2019.3运动手环识别篮球运球手势的算法工作进度

问题描述：

由加速度传感器和陀螺仪采集的数据保存格式为N行7列的txt文件，前三列分别为xyz轴的加速度，后四列分别为四元数。采样时间间隔相等。

采集的数据为高手运球（high）30个、低手（low）30个、双手交替运球（cross）30个、直线运球（line）20个、体前双手交替运球（front）20个，原地快速（fast）运球200个左右。

数据预处理：

1、根据加速度和四元数，可以求出当前时刻对应的总价速度、xyz轴的重力分量、手臂和水平面的夹角角度（如下图）

2、寻峰算法找到各个动作的峰值，标上红点，寻找谷值标上绿点

寻找谷值的逻辑比较简单，所以容易出现连续多个谷值的情况，所以加上一句:

 

 

加这句之前：

谷值点位于

[30, 81, 141, 188, 256, 295, 365, 410, 472, 518, 580, 626, 694, 736, 796, 849, 904, 961, 1013, 1056, 1115, 1164, 1219, 1262, 1323, 1372, 1423, 1477]

 

 

 

加之后：

[30, 116, 230, 339, 449, 559, 672, 777, 877, 991, 1093, 1195, 1296, 1401]

 

 

 

 

不知道为什么，波峰波谷的时间点挤到一起了

 

这个判断‘谷必须在峰后面’的if判断句不应该放在findpeaks里，不然就会一直等待peak出现才能更新谷值。

if句放在DetectorPeaks函数里面更新谷值的语句前面即可避免连续出现多个谷值。

更新后的函数用于整段投篮数据02 221.txt：

在数据点3000前后，由于后一个动作的峰值与前一个动作的谷值差值不够大，检测不到峰值，因此在detectnewstep函数里添加条件：如果当前时间比上一个谷值出现的时间大与100，则valleyOfwave ==0，重新初始化谷值，结果如下：

数据点5000左右的峰值点确实符合逻辑，判断成峰值无法避免。

 

 

3、尝试手动分割了三个人的数据，分为六类运动模式：高手、低手、交叉、直线、体前、快速，然后打上lable。使用KNN、DT、GNB、SVM分类器分出来准确率只有25…

样本还是太少了，但是每个人的样本数据差距好大啊，作动作的大小、速度都不一样。而且样本数据的格式也不是很对，比如100行数据表示一个动作，现在这100行每行都打上lable为1，打100个lable肯定是不准确的；但如果把一百行数据放在一个数组里再打lable，又会因为每个人的一个动作长度不一定是100行导致样本数组大小不一样，也不行……

4、篮球数据用手臂夹角数据和总加速度求方差、四分位数、变异系数、最大值等，观察发现：手臂夹角数据中直线运球的方差最大，快速运球方差最小，可以作为分类特征加入训练样本数据。其他特征似乎参考价值不大？ 但是方差是一百个采样点算出来的一个数据，采样数据一百行才有一个方差，要是想把方差和原始数据都作为训练样本怎么把他们融合到一起呢？