拍摄的一致性分析弓箭手:一个动态时间扭曲算法的方法

文摘

射手的射击一致性通常被认为是成功的一个重要决定因素的分数。四( 在韩国)初级弓箭手从中学参加了这项研究。为了量化一致性,船头前臂运动期间与一个惯性传感器测量射箭射击。枪击事件定义的一致性进行了计算和动态时间规整(DTW)算法作为加速度数据的两个时间序列之间的距离。小的距离值表明,阿切尔一直保持高层射击射箭重复拍摄时的一致性。验证一致性指标,分数和射击一致性评估之间的关系。结果表明,分数越高通过阿切尔,拍摄水平的一致性越高。

1。介绍

微机电系统(MEMS)技术的最新进展和无线通信允许小的发展低成本惯性传感器,可以测量身体动作精确、方便。利用惯性传感器测量活动水平运动正成为一个受欢迎的体育活动的生物力学量化方法(例如,箭术射击)。

一些研究体位一致性或者在射箭运动射击在文献中被发现。我们所知,第一个研究人员注意姿势的一致性是斯图尔特和车队旅之行。艾莎跟在他们的研究(1),斯图尔特和车队旅之行用三维光电扫描仪测量艾莎跟阿切尔的头和肘部的位置,此刻弓的“宽松”(释放箭头)。姿势一致性的一致性的定义是阿切尔的定位within-ends标准差为每个弓箭手(SD)的位置。

最近的研究(2,3]报道相当大的发现对于弓箭手的运动在箭头。在[2),通过比较的前臂肌肉激活模式操纵弓(bow-forearm)精英弓箭手和初学者,这项研究得出结论,不收缩的动作都m . superficialis屈肌腱牵向前(显示)和m .(地中海),伸肌肌腱牵向前或地中海只有承包,在弓箭手的箭术射击是一个指标的性能水平。在[3),通过检查手指和弓弦运动箭头发布期间,研究推测,最大横向弓弦偏转并不影响阿切尔的性能。然而,上述两项研究用肌电图数据分析肌肉激活模式或基于摄像头运动跟踪系统量化运动;此外,运动或肌肉激活只集中在释放的时刻。

运动分析的运动执行单独的弓箭手在训练或比赛提供信息的正确性个人技术和阿切尔的策略的有效性。目前,有运动跟踪系统使用惯性传感器和不需要摄像机或贴标记,他们可以在任何地方使用。这样的系统也可以分析肢体动作在射箭射击比以前更准确、方便。缺点是成本高,需要妥善处理和解释测量数据。

在这项研究中,我们测量bow-forearm运动利用惯性传感器在射击射箭射评估弓箭手的一致性。此外,我们尝试提供运动分析工具,工作精确、方便。拍摄的一致性是定义为一个函数的动态时间扭曲(DTW)之间的距离两个时间序列的加速度数据计算与DTW算法。小的距离值表明一个弓箭手一直保持高层射击射箭重复拍摄时的一致性。我们所知,没有量化射击射箭的一致性利用惯性传感器已经在文献中报道。在这里,我们目前的DTW算法作为一个有用的信号处理方法,量化射击射箭的一致性。

2。材料和方法

2.1。箭术射击

射箭可以被描述为一个相对静态的运动,需要上半身的力量和耐力,特别是,前臂和肩带4]。技能在射箭被定义为射箭的能力到一个给定的目标在一定时间跨度与准确性5]。箭术射击被描述为一个三相(图纸、计划和发布)运动。另外,Nishizono et al。6]进一步划分阶段的镜头分为六:弓,画画,画,目标,释放和跟进。射箭射必须平衡和高度可再生的为了达到值得称道的结果在一个射箭比赛。

图1显示了一个示例措施bow-forearm运动的加速度数据连续在射箭枪击事件。如图1,只有一次的时间通常由诺、连接和控制,设置(弓提升),和绘画,包括锚,瞄准,并持有,这反过来包括释放的时刻,坚持到底,完成阶段。并不是所有的阶段可以完全分离,但训练的阶段是有意义的。

2.2。加速度测量数据

四个初级(性能水平:初学者,小学、国家和世界级的射手)女性参与者(中学学生弓箭手)记录在射箭射击。阿切尔的年龄,以前的赛季的成绩,和当前的分数如下:16日,59岁,59.5;14日,59岁,59.5;15日,55岁,53.5;14日,54岁的53.7。参与者被介绍本研究的目的和相关程序。

参与者被要求使用自己的弓和箭用于测量和测试在他们学校的户外。加速数据记录器(Myomotion Noraxon Inc .)、美国)被用来获取详细信息肢体动作在一个圆(6次每轮需要近110年代- 140年代)。一个惯性传感器安装在bow-forearm是用来测量在射箭运动射击100 Hz的采样频率。为每一个记录,一个弓箭手射六球的距离30米,一个短暂的休息。每个参与者拍摄36箭头。最后,我们一共收集了144数据集从四个参与者( )(考虑引用(1,3])。

2.3。期分析

在这项研究中,分析射击射箭的一致性,我们感兴趣的时期(POI,见图1),只有包括一些有趣的阶段,如下:设置(不是整个时期),画画,瞄准,控股,一段几十毫秒后释放。

随着MEMS技术的发展,测量身体动作的能力比以前更精确、方便地增加了。分析射击射箭的一致性,我们选择广泛的POI比先前的作品。这样,它提供了更多的有用的信息与研究,只有专注于释放的时刻。

2.4。分析方法的一致性

为了分析拍摄的一致性,在射箭射bow-forearm运动测量,两个时间序列之间的DTW距离加速度数据计算使用DTW算法。

DTW是一个著名的技术之间寻找一个最佳的非线性映射两个给定时间序列(例如,射箭射的加速度数据)在某些限制(7]。DTW的目的是比较两个时间序列。(DTW距离)之间的距离X和Y表明他们之间有多少相似之处。在语音识别领域8),和数据挖掘和信息检索9- - - - - -11),成功地应用了DTW应对时间变形和不同速度与自动时间数据。

从本质上讲,DTW算法,可以计算两个时间序列之间的相似性,即使长度不匹配(7,12]。假设我们有两个时间序列, 的长度 和 的长度 。为了测量这两个时间序列之间的相似性,我们构造一个n——- - - - - -米成本矩阵(我^th,j^th)矩阵的元素包含成本c(x_我,y_j两点之间)x_我和y_j。通常情况下,c(x_我,y_j)是小(低成本)x_我和y_j类似于对方;否则,c(x_我,y_j)大(高成本)。的成本矩阵X和Y使用曼哈顿距离(绝对值)的区别是本地成本的措施c(例如, )。一个(n,m -)变形路径 的长度 定义了两个时间序列之间的映射X和Y。的k^th的元素p被定义为 。指数有许多扭曲的路径。然而,我们只有感兴趣的路径最小化成本(扭曲成本)对当地成本措施c,它被定义为所有当地费用的总和,在哪里k从1到l。一个最优的扭曲之间的路径X和Y是一个扭曲的路径p 以最小的总成本在所有可能的扭曲的路径。距离(DTW距离)d(我,j)之间的X和Y然后定义为总成本的p 。这个最佳变形路径可以找到有效地利用动态规划评估以下递归步骤: 。的值d(我,j)定义了一个n——- - - - - -米累积成本矩阵。初始化可以简化通过扩展积累成本矩阵与一个额外的行和列和正式设置 为 , 为 , 。此外,最优扭曲的道路 倒序计算的指数开始吗 。

2.5。DTW和自动发现子序列

在我们的研究中,使用DTW不仅比较两个相似的时间序列,而且找到子序列在长序列优化适合短序列。时间越长序列代表一个给定的一轮(6次)加速度数据,我们称之为“查询序列,”和POI的短序列代表一个给定的加速度数据(见图1),我们称之为“参考序列。“DTW开始前,我们选择一个序列作为参考序列的射手得分10射击。找到最优的子序列可以解决这个问题的一个变体DTW,我们称之为“aDTW”会自动找到子序列(DTW)。

我们说明了aDTW算法描述的示例数据。输入aDTW包括查询(序列Y在图2(一个)(序列)和参考X在数据2(一个)和2 (b))。

为了找到一个最小化的子序列的距离参考查询的所有可能的子序列,我们修改传统的DTW算法的初始条件的设置 为 和 为 。在第一次迭代中,我们计算累积成本矩阵如图3(一个)并获得(图的距离函数3 (b)),对应于矩阵的第一行。

通过设置阈值手动为每个参与者,我们获得六个局部最小值随着距离低于阈值。指数的六个局部最小值对应于六子序列查询序列的终点Y。在图所示的六个蓝色小圆圈3 (b)显示六个局部最小值。确定指标的六子序列查询序列的起点Y,最佳的扭曲的路径计算的倒序指数开始每六个局部最小值。六个结果”匹配的子序列”,也就是说,查询的子序列Y类似于参考X如图4(一)和4 (b)。在下一次迭代,使用经典的DTW,我们计算出六个最终累积成本矩阵,如图4(一),最后,正常化(参见图的距离4 (b))之间的引用和六子序列匹配查询。

3所示。结果与讨论

我们的时间序列数据集,我们只使用了x设在加速度数据计算距离使用aDTW算法(DTW距离)中所描述的部分2。我们反复发现36匹配子序列连续6轮,但并非所有参与者数据显示良好的匹配。匹配的子序列的数量为四个参与者是35岁,35岁,29岁,31日。36岁的子序列是一个参考,35自动匹配的子序列的最大数量被发现。然后,我们之间的距离计算的子序列发现自动引用和四个参与者。距离的均值和SD值为每个参与者如下:13.87±0.9,16.72±1.3,23.53±2.2,23.30±2.3。

为了评估距离和获得的分数之间的关系,我们绘制柱状图的每个参与者的DTW距离。的DTW距离直方图对应四个参与者和射击一致性之间的关系(距离)和分数呈现在图5。结果表明,分数越高(59 60)通过一个弓箭手,更高层次的射击一致性(较低的距离,距离13.87和16.72)显示。主题1和2女弓箭手有相对较高的分数。一个小的距离值表明一个弓箭手一直保持高层射击射箭重复拍摄时的一致性。另一方面,得分越低(54 60 60 - 55)通过一个弓箭手,低水平是拍摄的一致性(更高的距离,距离23.53和23.30)显示。科目3和4是女性弓箭手与相对较低的分数。

在这项研究中,我们提供了一个有用的信号处理方法,量化射击射箭的一致性。结果表明,DTW算法是一个非常有用的指标来评估射击技能,培训,评估进展并找到优秀的弓箭手。

4所示。结论

在这项研究中,我们测量了四个( )初级中学在韩国的弓箭手的目的分析射击射箭的一致性。这样拍摄的一致性定义为两个时间序列之间的距离对加速度数据。使用DTW算法计算的距离。结果表明,分数越高通过一个弓箭手,是距离越低,即高级别由阿切尔射击一致性显示。

因此,距离可作为定量参数用于测量运动的相似,那就是,射击射箭的一致性。此外,DTW算法方法提供的优势从长序列自动搜索所有匹配的子序列。我们推断,提出了评估方法可能是重要的射击技能,评估一个阿切尔的进步,提前发现优秀的弓箭手。本研究的最终目标是开发措施来识别弓箭手的人才和使用这些措施来提高弓箭手的性能和防止受伤。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Cheng-Hao关丽珍和Sangmin李的构思和设计实验。Cheng-Hao关丽珍和Sangmin李做了实验。Cheng-Hao全分析数据和准备数据。Cheng-Hao关丽珍起草。Cheng-Hao关丽珍,齐亚Mohy-Ud-Din Sangmin李修订和批准的最终版本。

确认

这项研究受到了基础科学研究项目通过NRF(韩国国家研究基金会)由教育部(2010 - 0020163)。

引用

1. j·斯图尔特和j .车队旅之行,艾莎跟“姿势熟练的弓箭手的一致性。”体育科学杂志》,8卷,不。3、223 - 234年,1990页。视图:出版商的网站|谷歌学术搜索
2. h .二滩“肌肉激活模式折回射箭的弓臂”在体育科学和医学杂志》上,12卷,不。3、357 - 360年,2009页。视图:出版商的网站|谷歌学术搜索
3. b . Horsak和m·海勒”三维分析手指和弓字符串动作在射箭、释放”应用生物力学杂志27卷,第160 - 151页,2011年。视图:出版商的网站|谷歌学术搜索
4. d·l·曼和n . Littke”在射箭肩膀受伤,”加拿大体育科学杂志》上,卷1989,不。14日,第92 - 85页,1989年。视图:谷歌学术搜索
5. p . leroy j . Van Hoecke和j·n·希拉勒、“阿切尔最后推拉的生物力学研究,”体育科学杂志》,11卷,不。1,第69 - 63页,1993。视图:出版商的网站|谷歌学术搜索
6. a . Nishizono h . Shibayama t Izuta, k .斋藤通过肌电图分析射箭射击技术,j . Tsarouchas j . Terauds b . a . Gowitzke和l·e·霍尔特,Eds。,International symposium on biomechanics in sports, Athens, Greece, 1987.
7. 基奥和a . Ratanamahatana你知道的所有关于动态时间扭曲是错误的研讨会上挖掘时间和顺序数据,结合10 ACM SIGKDD Int。相依知识发现和数据挖掘(kdd - 2004),西雅图,佤邦,美国第3版,2004年版。
8. f . Itakura“最小预测剩余原理应用于语音识别”IEEE声学,演讲,和信号处理IEEE,页52 - 72年,纽约,纽约,美国,1975年。视图:出版商的网站|谷歌学术搜索
9. m . h . Ko, g .西方,美国Venkatesh来说,和m . Kumar“使用动态时间扭曲在线时间融合在多传感器系统中,“信息融合,9卷,不。3、370 - 388年,2008页。视图:出版商的网站|谷歌学术搜索
10. l . j . Liu钟,j . Wickramasuriya诉Vasudevan”Uwave:基于重力感应的个性化的手势识别及其应用,”普及和移动计算,5卷,不。6,657 - 675年,2009页。视图:出版商的网站|谷歌学术搜索
11. n .吉莉安·r·b·克纳普和s O 'Modhrain,“承认多元时间音乐手势使用n维动态时间扭曲,”第11届国际会议上音乐表现的新接口2011年挪威奥斯陆。视图:谷歌学术搜索
12. e·基奥和a·c·Ratanamahatana”的索引动态时间扭曲,”知识和信息系统7卷,第386 - 358页,2004年。视图:谷歌学术搜索

版权

版权©2017 Cheng-Hao泉等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。