shù)規(guī)則，實現(xiàn)對球類愛好者訓練動作的識別和評估。

　　一種智能球訓練動作識別系統(tǒng)，包括安裝有微控制單元、9軸慣性運動傳感裝置、時鐘裝置、存儲裝置、電池裝置和藍牙設備的智能球及智能球訓練動作識別APP模塊，所述智能球訓練動作識別APP模塊設于移動設備，配合智能球使用，具體的，所述智能球訓練動作識別APP模塊具體包括：

　　單個動作識別模塊，所述單個動作識別模塊與移動設備的藍牙設備連接，接收所述智能球傳輸?shù)奶砑恿藭r間戳的三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)并進行處理，與已存儲動作的數(shù)據(jù)模型進行精確匹配或使用SVM與已存儲動作進行模糊匹配；將匹配動作和所述智能球上傳的傳感數(shù)據(jù)發(fā)送到連貫動作識別模塊；

　　連貫動作識別模塊，所述連貫動作識別模塊與所述單個動作識別模塊連接，接收所述單個動作識別模塊傳輸?shù)钠ヅ鋭幼骱退鲋悄芮蛏蟼鞯臄?shù)據(jù)，對接收到的單個動作進行組合并與已存儲的組合規(guī)則進行比對判斷出用戶做出的組合動作，將組合動作與已存儲的標準動作 進行比較計算出組合動作的完成度；將組合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)發(fā)送到技術(shù)識別模塊；

　　技術(shù)識別模塊，所述技術(shù)識別模塊與所述連貫動作識別模塊連接，接收所述連貫動作識別模塊傳輸?shù)慕M合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)，對組合動作進行評分，與已存儲的技術(shù)規(guī)則進行比對得到每項訓練的具體評分，并進行加權(quán)平均后得到用戶的技術(shù)得分，將識別和評分結(jié)果在移動設備上顯示。

　　優(yōu)選的，所述智能球訓練動作識別系統(tǒng)還包括云端服務器，所述云端服務器通過Internet與所述移動設備連接，接收所述技術(shù)識別模塊傳輸?shù)慕M合動作及各項評分結(jié)果，供其他移動終端下載。

　　優(yōu)選的，所述9軸慣性運動傳感裝置包括9軸慣性運動傳感器和預處理模塊，所述9軸慣性運動傳感器和預處理模塊相連接，用于檢測三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)并對檢測到的傳感數(shù)據(jù)進行濾波、擬合。

　　一種智能球訓練動作識別方法，將包括單個動作識別模塊、連貫動作識別模塊和技術(shù)識別模塊的智能球訓練動作識別APP模塊設于移動設備，智能球訓練動作識別APP模塊通過藍牙設備與智能球?qū)崿F(xiàn)數(shù)據(jù)通信，具體方法包括：

　　單個動作識別模塊接收智能球發(fā)送的添加了時間戳的三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)并進行處理，與已存儲動作的數(shù)據(jù)模型進行精確匹配或使用SVM與已存儲動作進行模糊匹配；將匹配動作和所述智能球上傳的傳感數(shù)據(jù)發(fā)送到連貫動作識別模塊；

　　連貫動作識別模塊接收所述單個動作識別模塊傳輸?shù)钠ヅ鋭幼骱退鲋悄芮蛏蟼鞯膫鞲袛?shù)據(jù)，對接收到的單個動作進行組合并與已存儲的組合規(guī)則進行比對判斷出用戶做出的組合動作，將組合動作與已存儲的標準動作進行比較計算出組合動作的完成度；將組合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)發(fā)送到技術(shù)識別模塊；

　　技術(shù)識別模塊接收所述連貫動作識別模塊傳輸?shù)慕M合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)，對組合動作進行評分，與已存儲的技術(shù)規(guī)則進行比對得到每項訓練的具體評分，并進行加權(quán)平均后得到用戶的技術(shù)得分，將識別和評分結(jié)果在移動設備上顯示。

　　進一步的，所述精確匹配是指通過對傳感器數(shù)據(jù)進行建模，找出每類動作的數(shù)據(jù)模型；根據(jù)動作對應的數(shù)據(jù)模型計算出某一時間點的特征值，并與該動作已設置的閾值進行比較，如果特征值超過閾值，則推斷出相應動作已經(jīng)發(fā)生。

　　進一步的，MK體育官方網(wǎng)站所述精確匹配還包括：如果在指定時間范圍外特征值再次超過閾值，則推 斷出相應的動作重復發(fā)生。

　　設置關(guān)于x的函數(shù)f(x)＝WTX+b，使用SVM找到一個超平面滿足yi*f(x)＝1,并滿足特征值為1和-1兩個向量空間的距離最大化；其中X表示訓練數(shù)據(jù)，yi等于1或-1；

　　當輸入訓練數(shù)據(jù)后，WT中的參數(shù)不斷修正，數(shù)據(jù)模型不斷優(yōu)化，當新的訓練數(shù)據(jù)被輸入到模型中，如果得到的f(x)是正值，表明動作發(fā)生，如果f(x)是負值，表明動作未發(fā)生。

　　進一步的，所述組合規(guī)則包括：動作的數(shù)量范圍、動作的持續(xù)時間、動作的間隔時間和動作的順序。

　　其中，wi表示每項完成度指標的權(quán)重，vi表示每項指標的測量值，vi表示標準指標的測量值。

　　(1)結(jié)合添加了時間戳的三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)，使用精確匹配和模糊匹配實現(xiàn)對單個訓練動作的識別；

　　(2)通過對單個動作進行組合并與已存儲的組合規(guī)則進行比較實現(xiàn)對組合動作的識別，并對完成度進行評估；

　　(3)結(jié)合已存儲的技術(shù)規(guī)則對每項訓練動作進行具體評分及綜合評分并在移動設備上顯示，從而為球類愛好者提供模仿動作的反饋，讓球類愛好者了解到自己動作和標準動作或球星動作的差距，進而通過不斷校正來提高專項能力。

　　以下結(jié)合附圖及實施例對本發(fā)明作進一步詳細說明，但本發(fā)明的一種智能球訓練動作識別系統(tǒng)和方法不局限于實施例。MK體育官方網(wǎng)站

　　參見圖1，本發(fā)明的一種智能球訓練動作識別系統(tǒng)，包括：智能球10、第一移動設備11、云端服務器12和第二移動設備13，所述第一移動設備11安裝有智能球訓練動作識別APP模塊。

　　具體的，參見圖2，所述智能球10包括：球體20及安裝于球體20內(nèi)的微控制單元21、慣性傳感裝置、時鐘裝置24、存儲裝置25、無線。

　　所述慣性傳感裝置包括9軸運動慣性傳感器22和預處理單元23，所述9軸慣性運動傳感器22和預處理單元23相連接，用于檢測三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)并對檢測到的傳感數(shù)據(jù)進行濾波、擬合，所述預處理單元23與所述微控制單元21相連。

　　所述時鐘裝置24與微控制單元21相連用于提供時鐘信號，從而產(chǎn)生時間戳為記錄球體20的運動變化提供時間對應關(guān)系。所述無線進行無線相連，用于充當數(shù)據(jù)的臨時存儲介質(zhì)，當藍牙設備的網(wǎng)絡連接不穩(wěn)定或超出范圍時，臨時存儲運動相關(guān)數(shù)據(jù)，以確保運動數(shù)據(jù)不丟失。所述電池裝置27與上述各個裝置相連以提供電源。

　　所述微控制單元21與藍牙設備28相連用于將運動相關(guān)數(shù)據(jù)和時鐘信號結(jié)合并通過藍牙設備發(fā)送，所述微控制單元21可采用單片機實現(xiàn)。所述藍牙設備28可用于實現(xiàn)與第一移動設備11的數(shù)據(jù)通信，包括發(fā)送含有時間戳的運動相關(guān)數(shù)據(jù)及接收控制命令，該控制命令包括設置球的名稱、設置數(shù)據(jù)采集周期、設置連接等。

　　本實施例中，9軸運動慣性傳感器22數(shù)據(jù)被收集后，預處理單元23濾波擬合(如卡爾曼濾波算法)后通過球體20內(nèi)部的藍牙設備發(fā)送到第一移動設備11。第一移動設備11中的藍牙設備和智能球的藍牙設備建立連接并負責接收傳感器數(shù)據(jù)。接收方式可以是實時的，也可以是批量的(批量數(shù)據(jù)接收需要利用flash作數(shù)據(jù)暫存)。第一移動設備11中的智能球訓練動作識別APP模塊監(jiān)聽并獲取到傳感器數(shù)據(jù)進行數(shù)據(jù)分析，數(shù)據(jù)流會被智能球訓練動作識別APP模塊中的數(shù)據(jù)模型進行匹配，得出匹配結(jié)果。匹配的結(jié)果通過第一移動設備11的網(wǎng)絡設備(如3G、4G、wifi模塊)上傳到云端服務器12，云端服務器12的數(shù)據(jù)可以被第 二移動設備13客戶端抓取進行數(shù)據(jù)比較。

　　通過9軸慣性運動傳感器，可以采集到三軸加速度，角加速度和磁力計的數(shù)據(jù)。智能球在每一次變動中傳出10組數(shù)據(jù),分別為:ts、ax、ay、az、gx、gy、gz、mx、my、mz，分別表示：時間戳、9軸慣性運動傳感器傳出的x軸加速度、y軸加速度、z軸加速度、x軸角速度、y軸角速度、z軸角速度、x軸磁力計數(shù)據(jù)、y軸磁力計數(shù)據(jù)、z軸磁力計數(shù)據(jù)，用tsn、axn、ayn、azn、gxn、gyn、gzn、mxn、myn、mzn表示傳感器第n次傳出的數(shù)據(jù)。這樣的數(shù)據(jù)會通過藍牙設備輸入到第一移動設備11的智能球訓練動作識別APP模塊監(jiān)聽程序中。

　　具體的，所述智能球訓練動作識別APP模塊包括單個動作識別模塊31、連貫動作識別模塊32和技術(shù)識別模塊33，圖3為智能球訓練動作識別APP模塊處理邏輯示意圖。

　　1、開啟應用程序。智能球訓練動作識別APP模塊與連接智能球進行藍牙連接。

　　2、單個動作識別階段。單個動作識別模塊31接收智能球發(fā)送的添加了時間戳的三軸加速度、三軸角速度及三軸磁力計數(shù)據(jù)并進行處理，與已存儲在數(shù)據(jù)庫中動作的數(shù)據(jù)模型進行精確匹配或使用SVM與已存儲動作進行模糊匹配；將匹配動作和所述智能球上傳的傳感數(shù)據(jù)存儲到數(shù)據(jù)庫并發(fā)送到連貫動作識別模塊32。

　　單個動作識別模塊31通過已有的動作模型進行精確匹配或模糊匹配，具體實現(xiàn)如下：

　　(1)精確匹配的方法一般是通過數(shù)據(jù)建模，找出各類動作的數(shù)據(jù)模型，這些數(shù)據(jù)模型和輸入數(shù)據(jù)的特征如果類似，則可推斷出相應動作已經(jīng)發(fā)生。這樣的動作包括籃球上的運球、繞環(huán)、投籃，以及足球上的撥球、顛球、射門等。

　　以一個簡單的數(shù)據(jù)模型為例,我們可以通過合加速度和球方向的改變角度來判定球的運動動作F的發(fā)生。

　　其中，at和bt都是合加速度，所述合加速度是三軸加速度平方和開根號，智能球球內(nèi)部會嵌入多個傳感器，有的是高精度的，有的是高測量范圍的，其中的三軸角速度為高精度傳感器采集的；t表示某一個時間點；FCt表示某一個時間點所得到的傳感器針對于某一個特征C(如籃球的運球和足球的撥球)的特征值。我們可以為C設置一個閥值T(threshold)，當某一組數(shù)值的特征值超過T值即FCtTC的時候，則認為該特征發(fā)生了。

　　進一步的，設置另一個時間范圍St，如果在該范圍外(t-tCSt，tC表示最近一次特征C 發(fā)生的時間)以上公式再次成立，則該特征C(運動狀態(tài))就重復發(fā)生了。

　　(2)模糊匹配是通過機器學習的分類算法分析得出。如下通過實例來說明如何進行動作(球類的運動狀態(tài))的識別。

　　以籃球的定點投籃入筐為例，要進行對球是否投進判定。利用SVM來根據(jù)三軸加速度和三軸角速度ax、ay、az、gx、gy、gz數(shù)據(jù)進行如下的判定：

　　首先數(shù)據(jù)采集是根據(jù)數(shù)據(jù)過濾后計算得出的合加速度超過閥值來進行的。假設在某一個時間點t0的合加速度at0aT,則認為籃球到達了框的附近(打在框上或者入網(wǎng))或者球已在出手后落地。從這個時間點往前推，在區(qū)間(t-St,t0)的范圍內(nèi)，如果在時間點t也有這樣的特征(ataT)，則認為t是實際的數(shù)據(jù)采集的主要時間點，其中aT和St是常量。

　　選出t之前和之后的某一段連續(xù)時間段(t-m,t+n)內(nèi)的傳感器數(shù)組進行采集，以a,gx,gy,gz作為變量(這幾個變量構(gòu)成的數(shù)據(jù)矩陣是SVM的訓練數(shù)據(jù))，并記錄每次投籃是否入網(wǎng)。

　　假設有關(guān)于x的函數(shù)f(x)＝WTX+b，SVM的目標是找到一個超平面，滿足yi*f(x)＝1,并且讓特征值為1和-1兩個向量空間的距離最大化。當輸入訓練數(shù)據(jù)后，WT中的參數(shù)會不斷被修正，數(shù)據(jù)模型會被不斷優(yōu)化。當新的一組X數(shù)據(jù)被輸入到模型中，如果得到的f(x)是正值，則表明籃球入網(wǎng)，如果是負值，則球沒有命中。

　　3、連貫動作識別階段。連貫動作識別模塊32接收所述單個動作識別模塊31傳輸?shù)钠ヅ鋭幼骱退鲋悄芮蛏蟼鞯膫鞲袛?shù)據(jù)，對接收到的單個動作進行組合并與已存儲的組合規(guī)則進行比對判斷出用戶做出的組合動作，將組合動作與已存儲的標準動作進行比較計算出組合動作的完成度；將組合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)發(fā)送到技術(shù)識別模塊。

　　精確匹配和模糊匹配的結(jié)果是發(fā)現(xiàn)一個個的動作。根據(jù)這些動作，連貫動作識別模塊32可以得知用戶做出的一系列組合動作。標準組合動作和球星組合動作被定義在組合規(guī)則中，以籃球的巨星組合動作為例，庫里會做出背后運球、胯下運球，反復5到8次后進行一次腰部繞環(huán)，最后上籃。組合規(guī)則包括如下定義：

　　連貫動作識別模塊32可以根據(jù)這些規(guī)則來對用戶的動作完成度做基本判斷。通常用戶完成的數(shù)據(jù)越接近標準動作或球星動作，則完成度越高。完成度可以用以下方式來計算：

　　wi表示每項完成度指標的權(quán)重，vi表示每項指標的測量值，vs表示標準的數(shù)值，二者之間的差異越小，則用戶的完成度越高。

　　4、技術(shù)識別階段。技術(shù)識別模塊33接收所述連貫動作識別模塊32傳輸?shù)慕M合動作、組合動作的完成度和所述智能球上傳的傳感數(shù)據(jù)，對組合動作進行評分，與已存儲的技術(shù)規(guī)則進行比對得到每項訓練的具體評分，并進行加權(quán)平均后得到用戶的技術(shù)得分，將識別和評分結(jié)果在第一移動設備上顯示。

　　用戶的動作匹配要經(jīng)過技術(shù)識別模塊的最終處理。技術(shù)識別模塊33的處理邏輯也是基于一定的運動規(guī)則/邏輯。以籃球為例，可以加入的影響用戶最后得分的技術(shù)規(guī)則包括：

　　2)運球的角度。這一標準體現(xiàn)了交叉邊線幅度，一般來說，幅度越大則對防守方的欺騙性質(zhì)越高。

　　對每一個細項的技術(shù)規(guī)則都會給出相應的得分區(qū)間，依據(jù)得分區(qū)間可以得到用戶每項技術(shù)的具體評分，進行加權(quán)平均后就是用戶的技術(shù)得分。

　　在技術(shù)識別模塊33完成最后的技術(shù)細節(jié)的評估后，最后移動設備程序給出用戶一個完整全面的比較數(shù)據(jù)，包括各個動作細節(jié)的評分，技術(shù)評分，連貫性評分和綜合評分。用戶可以看到自己的強項或者弱項，從而能更有針對性的進行訓練并且提高。

　　以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。