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 文獻標識碼：A

文章編號：1009-3044（2023）10-0005-04

0 引言

隨著冬季運動潮流的逐步興起，越來越多的運動愛好者投入滑雪運動中[1]。但滑雪運動的難度相對較高，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的歷史滑雪軌跡，分析滑雪運動的規(guī)律，由此對未來的滑雪運動趨勢進行預(yù)測[3]，以此有效解決滑雪運動所帶來的安全威脅。國內(nèi)外相關(guān)學者對于運動軌跡數(shù)據(jù)挖掘進行了大量研究。文獻[4]提出了一種基于流數(shù)據(jù)的運動軌跡數(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)進行統(tǒng)計與整合處理，完成運動軌跡數(shù)據(jù)挖掘。文獻[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)進行挖掘，以此提升數(shù)據(jù)挖掘性能。文獻[6]提出了一種DBSCAN聚類算法的運動軌跡數(shù)據(jù)挖掘方法。分析歷史運動軌跡數(shù)據(jù)，采用DBSCAN聚類算法對這些數(shù)據(jù)進行聚類處理，增量軌跡合并方法提取運動軌跡特征，以此自動提取目標運動信息。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的多個信號，并對這些信號進行處理，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)。確定目標當前姿態(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動員的當前姿態(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。作為一種力學傳感器，納米加速度傳感器在檢測目標跳躍式滑雪加速度過程中以牛頓力學定律為基礎(chǔ)，運動目標在加速度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中的自然行動池，其中也包含滑雪運動。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)對仿真軟件進行訓(xùn)練，以此確定仿真軟件是否能夠正常運行，在仿真軟件運行正常情況下，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[4]方法、文獻[5]方法、文獻[6]方法作為實驗對比方法，通過比較不同的實驗指標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，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[4]方法、文獻[5]方法、文獻[6]方法、文獻[7]方法、文獻[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1，X軸、Y軸、Z軸誤差分別為0.05 mm、0.13 mm、0.11 mm，比文獻[4]方法低0.79 mm、1 mm、1.17 mm，比文獻[5]方法低0.61mm、0.94 mm、0.87 mm，比文獻[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行目標跳躍式滑雪軌跡數(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確地挖掘目標跳躍式滑雪軌跡數(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)果進行分類，以此促進跳躍式滑雪軌跡數(shù)據(jù)挖掘方法性能的進一步提升。