Classifica??o de manobras de skate atrav?s de acelerometria e redes neurais artificiais

Autor: Corr?a, Nicholas Kluge
Jazyk: portugalština
Rok vydání: 2017
Předmět:
Zdroj: Biblioteca Digital de Teses e Dissertações da PUC_RSPontifícia Universidade Católica do Rio Grande do SulPUC_RS.
Druh dokumentu: masterThesis
Popis: Submitted by PPG Engenharia El?trica (engenharia.pg.eletrica@pucrs.br) on 2017-10-31T19:10:47Z No. of bitstreams: 1 dissertacao_Nicholas_Correa.pdf: 4887337 bytes, checksum: bbb103765cb34dd0f4606f6e4681234c (MD5)
Rejected by Caroline Xavier (caroline.xavier@pucrs.br), reason: Devolvida "tarefa", devido a arquivo PDF estar sem a folha de rosto (folha com as informa??es principais), passando direto da capa para a ficha catalogr?fica. on 2017-11-10T13:48:15Z (GMT)
Submitted by PPG Engenharia El?trica (engenharia.pg.eletrica@pucrs.br) on 2017-11-24T11:54:51Z No. of bitstreams: 1 NICHOLAS_KLUGE_CORREA_DIS.pdf: 3713060 bytes, checksum: 2d90a32cab66a7fce736606072ad37de (MD5)
Approved for entry into archive by Caroline Xavier (caroline.xavier@pucrs.br) on 2017-12-01T12:53:14Z (GMT) No. of bitstreams: 1 NICHOLAS_KLUGE_CORREA_DIS.pdf: 3713060 bytes, checksum: 2d90a32cab66a7fce736606072ad37de (MD5)
Made available in DSpace on 2017-12-01T12:56:20Z (GMT). No. of bitstreams: 1 NICHOLAS_KLUGE_CORREA_DIS.pdf: 3713060 bytes, checksum: 2d90a32cab66a7fce736606072ad37de (MD5) Previous issue date: 2017-08-31
Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES
Skateboarding is one of the most popular cultures in Brazil, with more than 8.5 million skateboarders. Today Skateboarding is more recognize as a true sports discipline, also given by its debut on the Olympic Games in Tokyo 2020. The present study aims to develop methods detection and classification of Skateboarding flat ground tricks, using a Inertial Module Unit (IMU) allied whit Artificial Neural Networks (ANN). Using state of the art knowledge on movement detection in Skateboarding, 181 artificial flat ground tricks divided between 5 different classes were generated, equivalent to 543 signals (X, Y and Z) of acceleration. A classification heuristic based on cross-correlation coefficients was applied to the discriminate between classes, and using the Neural Network Toolbox a Multilayer Feed Forward Network was architect with three layers and a scaled conjugate gradient back propagation algorithm. The results showed that with the use of ANNs trained specifically for each axis measured by the IMU, being the Z-axis the best differentiator, we can reach error percentages inferior to 0.05 %, with a computational efficiency that makes real time applications possible. Machine learning is a useful tool in pattern recognition of complex movements, as long that the classifiers are properly architected and the task is expressed with clarity this technique is a promising application in Exergames and motion detection.
Skate ? uma das culturas mais populares no Brasil, com mais de 8.5 milh?es de adeptos. O movimento esportivo atualmente se encontra em uma fase de grande crescimento, dada inclusive a estr?ia da modalidade nos Jogos Ol?mpicos em T?quio 2020. O presente estudo teve como objetivo desenvolver t?cnicas de detec??o e classifica??o de manobras de Street Skate, utilizando sensores inerciais IMU (Inertial Module Unit) e Redes Neurais Artificiais (RNA). Utilizando conhecimento do estado da arte em detec??o de movimentos no Skate, foram gerados 181 registros artificiais, resultando em 543 sinais de acelera??o (X, Y e Z) divididos entre 5 classes de manobras. Foi desenvolvida uma heur?stica de classifica??o utilizando coeficientes de correla??o cruzada para discriminar cada classe, e com a Neural Network Toolbox foi criada uma Multilayer Feed Forward Network de tr?s camadas treinada atrav?s de um algoritmo de aprendizagem supervisionado (scaled conjugate gradient backpropagation). Os resultados mostraram que com a utiliza??o de RNAs treinadas especificamente para cada eixo, sendo o eixo Z o maior discriminador, podemos alcan?ar um percentual de erro inferior a 0.05%, com uma efici?ncia computacional que disponibiliza respostas em tempo real. Aprendizado de m?quina ? uma podersoa ferramenta na classifica??o de padr?es de movimento complexos, contanto que os classificadores sejam arquitetados de maneira eficiente e o problema proposto de maneira clara, essa t?cnica possui promissoras aplica??es para Exergames e detec??o de movimentos.
Databáze: Networked Digital Library of Theses & Dissertations
Externí odkaz: