TWI729337B - 基於穿戴式裝置的運動教學輔助系統 - Google Patents
基於穿戴式裝置的運動教學輔助系統 Download PDFInfo
- Publication number
- TWI729337B TWI729337B TW107145991A TW107145991A TWI729337B TW I729337 B TWI729337 B TW I729337B TW 107145991 A TW107145991 A TW 107145991A TW 107145991 A TW107145991 A TW 107145991A TW I729337 B TWI729337 B TW I729337B
- Authority
- TW
- Taiwan
- Prior art keywords
- decomposition
- wearable device
- angular velocity
- time point
- action
- Prior art date
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Manipulator (AREA)
Abstract
一種基於穿戴式裝置的運動教學輔助系統包含穿戴式裝置以及處理單元,穿戴式裝置用以供使用者穿戴於手臂上,穿戴式裝置包含三軸陀螺儀與至少一肌電感測器分別用以感測使用者作出揮臂動作時分別對應不同時間點之三軸角速度值與至少一肌電訊號。處理單元用以接收三軸角速度值與肌電訊號以計算出揮臂動作所對應之姿勢特徵值與力道特徵值,並將姿勢特徵值與力道特徵值輸入標準動作模型中,以計算出姿勢相似度百分比與力道相似度百分比。
Description
本揭露實施例是有關於一種運動教學輔助系統,且特別是有關於一種基於穿戴式裝置的運動教學輔助系統。
在體育運動的訓練過程中,通常都是透過教練採用一對一或者一對多進行教導的模式,由於是透過人工進行教學,必須要有教練時時在旁觀看,以判斷運動員的姿勢動作是否符合要求,費時費力。再者,運動員在教學之後進行個人的練習時,也無法自行判斷其姿勢動作是否符合要求,使得個人練習的效率大打折扣。因此,實有必要開發一種運動教學輔助系統來解決上述問題。
本揭露之目的在於提出一種基於穿戴式裝置的運動教學輔助系統,包含穿戴式裝置以及處理單元。穿戴式裝置用以供使用者穿戴於手臂上,穿戴式裝置包含三軸陀螺
儀與至少一肌電(Electromyography,EMG)感測器分別用以感測使用者作出揮臂動作時分別對應不同時間點之三軸角速度值與至少一肌電訊號。處理單元用以接收三軸角速度值與肌電訊號以計算出揮臂動作所對應之姿勢特徵值與力道特徵值,並將姿勢特徵值與力道特徵值輸入標準動作模型中,以計算出姿勢相似度百分比與力道相似度百分比。
在一些實施例中,上述處理單元藉由黎曼積分(Riemann Integral)來將三軸角速度值轉換成姿勢特徵值並進行正規化,再將正規化後之姿勢特徵值輸入標準動作模型中,以計算出姿勢相似度百分比。
在一些實施例中,上述處理單元藉由平均絕對值(Mean Absolute Value)運算來將肌電訊號轉換成力道特徵值並進行正規化,再將正規化後之力道特徵值輸入標準動作模型中,以計算出力道相似度百分比。
在一些實施例中,其中,在處理單元將姿勢特徵值與力道特徵值輸入標準動作模型前,處理單元依據三軸角速度值隨著不同時間點之變化情形來將揮臂動作分割為多個分解動作,處理單元用以計算出每個分解動作所對應之姿勢特徵值與力道特徵值。
在一些實施例中,上述標準動作模型之建立流程如下:將穿戴式裝置穿戴於每個教練的手臂上;穿戴式裝置感測每個教練作出多個標準揮臂動作時,每個標準揮臂動作分別對應不同時間點之三軸角速度值與至少一肌電訊號;處理單元將每個標準揮臂動作分割為多個標準分解動
作;處理單元藉由黎曼積分來將每個標準分解動作所對應之三軸角速度值轉換成姿勢特徵值並進行正規化;處理單元藉由平均絕對值運算來將每個標準分解動作所對應之肌電訊號轉換成力道特徵值並進行正規化;以及處理單元將每個標準分解動作所對應之正規化後之姿勢特徵值與力道特徵值做為倒傳遞類神經網路(Back Propagation Artificial Neural Network,BPANN)之訓練資料來訓練標準動作模型。
在一些實施例中,上述處理單元依據三軸角速度值隨著不同時間點之變化情形來將每個標準揮臂動作分割為標準分解動作。
在一些實施例中,其中,在標準動作模型之建立之後,處理單元更藉由10折交叉驗證(10-fold cross-validation)來確定該標準動作模型之分類正確率。
在一些實施例中,其中基於穿戴式裝置的運動教學輔助系統更包含人機介面,用以透過雷達圖介面來呈現每個分解動作所對應之姿勢相似度百分比與力道相似度百分比。
在一些實施例中,上述人機介面還包含教學建議介面,用以根據每個分解動作所對應之姿勢相似度百分比與力道相似度百分比來提供動作矯正建議給使用者。
在一些實施例中,上述人機介面還包含教練影片選單與使用者影片選單,使用者透過點選教練影片選單與使用者影片選單來撥放影片以進行動作比對。
為讓本揭露的上述特徵和優點能更明顯易懂,下文特舉實施例,並配合所附圖式作詳細說明如下。
100‧‧‧基於穿戴式裝置的運動教學輔助系統
120‧‧‧穿戴式裝置
122‧‧‧三軸陀螺儀
124‧‧‧肌電感測器
140‧‧‧處理單元
160‧‧‧人機介面
162‧‧‧姿勢相似度雷達圖
164‧‧‧力道相似度雷達圖
166‧‧‧教學建議介面
168‧‧‧影片選單
P1~P9‧‧‧點
從以下結合所附圖式所做的詳細描述,可對本揭露之態樣有更佳的了解。需注意的是,根據業界的標準實務,各特徵並未依比例繪示。事實上,為了使討論更為清楚,各特徵的尺寸都可任意地增加或減少。
[圖1]係根據本揭露的實施例之基於穿戴式裝置的運動教學輔助系統的示意圖。
[圖2]係根據本揭露的實施例之穿戴式裝置的示意圖。
[圖3]係根據本揭露的實施例之揮臂動作分割為四個分解動作的示意圖。
[圖4]係根據本揭露的實施例之人機介面的呈現畫面示意圖。
以下仔細討論本發明的實施例。然而,可以理解的是,實施例提供許多可應用的概念,其可實施於各式各樣的特定內容中。所討論、揭示之實施例僅供說明,並非用以限定本發明之範圍。
圖1係根據本揭露的實施例之基於穿戴式裝置的運動教學輔助系統100的示意圖,基於穿戴式裝置的運動教學輔助系統100包含穿戴式裝置120與處理單元140,穿
戴式裝置120用以供使用者穿戴於手臂上,從而偵測使用者的揮臂動作。
圖2係根據本揭露的實施例之穿戴式裝置120的示意圖,穿戴式裝置120包含三軸陀螺儀(Gyroscopes)122與肌電(Electromyography,EMG)感測器124。三軸陀螺儀122用以感測使用者作出揮臂動作時的動作角度,意即,三軸陀螺儀122用以感測使用者作出揮臂動作時對應不同時間點之三軸角速度值。其中,三軸角速度值包含X軸角速度值、Y軸角速度值與Z軸角速度值。肌電感測器124用以感測使用者作出揮臂動作時的肌力,意即,肌電感測器124用以感測使用者作出揮臂動作時對應不同時間點之肌電訊號。在本揭露的實施例中,穿戴式裝置120包含八個肌電感測器124包覆使用者的手臂的八個不同部位,用以感測使用者作出揮臂動作時對應不同時間點之八個肌電訊號,從而更完整地感測使用者作出揮臂動作時的肌力,然而,本揭露不限於此,設計者可依實際需求選擇穿戴式裝置120所包含之肌電感測器124的數量。
請回到圖1,處理單元140透過無線傳輸的方式,例如藍芽或無線網路等,來從穿戴式裝置120接收使用者作出揮臂動作時對應不同時間點之三軸角速度值與肌電訊號。由於一個揮臂動作當中可能包含不同的揮臂方式,舉例而言,羽球的正拍殺球動作依序包含四個子動作:出手前放鬆、殺球前預備動作、食指帶動手腕發力下扣、出手後放鬆,若能把一個揮臂動作再分解為多個分解動作將有助於更
有效地進行運動教學輔助。在本揭露的實施例中,處理單元140依據三軸角速度值隨著不同時間點之變化情形來將一個揮臂動作分割為多個分解動作,一旦分割完成後,即可取得每個分解動作所分別對應之三軸角速度值與肌電訊號。以下透過圖3來舉例說明,本揭露如何依據三軸角速度值隨著不同時間點之變化情形來將一個揮臂動作分割為多個分解動作。
圖3係根據本揭露的實施例之揮臂動作分割為四個分解動作的示意圖。圖3所示者,是揮臂動作為羽球的正拍殺球時,三軸角速度值當中的Y軸角速度值隨著時間的變化示意圖,其中分解動作1為出手前放鬆,分解動作2為殺球前預備動作,分解動作3為食指帶動手腕發力下扣,分解動作4為出手後放鬆。當進行分解動作3:食指帶動手腕發力下扣時,使用者的身體快速轉回正面對網同時手臂必須快速由上往下扣球,因此Y軸角速度值會急遽減少至負值,而最小負值會在圖3中呈現明顯的波谷狀,即分解動作3當中的點P6。接著找出分解動作3的起始點與結束點,關於分解動作3的起始點,首先由點P6往前找到“前最大值”(即點P5),再接著往前找到Y軸角速度值趨近於零的點P4,Y軸角速度值趨近於零代表角度沒有發明變化,因此可判斷點P4為分解動作3的起始點;關於分解動作3的結束點,首先由點P6往後找到“後最大值”(即點P7),再接著往後找到Y軸角速度值變化趨於平坦並接近於零的點P8,Y軸角速度值變化趨於平坦並接近於零代表角度沒有發明變化,因此可判
斷點P8為分解動作3的結束點。當進行分解動作1:出手前放鬆時,手臂必須平舉於腰間,且保持靜止狀態,因此Y軸角速度值會持續保持在相當低的數值;當進行分解動作2:殺球前預備動作時,使用者須側身對網,同時手臂向上舉起與地面幾近垂直以準備擊球。根據上述,若欲找出分解動作2的起始點與結束點,分解動作2的結束點即為分解動作3的起始點(即點P4),而關於分解動作2的起始點,首先由點P4往前找到“前最大值”(即點P3),再接著往前找到Y軸角速度值變化趨於平坦的點P2,Y軸角速度值變化趨於平坦代表手臂保持靜止,因此可判斷點P2為分解動作2的起始點。若欲找出分解動作1的起始點與結束點,分解動作1的結束點即為分解動作2的起始點(即點P2),分解動作1的起始點即為圖3的首點(即點P1)。若欲找出分解動作4的起始點與結束點,分解動作4的起始點即為分解動作3的結束點(即點P8),分解動作4的結束點即為圖3的末點(即點P9)。根據上述判斷流程,確立了分解動作1的時間區段落在點P1至點P2之間,分解動作2的時間區段落在點P2至點P4之間,分解動作3的時間區段落在點P4至點P8之間,分解動作4的時間區段落在點P8至點P9之間。
請回到圖1,處理單元140藉由黎曼積分(Riemann Integral)來將使用者作出揮臂動作時對應不同時間點之多個三軸角速度值轉換成姿勢特徵值。在本揭露的實施例中,若處理單元140先將一個揮臂動作分割為多個分解動作,則處理單元140藉由黎曼積分來將每個分解動作對
應不同時間點之多個三軸角速度值轉換成姿勢特徵值,意即,四個分解動作會分別對應到四個姿勢特徵值。另一方面,處理單元140藉由平均絕對值(Mean Absolute Value)運算來將使用者作出揮臂動作時對應不同時間點之多個肌電訊號轉換成力道特徵值。在本揭露的實施例中,若處理單元140先將一個揮臂動作分割為多個分解動作,則處理單元140藉由平均絕對值運算來將每個分解動作對應不同時間點之多個肌電訊號轉換成力道特徵值,意即,四個分解動作會分別對應到四個力道特徵值。在本揭露的實施例中,若穿戴式裝置120包含多個肌電感測器124,則處理單元140藉由平均絕對值運算來將每個肌電感測器124對應不同時間點之多個肌電訊號轉換成力道特徵值,意即,八個肌電感測器124會分別對應到八個力道特徵值。
處理單元140接著將姿勢特徵值進行正規化,使正規化後之姿勢特徵值範圍落在0~1之間,處理單元140也將力道特徵值進行正規化,使正規化後之力道特徵值範圍落在0~1之間,處理單元140最後將正規化後之姿勢特徵值與正規化後之力道特徵值輸入標準動作模型中,以計算出姿勢相似度百分比與力道相似度百分比。姿勢相似度百分比或力道相似度百分比越高代表使用者的揮臂動作與標準動作模型中的標準揮臂動作越相似。在本揭露的實施例中,若處理單元140先將一個揮臂動作分割為多個分解動作,則處理單元140會對應計算出多個姿勢相似度百分比與多個力道相似度百分比,意即,四個分解動作會分別對應到四個姿勢
相似度百分比與四個力道相似度百分比。
請回到圖1,基於穿戴式裝置的運動教學輔助系統100更包含人機介面160,用以透過雷達圖介面來呈現揮臂動作或每個分解動作所對應之姿勢相似度百分比與力道相似度百分比。圖4係根據本揭露的實施例之人機介面160的呈現畫面示意圖。如圖4所示,人機介面160包含姿勢相似度雷達圖162與力道相似度雷達圖164,用以透過雷達圖介面來呈現每個分解動作所對應之姿勢相似度百分比與力道相似度百分比。如圖4所示,人機介面160還包含教學建議介面166,用以根據每個分解動作所對應之姿勢相似度百分比與力道相似度百分比來提供動作矯正建議給使用者,讓使用者能具體地知曉要如何進行動作矯正。此外,教學建議介面166還包含教練指導語輸入格,以利於教練根據每個分解動作所對應之姿勢相似度百分比與力道相似度百分比來寫入相應的指導語,讓使用者能知曉動作矯正須注意的細節。如圖4所示,人機介面160還包含影片選單168,用以提供教練影片選單與使用者影片選單,使得使用者可透過點選教練影片選單和/或使用者影片選單來撥放教練影片和/或使用者影片以進行動作比對,讓使用者能透過影像重現來知曉自身的揮臂動作與教練的標準揮臂動作之間的差異。
上述的說明內容中提到,處理單元140會將正規化後之姿勢特徵值與正規化後之力道特徵值輸入標準動作模型中,以計算出姿勢相似度百分比與力道相似度百分比,以下將針對標準動作模型之建立流程作說明。在本揭露
的實施例中,標準動作模型之建立乃是利用倒傳遞類神經網路(Back Propagation Artificial Neural Network,BPANN)技術,將多位教練作出之標準揮臂動作作為倒傳遞類神經網路的訓練資料,經由訓練從而建立出標準動作模型,流程如下。將穿戴式裝置120穿戴於多個教練之每一者的手臂上;穿戴式裝置120感測每個教練作出多個標準揮臂動作時,每個標準揮臂動作分別對應不同時間點之三軸角速度值與肌電訊號;處理單元140依據三軸角速度值隨著不同時間點之變化情形來將每個標準揮臂動作分割為多個標準分解動作;處理單元140藉由黎曼積分來將每個標準分解動作所對應之三軸角速度值轉換成姿勢特徵值並進行正規化;處理單元140藉由平均絕對值運算來將每個標準分解動作所對應之肌電訊號轉換成力道特徵值並進行正規化;處理單元140將每個標準分解動作所對應之正規化後之姿勢特徵值與正規化後之力道特徵值做為倒傳遞類神經網路之訓練資料,從而經由訓練來建立出標準動作模型。
在上述流程中所述之將每個標準揮臂動作分割為多個標準分解動作基本上與前述之將每個揮臂動作分割為多個分解動作的方式類似,於此不再贅述。在上述流程中所述之藉由黎曼積分來將每個標準分解動作所對應之三軸角速度值轉換成姿勢特徵值並進行正規化基本上與前述之藉由黎曼積分來將每個分解動作所對應之三軸角速度值轉換成姿勢特徵值並進行正規化的方式類似,於此不再贅述。在上述流程中所述之藉由平均絕對值運算來將每個標準分
解動作所對應之肌電訊號轉換成力道特徵值並進行正規化基本上與前述之藉由平均絕對值運算來將每個分解動作所對應之肌電訊號轉換成力道特徵值並進行正規化的方式類似,於此不再贅述。
在本揭露的實施例中,教練數量為4名,各進行15次的標準揮臂動作,意即,共採用了60個標準揮臂動作作為倒傳遞類神經網路的訓練資料,但本揭露不限於此。另外,將姿勢特徵值與力道特徵值皆進行正規化後再輸入倒傳遞類神經網路的用意在於,加快倒傳遞類神經網路的辨識速度。在本揭露的實施例中,在標準動作模型之建立之後,處理單元140藉由10折交叉驗證(10-fold cross-validation)來確定標準動作模型之分類正確率,從而驗證標準動作模型是準確的。
此外,在上述之利用圖3來說明本揭露如何將揮臂動作分割為四個分解動作的說明當中,或有可能會發生在使用者在不熟悉標準揮臂動作的情況下,無法作出與教練相似的揮臂動作,如此一來,可能無法依據其揮臂動作所對應之三軸角速度值當中的Y軸角速度值隨著不同時間點之變化情形來正確地辨識出判斷點P4和/或判斷點P8,因此當分解動作3的起始點和/或結束點無法利用Y軸角速度值隨著不同時間點之變化情形來判斷時,處理器140將使用多個標準揮臂動作所對應之分解動作3之點P4和/或點P8相對於時間軸的平均值來做為分解動作3的起始點和/或結束點,再接著即可依據前述的方式來分別找出分解動作1、分解動作2
與分解動作4的起始點與結束點。
綜合上述,本揭露提出一種基於穿戴式裝置的運動教學輔助系統,包含穿戴式裝置以及處理單元。藉由穿戴式裝置所包含之三軸陀螺儀與肌電感測器來分別感測穿戴著穿戴式裝置之使用者作出揮臂動作時分別對應不同時間點之三軸角速度值與肌電訊號。處理單元接收三軸角速度值與肌電訊號以計算出揮臂動作所對應之姿勢特徵值與力道特徵值,並將姿勢特徵值與力道特徵值輸入標準動作模型中,以計算出姿勢相似度百分比與力道相似度百分比。因此,藉由本揭露所提出之基於穿戴式裝置的運動教學輔助系統,使用者進行訓練時,不須有教練在旁觀看,基於穿戴式裝置的運動教學輔助系統能夠呈現結果告知使用者其揮臂動作是否符合標準揮臂動作,從而使得個人練習的效率大幅提升。
以上概述了數個實施例的特徵,因此熟習此技藝者可以更了解本揭露的態樣。熟習此技藝者應了解到,其可輕易地把本揭露當作基礎來設計或修改其他的製程與結構,藉此實現和在此所介紹的這些實施例相同的目標及/或達到相同的優點。熟習此技藝者也應可明白,這些等效的建構並未脫離本揭露的精神與範圍,並且他們可以在不脫離本揭露精神與範圍的前提下做各種的改變、替換與變動。
100‧‧‧基於穿戴式裝置的運動教學輔助系統
120‧‧‧穿戴式裝置
140‧‧‧處理單元
160‧‧‧人機介面
Claims (10)
- 一種基於穿戴式裝置的運動教學輔助系統,包含:一穿戴式裝置,用以供一使用者穿戴於手臂上,該穿戴式裝置包含一三軸陀螺儀與至少一肌電(Electromyography,EMG)感測器分別用以感測該使用者作出一揮臂動作時分別對應不同時間點之一三軸角速度值與至少一肌電訊號;以及一處理單元,用以依據該三軸角速度值隨著複數個時間點之變化情形來將該揮臂動作分割為四個分解動作,且根據該些三軸角速度值與該些肌電訊號以計算出該些分解動作所分別對應之一姿勢特徵值與一力道特徵值,並將該姿勢特徵值與該力道特徵值輸入一標準動作模型中,以計算出一姿勢相似度百分比與一力道相似度百分比;其中該些分解動作包含一第一分解動作、一第二分解動作、一第三分解動作與一第四分解動作;其中該第三分解動作所對應的一起始時間點為該些三軸角速度值中的最小負值所對應的一P6時間點之前的該些三軸角速度值中的最大值所對應的一P5時間點之前的該些三軸角速度值當中最先趨近於零的一P4時間點;其中該第三分解動作所對應的一結束時間點為該P6時間點之後的該些三軸角速度值中的最大值所對應的一P7時間點之後的該些三軸角速度值當中變化趨於平坦並最先接近於零的一P8時間點; 其中該第二分解動作所對應的一起始時間點為該P4時間點之前的該些三軸角速度值中的最大值所對應的一P3時間點之前的該些三軸角速度值當中變化趨於平坦的一P2時間點;其中該第二分解動作所對應的一結束時間點為該P4時間點;其中該第一分解動作所對應的一起始時間點為該些時間點的最先者;其中該第一分解動作所對應的一結束時間點為該P2時間點;其中該第四分解動作所對應的一起始時間點為該P8時間點;其中該第四分解動作所對應的一結束時間點為該些時間點的最末者。
- 如申請專利範圍第1項所述之基於穿戴式裝置的運動教學輔助系統,其中該處理單元藉由黎曼積分(Riemann Integral)來將該些三軸角速度值轉換成該姿勢特徵值並進行正規化,再將正規化後之該姿勢特徵值輸入該標準動作模型中,以計算出該姿勢相似度百分比。
- 如申請專利範圍第1項所述之基於穿戴式裝置的運動教學輔助系統,其中該處理單元藉由平均絕對值(Mean Absolute Value)運算來將該些肌電訊號轉換成 該力道特徵值並進行正規化,再將正規化後之該力道特徵值輸入該標準動作模型中,以計算出該力道相似度百分比。
- 如申請專利範圍第1項所述之基於穿戴式裝置的運動教學輔助系統,其中該處理單元用以計算出每一該些分解動作所對應之該姿勢特徵值與該力道特徵值。
- 如申請專利範圍第1項所述之基於穿戴式裝置的運動教學輔助系統,其中該標準動作模型之建立流程如下:將該穿戴式裝置穿戴於複數個教練之每一者的手臂上;該穿戴式裝置感測每一該些教練作出複數個標準揮臂動作時,每一該些標準揮臂動作分別對應不同時間點之該三軸角速度值與該至少一肌電訊號;該處理單元將每一該些標準揮臂動作分割為複數個標準分解動作;該處理單元藉由黎曼積分來將每一該些標準分解動作所對應之該些三軸角速度值轉換成該姿勢特徵值並進行正規化;該處理單元藉由平均絕對值運算來將每一該些標準分解動作所對應之該些肌電訊號轉換成該力道特徵值並進行正規化;以及該處理單元將每一該些標準分解動作所對應之正規 化後之該姿勢特徵值與該力道特徵值做為一倒傳遞類神經網路(Back Propagation Artificial Neural Network,BPANN)之訓練資料來訓練該標準動作模型。
- 如申請專利範圍第5項所述之基於穿戴式裝置的運動教學輔助系統,其中該處理單元依據該三軸角速度值隨著不同時間點之變化情形來將每一該些標準揮臂動作分割為該些標準分解動作。
- 如申請專利範圍第1項所述之基於穿戴式裝置的運動教學輔助系統,其中在該標準動作模型之建立之後,該處理單元更藉由10折交叉驗證(10-fold cross-validation)來確定該標準動作模型之分類正確率。
- 如申請專利範圍第4項所述之基於穿戴式裝置的運動教學輔助系統,更包含:一人機介面,用以透過雷達圖介面來呈現每一該些分解動作所對應之該姿勢相似度百分比與該力道相似度百分比。
- 如申請專利範圍第8項所述之基於穿戴式裝置的運動教學輔助系統,其中該人機介面還包含一教學建議介面,用以根據每一該些分解動作所對應之該姿勢相似度百分比與該力道相似度百分比來提供動作矯正建議給 該使用者。
- 如申請專利範圍第8項所述之基於穿戴式裝置的運動教學輔助系統,其中該人機介面還包含一教練影片選單與一使用者影片選單,該使用者透過點選該教練影片選單與該使用者影片選單來撥放影片以進行動作比對。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107145991A TWI729337B (zh) | 2018-12-19 | 2018-12-19 | 基於穿戴式裝置的運動教學輔助系統 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW107145991A TWI729337B (zh) | 2018-12-19 | 2018-12-19 | 基於穿戴式裝置的運動教學輔助系統 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW202025107A TW202025107A (zh) | 2020-07-01 |
TWI729337B true TWI729337B (zh) | 2021-06-01 |
Family
ID=73004992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW107145991A TWI729337B (zh) | 2018-12-19 | 2018-12-19 | 基於穿戴式裝置的運動教學輔助系統 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI729337B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI760044B (zh) * | 2021-01-04 | 2022-04-01 | 財團法人工業技術研究院 | 智能認知運動訓練方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069413A (zh) * | 2015-07-27 | 2015-11-18 | 电子科技大学 | 一种基于深度卷积神经网络的人体姿势识别方法 |
CN107833283A (zh) * | 2017-10-30 | 2018-03-23 | 努比亚技术有限公司 | 一种教学方法及移动终端 |
-
2018
- 2018-12-19 TW TW107145991A patent/TWI729337B/zh active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105069413A (zh) * | 2015-07-27 | 2015-11-18 | 电子科技大学 | 一种基于深度卷积神经网络的人体姿势识别方法 |
CN107833283A (zh) * | 2017-10-30 | 2018-03-23 | 努比亚技术有限公司 | 一种教学方法及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
TW202025107A (zh) | 2020-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017386412B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
US11679300B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis, and feedback | |
JP7381497B2 (ja) | 運動動作およびそれと関連付けられた物体のメトリクスを測定および解釈するための方法、装置、およびコンピュータプログラム製品 | |
Hsu et al. | Wearable sport activity classification based on deep convolutional neural network | |
CN104524742A (zh) | 一种基于Kinect传感器的脑瘫儿童康复训练方法 | |
US20220019284A1 (en) | Feedback from neuromuscular activation within various types of virtual and/or augmented reality environments | |
US11185736B2 (en) | Systems and methods for wearable devices that determine balance indices | |
US20220161117A1 (en) | Framework for recording and analysis of movement skills | |
TWI729337B (zh) | 基於穿戴式裝置的運動教學輔助系統 | |
CN109758154A (zh) | 一种运动状态确定方法、装置、设备及存储介质 | |
CN112915505A (zh) | 乒乓球規范正手攻球动作检測器及检測方法 | |
CN114307116A (zh) | 基于系统评分的智能数字化乒乓球训练系统及其工作方法 | |
Li et al. | Tai chi action quality assessment and visual analysis with a consumer rgb-d camera | |
US20150335946A1 (en) | Tennis training system | |
US11790536B1 (en) | Swing analysis system | |
Shibata et al. | Mechanism for control of ball spin rate by the upper limb in baseball pitching based on singular value decomposition | |
TWI670105B (zh) | 穿戴式羽球動態訓練系統及其訓練方法 | |
Bai et al. | Using a wearable device to assist the training of the throwing motion of baseball players | |
TWI681360B (zh) | 應用於巴金森氏病的復健監控系統及其方法 | |
WO2023182726A1 (en) | Electronic device and method for segmentation of movement repetitions and extraction of performance metrics | |
Deng et al. | Advancing biomedical engineering through a multi-modal sensor fusion system for enhanced physical training. | |
CN116678260A (zh) | 一种矫正竞技反曲弓射箭运动姿势的方法及装置 | |
IL291425A (en) | A wearable device for measuring accuracy in physical activity and a method therefor | |
TW202317234A (zh) | 多模感知協同訓練系統及多模感知協同訓練方法 | |
CN116665895A (zh) | 一种帕金森运动障碍量化分析实现系统 |