到目前为止,在体育运动领域中主要依赖于教练员在现场观察运动员的表现来为运动员制定合适的训练计划,这对教练员的专业素养有着极高的要求。随着近年来人们对体育运动热情的持续攀升,专业教练员的数量变得难以满足广大体育运动爱好者的需求量,而这一现象在我国的中小城市中表现得更为明显。基于上述需求,本文基于智能鞋垫设计了一个针对体育运动爱好者的运动动作识别系统,并且出于验证该系统对于不同体育运动领域的适用性的目的,针对篮球动作和竞走动作进行了实验。本文的研究内容和创新点包括:(1)提出了基于卷积神经网络的篮球动作识别方案。首先采用一维中值滤波、一维数字滤波和Z-score标准化对传感器数据进行预处理,之后通过调整网络结构以及卷积层和池化层中的卷积核大小和卷积步长等超参数来使得神经网络的性能表现达到最优值。实验结果显示,卷积神经网络可以在篮球动作识别中获得99.3%的总体识别准确率。(2)由于一个篮球动作在一整段实战篮球动作数据中随机地出现并且持续随机长度的时间,提出了一个基于滑动窗口切分和相邻多窗口联合判定的方法来识别实战篮球动作。实验表明,利用该方法来识别实战篮球动作可以获得92.2%的总体识别准确率。(3)利用卷积神经网络进行竞走犯规检测,实验结果显示,该方法相比其它动作识别方法更擅长捕获标准竞走动作和犯规动作之间的细微差异之处,从而在竞走犯规检测中获得了98.1%的识别准确率。上述研究内容的实验结果表明,利用该系统识别篮球动作和竞走动作时均可获得很好的识别效果,这验证了该系统是一个适用于不同体育运动领域的动作识别系统。