基于納米傳感器的跳躍式滑雪軌跡數(shù)據(jù)快速挖掘研究

史慶軍

關(guān)鍵詞：納米傳感器；跳躍式滑雪；軌跡數(shù)據(jù)挖掘；誤差校正；濾波處理

中圖分類號：TP391 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2023）10-0005-04

0 引言

隨著冬季運(yùn)動潮流的逐步興起，越來越多的運(yùn)動愛好者投入滑雪運(yùn)動中[1]。但滑雪運(yùn)動的難度相對較高，尤其是跳躍式滑雪，導(dǎo)致滑雪愛好者的人身安全受到威脅[2]。納米傳感器是測量物理量并將這些量轉(zhuǎn)換為可以檢測和分析信號的納米級設(shè)備，本文將其應(yīng)用于跳躍式滑雪軌跡數(shù)據(jù)獲取過程中，能夠保證數(shù)據(jù)采集精度與效率。而挖掘滑雪軌跡數(shù)據(jù)的主要目的是依照目標(biāo)的歷史滑雪軌跡，分析滑雪運(yùn)動的規(guī)律，由此對未來的滑雪運(yùn)動趨勢進(jìn)行預(yù)測[3]，以此有效解決滑雪運(yùn)動所帶來的安全威脅。國內(nèi)外相關(guān)學(xué)者對于運(yùn)動軌跡數(shù)據(jù)挖掘進(jìn)行了大量研究。文獻(xiàn)[4]提出了一種基于流數(shù)據(jù)的運(yùn)動軌跡數(shù)據(jù)挖掘方法，將可穿戴傳感器安裝在監(jiān)控對象上，利用傳感器采集監(jiān)控對象運(yùn)動、音頻和視頻傳感數(shù)據(jù)，整合這些傳感器輸出的數(shù)據(jù)流，并對這些數(shù)據(jù)進(jìn)行統(tǒng)計與整合處理，完成運(yùn)動軌跡數(shù)據(jù)挖掘。文獻(xiàn)[5]提出了一種基于自適應(yīng)動態(tài)粒子群優(yōu)化算法和雙向長短時記憶神經(jīng)網(wǎng)絡(luò)的運(yùn)動軌跡數(shù)據(jù)挖掘方法，利用優(yōu)化后的神經(jīng)網(wǎng)絡(luò)對軌跡數(shù)據(jù)進(jìn)行挖掘，以此提升數(shù)據(jù)挖掘性能。文獻(xiàn)[6]提出了一種DBSCAN聚類算法的運(yùn)動軌跡數(shù)據(jù)挖掘方法。分析歷史運(yùn)動軌跡數(shù)據(jù)，采用DBSCAN聚類算法對這些數(shù)據(jù)進(jìn)行聚類處理，增量軌跡合并方法提取運(yùn)動軌跡特征，以此自動提取目標(biāo)運(yùn)動信息。針對這些問題，提出基于納米傳感器的跳躍式滑雪軌跡數(shù)據(jù)快速挖掘方法，采集跳躍式滑雪目標(biāo)的多個信號，并對這些信號進(jìn)行處理，以此解決因跳躍式滑雪環(huán)境較為復(fù)雜對數(shù)據(jù)采集工作的干擾，為后續(xù)研究提供重要的數(shù)據(jù)基礎(chǔ)。確定目標(biāo)當(dāng)前姿態(tài)，通過姿態(tài)解算實現(xiàn)數(shù)據(jù)快速挖掘，通過姿態(tài)解算能夠確定跳躍式滑雪運(yùn)動員的當(dāng)前姿態(tài)，以此提升數(shù)據(jù)挖掘精度。

1 跳躍式滑雪軌跡數(shù)據(jù)快速挖掘方法

1.1 基于納米加速度傳感器的跳躍式滑雪軌跡數(shù)據(jù)初步獲取

納米加速度傳感器的設(shè)計主要以雙面拋光處理的高阻單晶硅為基礎(chǔ)[7-8]，采用互補(bǔ)金屬氧化物半導(dǎo)體技術(shù)與MEMS技術(shù)（Microfabrication Process，納米至毫米尺度區(qū)間的微結(jié)構(gòu)加工工藝）設(shè)計單臂梁-質(zhì)量塊結(jié)構(gòu)[9]，由此完成目標(biāo)加速度數(shù)據(jù)獲取。

分析圖1可知，納米加速度傳感器架構(gòu)分為質(zhì)量塊、懸臂梁、彈簧、殼體等組成。作為一種力學(xué)傳感器，納米加速度傳感器在檢測目標(biāo)跳躍式滑雪加速度過程中以牛頓力學(xué)定律為基礎(chǔ)，運(yùn)動目標(biāo)在加速度a開始跳躍式滑雪的條件下，質(zhì)量塊會獲取一個同加速度相反的慣性力，其同加速度之間持續(xù)保持正比例關(guān)系，由此懸臂梁形成彈簧應(yīng)力與應(yīng)變。在此條件下，附著于懸臂梁上的擴(kuò)散電阻的阻值將依照硅的壓阻效應(yīng)形成和應(yīng)變成正比的波動[10]，以此為電橋的一個橋臂，利用檢測電橋輸出電壓的波動情況，實現(xiàn)目標(biāo)跳躍式滑雪過程中的加速度的檢測。

2 實驗分析與結(jié)果

2.1數(shù)據(jù)集

選擇Ski Area Dataset數(shù)據(jù)集和UCF體育數(shù)據(jù)集作為實驗數(shù)據(jù)集。其中Ski Area Dataset數(shù)據(jù)集包含多名受試者在23～30歲執(zhí)行的11個動作。UCF體育數(shù)據(jù)集：包括從各種體育運(yùn)動中收集的一系列動作，該數(shù)據(jù)集共包含150個序列，分辨率為720×480，該集合代表了各種場景和視點(diǎn)中的自然行動池，其中也包含滑雪運(yùn)動。在Ski Area Dataset數(shù)據(jù)集和UCF體育數(shù)據(jù)集選擇500組數(shù)據(jù)作訓(xùn)練集，100組數(shù)據(jù)作為訓(xùn)練集，將訓(xùn)練集中的數(shù)據(jù)對仿真軟件進(jìn)行訓(xùn)練，以此確定仿真軟件是否能夠正常運(yùn)行，在仿真軟件運(yùn)行正常情況下，將實驗集數(shù)據(jù)輸入仿真軟件，測試本文方法的實際應(yīng)用效果。

2.2實驗結(jié)果

將本文方法、文獻(xiàn)[4]方法、文獻(xiàn)[5]方法、文獻(xiàn)[6]方法作為實驗對比方法，通過比較不同的實驗指標(biāo)來驗證不同方法的應(yīng)用效果。其中，F(xiàn)1值和數(shù)據(jù)挖掘誤差作為實驗指標(biāo)，以驗證不同方法的應(yīng)用效果。

分析表1中的F1值比較結(jié)果可知，本文方法的平均F1值為0.96，分別比文獻(xiàn)[4]方法、文獻(xiàn)[5]方法、文獻(xiàn)[6]方法、文獻(xiàn)[7]方法、文獻(xiàn)[8]方法這幾種方法高出了0.4、0.31、0.26、0.25、0.15，說明與這幾種方法相比，本文方法的數(shù)據(jù)挖掘性能更優(yōu)。

分析表2得到，對于滑雪目標(biāo)1，X軸、Y軸、Z軸誤差分別為0.05 mm、0.13 mm、0.11 mm，比文獻(xiàn)[4]方法低0.79 mm、1 mm、1.17 mm，比文獻(xiàn)[5]方法低0.61mm、0.94 mm、0.87 mm，比文獻(xiàn)[6]方法低1.73 mm、0.58 mm、0.88 mm，綜合來看采用本文方法和五種對比方法進(jìn)行目標(biāo)跳躍式滑雪軌跡數(shù)據(jù)挖掘時，本文方法的軌跡數(shù)據(jù)挖掘誤差與五種對比方法相比更低，由此說明本文方法與五種對比方法相比能夠更準(zhǔn)確地挖掘目標(biāo)跳躍式滑雪軌跡數(shù)據(jù)。

3 結(jié)論

本文研究基于納米傳感器的跳躍式滑雪軌跡數(shù)據(jù)快速挖掘。利用納米傳感器初步獲取跳躍式滑雪軌跡數(shù)據(jù)，通過構(gòu)建坐標(biāo)系等過程求解跳躍式滑雪姿態(tài)信息，實現(xiàn)跳躍式滑雪姿態(tài)數(shù)據(jù)快速挖掘。實驗結(jié)果表明，本文方法的平均F1值為0.96，對于滑雪目標(biāo)1，X 軸、Y 軸、Z 軸誤差分別為0.05 mm、0.13 mm、0.11mm，能實現(xiàn)跳躍式滑雪軌跡數(shù)據(jù)快速精準(zhǔn)挖掘。由于本文在挖掘到跳躍式滑雪軌跡數(shù)據(jù)并未對其進(jìn)行分類處理，數(shù)據(jù)可用性有所下降，在未來研究過程中需要對數(shù)據(jù)挖掘結(jié)果進(jìn)行分類，以此促進(jìn)跳躍式滑雪軌跡數(shù)據(jù)挖掘方法性能的進(jìn)一步提升。