来源：期刊VIP网 时间：
作者：刘泽婷;秦雄;李开航;许寿生;
单位：北京体育大学体育工程学院;北京体育大学运动人体科学学院;
摘要：跆拳道技术动作的自动识别对教学与训练质量提升具有重要意义。针对现有基于视觉的动作识别系统易受环境光线、遮挡等因素影响的问题，提出一种基于可穿戴加速度计的跆拳道动作识别方法。研究采用三轴加速度计采集20名受试者的16类基本技术动作（包括左右前踢、左右横踢等8种腿法及左右冲拳、左右格挡等8种手法），经过数据预处理，构建了包含1 522个样本的跆拳道动作数据集。基于此数据集，系统比较了卷积神经网络（CNN）、循环神经网络（RNN）和Transformer这3种深度学习模型的识别性能，并采用精确率（Precision）、召回率（Recall）和F1分数进行多维度评估。实验结果表明，ResNet架构的CNN模型表现最优，在验证集上达到96.72%的精确率、96.31%的召回率和96.25%的F1分数，显著优于RNN(86.69%的精确率)和Transformer(90.47%的精确率)模型。同时，进一步验证了加速度信号对快速变化动作特征的捕捉能力。提出的方法不仅为跆拳道训练提供了客观的技术评估工具，其设备便携、环境适应性强的特点更适用于大众跆拳道教学场景。所构建的数据集和验证框架可扩展应用于拳击、柔道等其他搏击类运动项目的技术分析，为智能体育训练系统的开发提供了新思路。
关键词：跆拳道;;动作识别;;深度学习;;加速度计;;可穿戴传感器
基金资助：国家重点研发计划项目“运动负荷精确测量关键技术研究和相关系统研发”之课题三“基于多源可穿戴数据的运动负荷精确评估系统研究”（项目编号：2022YFC3600300）
