CN109731316B - 一种投篮训练*** - Google Patents
一种投篮训练*** Download PDFInfo
- Publication number
- CN109731316B CN109731316B CN201910217032.XA CN201910217032A CN109731316B CN 109731316 B CN109731316 B CN 109731316B CN 201910217032 A CN201910217032 A CN 201910217032A CN 109731316 B CN109731316 B CN 109731316B
- Authority
- CN
- China
- Prior art keywords
- shooting
- muscle
- sensor
- posture
- athlete
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种投篮训练***,包括姿态传感器、肌电传感器和中央处理器,中央处理器对姿态信号进行处理并与姿态标准库中的投篮标准姿态进行对比以生成至少一种投篮姿态,中央处理器从肌电标准库中检索出与投篮姿态相互匹配的肌肉记忆集,中央处理器对与投篮姿态对应的肌电信号进行处理提取肌肉特征集并与肌肉记忆集对比,在肌肉特征集与肌肉记忆集存在偏差的情况下,中央处理器将偏差传递至提示模块,以使得运动员能够在完成一次或者一组训练的情况下能够从提示模块中至少读取投篮姿态与肌肉特征集的对应关系以及肌肉特征集与肌肉记忆集的偏差关系。
Description
技术领域
本发明涉及篮球运动技术领域,尤其涉及一种投篮训练***。
背景技术
篮球是一项需要全身协调的运动,在投篮时,其要求投篮姿势准确和投篮力量分配合理。投篮姿势有许多,定点跳投、抛投、勾手、上篮和扣篮等等。每一种投篮姿势所需要的肌肉群体均是不同的,且使用的肌肉群、肌肉的发力时间、发力数值和发力方式都是不同的。因此,不同的投篮姿势需要控制好肌肉群体及其发力顺序和发力数值。为了运动员或者篮球爱好者能够很好的掌握不同的正确投篮姿势及使得肌肉产生记忆力,并且能够有效的保护自己免受运动性损伤或者突发性的损伤,运动员或者篮球爱好者在训练时需要合理的投篮的运动方法或者***对其进行运动状态进行监控。
例如,公开号为CN105107178B的中国专利公开的一种投篮动作训练方法,该方法结合篮球反馈的篮球运动状态信息、臂套反馈投篮时手臂的投篮动作、篮球反馈的命中率,进而得出投篮动作与篮球运动状态、命中率的投篮关联数据,并与预设的作为训练标准的投篮动作模型进行对比,找出投篮关联数据与投篮动作模型的差异项,并进行反馈,得到训练数据;其中,篮球运动状态信息包括投射轨迹、飞行速度、转速、出手角度;投篮动作包括肌肉发力数值、发力先后顺序、手臂和手指的姿势、手臂的动作轨迹。
公开号为CN204709746U的中国专利公开了一种投篮姿势纠正器,其特征是,包括手掌固定套、小臂固定套、上臂固定套、固定绑带、警示控制单元和电池,其中,手掌固定套与小臂固定套上部固定连接,小臂固定套与上臂固定套连接,固定绑带分别均匀设置在小臂固定套和上臂固定套两侧,使用时,位置相对的两根固定绑带一起固定手臂;所述警示控制单元包括电源开关、处理器、水平仪、警示灯和喇叭,电池与警示控制单元相连接,其中,电源开关、水平仪、警示灯、喇叭与处理器相连接,当水平仪检测到手掌或上臂位置没有处于水平姿势时,处理器会通过喇叭发出警示音,警示灯会闪烁,提醒使用者注意姿势的标准,体验各肌肉发力的感受,协调手感,加快对投篮动作的掌握。但是该专利存在以下缺陷:仅能通过水平仪检测手掌与上臂是否处于水平姿势,无法具体判断用户投篮姿势及其投篮姿势种类;仅能通过声光报警提示用户存在姿势问题,无法为用户提供有效及可参考的标准姿势,矫正效果较差。
公开号为CN105181998B的中国专利公开的一种检测投篮时手臂的SEMG和动作轨迹的方法。该方法包括在每一次完整的投篮动作过程中,通过SEMG传感器检测手臂肌肉的表面肌电信号,通过运动位置传感器检测手臂的运动轨迹;通过分析采集的表面肌电信号得到投篮时的手臂与手指相关肌肉的发力数值、发力先后顺序、手指使用情况,并结合采集的手臂的运动轨迹,得到一个完整的投篮动作的投篮动作采样数据。
例如,公开号为CN204815618U的中国专利公开的一种篮球运动训练臂套,臂套主体内设有SEMG传感器、运动位置传感器、数据收发模组、主机模组,臂套主题包括上臂部、前臂部,上臂部与前臂部均设置有SEMG传感器,SEMG传感器、运动位置传感器、数据收发模组分别与主机模组。
从现有技术看出,有的仅仅是针对普通的初学者的投篮训练,这种方法不能覆盖到篮球爱好者或者运动员的篮球生涯;有的仅仅是为了采集投篮姿势而公开的训练装置。众所周知,篮球运动员的投篮技术是需要不断的进行细节改造,且每一个运动员或者篮球爱好者的投篮姿势并不是唯一的,因此需要一种能够将不同的投篮姿势与肌肉群体进行关联来进行训练和纠正的方法或者装置,来辅助教练员或者自身来不断地纠正和学习以使得运动员能够理解技术细节以及保持强有力的投篮能力。
发明内容
针对现有技术之不足,本发明提供了一种投篮训练***,至少包括:姿态传感器,用于采集运动员在投篮时的姿态信号;肌电传感器,用于采集运动员在投篮时的肌电信号;中央处理器,分别与所述姿态传感器和所述肌电传感器通信连接;在进行投篮训练时,所述中央处理器对所述姿态信号进行处理并与姿态标准库中的投篮标准姿态进行对比以生成至少一种投篮姿态,所述中央处理器从肌电标准库中检索出与所述投篮姿态相互匹配的所述肌肉记忆集,所述中央处理器对与所述投篮姿态对应的所述肌电信号进行处理提取肌肉特征集并与所述肌肉记忆集对比,在所述肌肉特征集与所述肌肉记忆集存在偏差的情况下,所述中央处理器将所述偏差传递至提示模块,以使得所述运动员能够在完成一次或者一组训练的情况下能够从所述提示模块中至少读取所述投篮姿态与所述肌肉特征集的对应关系以及所述肌肉特征集与所述肌肉记忆集的偏差关系。
根据一种优选的实施方式,所述肌肉记忆集包括所述投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,所述肌肉特征集包括所述投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式;其中,所述中央处理器在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对所述肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。
根据一种优选的实施方式,所述姿态传感器至少包括佩戴于所述运动员腕部的腕部姿态传感器、佩戴于所述运动员肘部的肘部姿态传感器、佩戴于所述运动员肩部的肩部姿态传感器、佩戴于所述运动员膝关节部的膝部姿态传感器和佩戴于所述运动员脚踝部的踝部姿态传感器,其中,所述投篮姿态是根据所述中央处理器在连续时间段内对所述腕部姿态传感器采集到的腕部姿态信号、所述肘部姿态传感器采集的肘部姿态信号、所述肩部姿态传感器采集的肩部姿态信号、所述膝部姿态传感器采集的膝部姿态信号和所述踝部姿态传感器采集的踝部姿态信号处理后并与姿态标准库中的投篮标准姿态对比后生成。
根据一种优选的实施方式,所述中央处理器能够在所述时间段内基于所述腕部姿态信号获取至少一个腕部的投篮姿态、基于所述肘部姿态信号获取至少一个肘部的投篮姿态、基于所述肩部姿态信号获取至少一个肩部的投篮姿态、基于所述膝部姿态信号获取至少一个膝部的投篮姿态和基于所述踝部姿态信号获取至少一个踝部的投篮姿态;其中,所述中央处理器对所述时间段内的至少一个手臂的投篮姿态、至少一个肘部的投篮姿态、至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态进行逻辑和运算获取投篮姿态。
根据一种优选的实施方式,所述肌电传感器包括佩戴于所述运动员小腿肌群的小腿肌电传感器、佩戴于所述运动员大腿肌群的大腿肌电传感器、佩戴于所述运动员臀部肌群的臀部肌电传感器、佩戴于所述运动员腰腹部肌群的腰腹部肌电传感器、佩戴于所述运动员背部肌群的背部肌电传感器、佩戴于所述运动员肩部肌群的肩部肌电传感器、佩戴于所述运动员大臂肌群的大臂肌电传感器、佩戴于所述运动员小臂肌群的小臂肌电传感器、佩戴于所述运动员脚部肌群的脚部肌电传感器和佩戴于所述运动员手指的手指肌电传感器。
根据一种优选的实施方式,所述***还包括图像采集器,在所述中央处理器识别出一个投篮动作具有至少两个所述投篮姿态的情况下,所述图像采集器响应于所述运动员/教练员的指令以将图像信息通过有线和/或无线的方式传递至所述中央处理器,所述中央处理器以画面的形式呈现出所述图像信息,所述中央处理器依据所述运动员/教练员对图像信息的分析从所述至少两个所述投篮姿态中确定出投篮动作的其中一个所述投篮姿态,用于从肌电标准库中检索出与该投篮姿态相互匹配的肌肉记忆集。
在所述中央处理器依据所述投篮动作不能在所述投篮标准姿态中生成投篮姿态的情况下会将所述投篮动作、所述投篮动作对应的采集的所述肌电信号、所述投篮动作对应的所述肌肉特征集生成差异项一并反馈至所述提示模块,所述提示模块将所述差异项与所述图像采集器采集的所述投篮动作的图像信息整合为所述投篮动作的特殊集;在所述运动员/教练员确定所述特殊集属于合理训练范围时,所述中央处理器基于所述运动员/所述教练员的指令将所述特殊集传递至深度学习模块进行深度学习处理并将处理后的所述投篮动作对应的姿态传递至所述姿态标准库存储以及将处理后的所述投篮动作对应的肌肉特征集传递至所述肌电标准库存储;在所述运动员/教练员确定所述特殊集不属于合理训练范围时,所述中央处理器能够将所述特殊集传输至经验库存储。
根据一种优选的实施方式,本发明还公开了一种投篮训练方法,所述方法包括:在进行投篮训练时,所述中央处理器对姿态传感器采集的运动员在投篮时的姿态信号进行处理并与姿态标准库中的投篮标准姿态进行对比以生成至少一种投篮姿态,所述中央处理器从肌电标准库中检索出与所述投篮姿态相互匹配的所述肌肉记忆集;所述中央处理器对与所述投篮姿态对应的肌电传感器采集的所述肌电信号进行处理提取肌肉特征集并与所述肌肉记忆集对比,在所述肌肉特征集与所述肌肉记忆集存在偏差的情况下,所述中央处理器将所述偏差传递至提示模块,以使得所述运动员能够在完成一次或者一组训练的情况下能够从所述提示模块中至少读取所述投篮姿态与所述肌肉特征集的对应关系以及所述肌肉特征集与所述肌肉记忆集的偏差关系。
根据一种优选的实施方式,所述方法还包括所述肌肉记忆集包括所述投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,所述肌肉特征集包括所述投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式;其中,所述中央处理器在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对所述肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。
本发明提供一种投篮训练***,至少具有如下优势:
(1)由于投篮姿态存在有一定的相似性,例如三步上篮和骑马射箭,因此中央处理器会根据动作信息可能会生成一种及其以上的投篮姿态,提高***生成结果的可靠性。又如,运动员完成了一次急停跳投的动作,***极有可能会将该次跳投判定为撤步跳投,为此该***会将相似的动作生成至少一种投篮姿态;
(2)中央处理器从肌电标准库中检索出与投篮姿态相互匹配的肌肉记忆集,以使得教练员或运动员能够从***提供的信息中分析投篮动作对应的肌肉特征集是否满足技术细节;
(3)本发明能够根据一个投篮动作可能会被中央处理器识别出两个及以上的投篮姿态,这种情况下,本发明设置有图像采集器对该投篮动作进行图像信息采取用于教练员/运动员进一步的确认和分析,以防止***出现的偏差导致的运动数据的偏差,从而有效地提高***的正确性、可靠性和科学性。
附图说明
图1是本发明提供的一种投篮训练***的逻辑示意图;
图2是本发明提供的一种投篮训练方法的一种优选的流程示意图;和
图3是本发明提供的一种投篮训练***的优选的逻辑框图。
附图标记列表
1:姿态传感器 1d:膝部姿态传感器
2:肌电传感器 1e:踝部姿态传感器
3:中央处理器 2a:小腿肌电传感器
4:姿态标准库 2b:大腿肌电传感器
5:肌电标准库 2c:臀部肌电传感器
6:提示模块 2d:腰腹部肌电传感器
7:图像采集器 2e:背部肌电传感器
8:深度学习模块 2f:肩部肌电传感器
9:经验库 2g:大臂肌电传感器
1a:腕部姿态传感器 2h:小臂肌电传感器
1b:肘部姿态传感器 2j:手指肌电传感器
1c:肩部姿态传感器 2i:脚部肌电传感器
具体实施方式
下面结合附图1-3进行详细说明。
本发明的描述中,术语“第一”、“第二”、“第三”和仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”、“第三”和的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“内侧”、“内部”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明中,术语“以可拆卸的方式”是粘接、键连接、螺纹连接、销连接、卡接、铰接、间隙配合或过渡配合中的一种。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
本实施例提供一种投篮训练***,也可以是一种投篮训练的技术细节的检测***。在本发明中,运动员包括了专业运动员、业务运动员和篮球爱好者。在本发明提供的一种投篮训练***,至少存在有如下的优势或者运动员能够依靠该***能够获得的信息:本***能够将投篮动作信息和投篮时的肌群作用相互关系起来,并且能够识别出完成投篮动作信息出现的技术偏差,使得运动员能够快速地把握细节偏差;本***能够在出现相似性的投篮动作信息根据投篮动作信息识别出至少一种投篮姿态。具体地:
如图1所示,该***包括姿态传感器1、肌电传感器2和中央处理器3。姿态传感器1用于采集运动员在投篮时的姿态信号。肌电传感器2用于采集运动员在投篮时的肌电信号。中央处理器3分别与所述姿态传感器1和所述肌电传感器2通信连接。优选地,姿态传感器1可以是位移传感器、速度传感器和加速度传感器中的至少一种。肌电传感器2可以是SEMG传感器,用于测量肌肉的生物电信号;也可以是压力传感器,用于测量肌体对外部物体产生的压力信号,例如手指对篮球产生的作用。中央处理器3可以是CPU。在通信连接上,考虑到运动员需要不断地运动,姿态传感器1和肌电传感器2分别与中央处理器3优选地使用无线通信连接,例如可以采用EnOcean连接、Wifi连接、NB-LoT连接或蓝牙连接等。
在进行投篮训练时,中央处理器3对姿态信号进行处理并与姿态标准库4中的投篮标准姿态进行对比以生成至少一种投篮姿态。姿态信号包括运动员的躯干的位移、速度和加速度信号,中央处理器3能够通过对位移、速度和加速度信号的分析生成一个动作信息,将该动作信息与投篮标准姿态进行比对,生成投篮姿态。由于投篮姿态存在有一定的相似性,例如三步上篮和骑马射箭,因此中央处理器3会根据动作信息可能会生成一种及其以上的投篮姿态,提高***生成结果的可靠性。又如,运动员完成了一次急停跳投的动作,***极有可能会将该次跳投判定为撤步跳投,为此该***会将相似的动作生成至少一种投篮姿态。
优选地,投篮标准姿态是预先设定,例如,运动员想要学习NBA星宿科比的投篮姿势,教练员通过对科比的各种投篮姿势进行技术分析以形成姿态标准库4中的投篮标准姿态。优选地,投篮标准姿态还可以是根据自身特点进行深度学习生成的,以适应自己的个体情况。优选地,投篮标准姿态,具体地,可以包括定点投篮、三步上篮、骑马射箭、金鸡独立、后仰跳投、勾手投篮和扣篮等投篮姿势的标准姿态。
做出一个完成的投篮动作,涉及到全身或者局部肌群的活动,例如,一个完成跳投动作会涉及到的肌群包括了足底肌群、小腿肌群、大腿肌群、腰腹腹部肌群、背肌群、手臂肌群和手指肌群的共同作用。因此,为了能够识别出完成投篮动作的肌群,中央处理器3对与投篮姿态对应的肌电信号进行处理提取肌肉特征集。
为了使得分析投篮动作对应的肌肉特征集是否满足技术细节。中央处理器3从肌电标准库5中检索出与投篮姿态相互匹配的肌肉记忆集。肌肉记忆集是指一个投篮动作的合理的肌群作用方式,包括了标准的肌群、保准的肌群发力顺序、标准的肌群发力数值和标准的肌群发力方式。例如,中央处理器3从投篮动作中识别出该投篮动作是跳投,则中央处理器3从肌电标准库5中检索出与跳投相互匹配的肌肉记忆集,包括跳投所需使用的肌群、每一个肌群的发力顺序、发力数值及其发力方式。
中央处理器3对与投篮姿态对应的肌电信号进行处理提取肌肉特征集并与肌肉记忆集对比。优选地,肌肉记忆集包括投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,肌肉特征集包括投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式。中央处理器3在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。在肌肉特征集与肌肉记忆集存在偏差的情况下,中央处理器3将偏差传递至提示模块6。本实施例中,提示模块6与中央处理器3是采用有线或者无线的方式通信连接。提示模块6可以是用户客户端,例如微信、QQ和邮箱等等。例如,运动员在完成一次跳投时,腰部用力晚于手臂用力,则可以判断成一次偏差。例如,运动员在完成一次跳投时,运动员的腰部力量不足,则可以判断成偏差。那么,运动员能够在完成一次或者一组训练的情况下能够从提示模块6中至少读取投篮姿态与肌肉特征集的对应关系以及肌肉特征集与肌肉记忆集的偏差关系。运动员及其教练员能够通过投篮姿态与肌肉特征集的对应关系和肌肉特征集与肌肉记忆集的偏差关系能够看出运动员的训练效果、训练不足,以使得能够制定一个详细的训练规划。譬如,在完成一组跳投训练时,该***提示了该运动员腰腹力量不足,则运动员可以加强腰腹力量的锻炼。
优选地,姿态传感器1至少包括佩戴于运动员腕部的腕部姿态传感器1a、佩戴于运动员肘部1b的肘部姿态传感器1b、佩戴于运动员肩部的肩部姿态传感器1c、佩戴于运动员膝关节部的膝部姿态传感器1d和佩戴于运动员脚踝部的踝部姿态传感器1e。投篮姿态是根据中央处理器3在连续时间段内对腕部姿态传感器1a采集到的腕部姿态信号、肘部姿态传感器1b采集的肘部姿态信号、肩部姿态传感器1c采集的肩部姿态信号、膝部姿态传感器1d采集的膝部姿态信号和踝部姿态传感器1e采集的踝部姿态信号处理后生成。例如,肘部姿态传感器1b设置有两个,分别通过手臂轴套穿戴于运动员的上臂和小臂,大臂袖套上设置有一个肘部姿态传感器1b,小臂袖套上设置有与之相互对应的另一个肘部姿态传感器1b。例如,该肘部姿态传感器1b是位移传感器,袖套在未弯曲时两个位移传感器的距离为X1+X2,X1为大臂轴套上的位移传感器距离手肘的距离,X2为小臂轴套上的位移传感器距离手肘的距离;手臂弯曲后大臂轴套上的位移传感器与小臂轴套上的位移传感器的相对位移变化为y,通过计算由X1、X2和y构成的三角形即可判断出大臂和小臂之间的角度,该角度即为手臂弯曲的角度。在一定的运动时间内,手臂弯曲的角度是随时间变化的,中央处理器3通过将采集到的手臂完全角度变化与标准姿态标准库4中的投篮标准姿态中的手臂弯曲角度变化进行比对,生成至少一个手臂的投篮姿态。通过这种方式,中央处理器3能够获得投篮时手臂的投篮姿态。按照相同的方式,中央处理器3能够在一定运动时间内的获得至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态。中央处理器器4通过“和”的运算方式对在一个连续的时间段内的包括了至少一个手臂的投篮姿态、至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态进行运算能够获取在该时间段内的投篮姿态。优选地,该时间段是完成一个完整的投篮动作的时间。例如,跳投的投篮动作时间是运动员脚部离地再到脚部着地的时间。
优选地,肌电传感器2包括佩戴于运动员小腿肌群的小腿肌电传感器2a、佩戴于运动员大腿肌群的大腿肌电传感器2b、佩戴于运动员臀部肌群的臀部肌电传感器2c、佩戴于运动员腰腹部肌群的腰腹部肌电传感器2d、佩戴于运动员背部肌群的背部肌电传感器2e、佩戴于运动员肩部肌群的肩部肌电传感器2f、佩戴于运动员大臂肌群的大臂肌电传感器2g、佩戴于运动员小臂肌群的小臂肌电传感器2h、佩戴于运动员脚部肌群的脚部肌电传感器2i和佩戴于运动员手指的手指肌电传感器2j。中央处理器3能够基于小腿肌电传感器2a采集的小腿肌电信号、大腿肌电传感器2b采集的大腿肌电信号、臀部肌电传感器2c采集的臀部肌电信号、腰腹部肌电传感器2d采集的腰腹部肌电信号、背部肌电传感器2e采集的背部肌电信号、肩部肌电传感器2f采集的肩部肌电信号、大臂肌电传感器2g采集的大臂肌电信号、小臂肌电传感器2h采集的小臂肌电信号、脚部肌电传感器2i采集的脚部肌电信号和手指肌电传感器2j采集的手指肌电信号中的至少一种生成投篮动作对应的肌肉特征集。优选地,采集到的肌电信号需要进行一次放大、过滤和二次放大处理,以选择出合理频率范围内的肌电信号。例如,在本实施例中,上述肌电传感器采集到的肌电信号向通过一次放大器放大后在经过带通滤波器进行过滤,选出的肌电信号在20hz~200hz之间,再通过陷波滤波器滤除55hz~65hz的信号。将选出的信号在经过二次放大器放大后,通过数模转换器转换成数字信号。中央处理器3对该优选出的数字信号可以进行时域分析和频域分析。然后便能识别投篮动作使用的肌群、肌群的发力大小、发力顺序和发力方式。
一个投篮动作可能会被中央处理器3识别出两个及以上的投篮姿态,这种情况下,需要对该投篮动作进行进一步的确认和分析,以防止***出现的偏差导致的运动数据的偏差,从而有效地提高***的正确性、可靠性和科学性。优选地,该***还包括图像采集器7。在中央处理器3识别出一个投篮动作具有至少两个投篮姿态的情况下,图像采集器7响应于运动员/教练员的指令以将图像信息通过有线和/或无线的方式传递至中央处理器3,中央处理器3以画面的形式呈现出图像信息,中央处理器3依据运动员/教练员对图像信息的分析从至少两个投篮姿态中确定出投篮动作的其中一个投篮姿态,用于从肌电标准库5中检索出与该投篮姿态相互匹配的肌肉记忆集。例如,在某一投篮动作完成后中央处理器3生成了撤步跳投和急停跳投两个投篮姿态,运动员通过图像采集器采集的图像信息判定后,在撤步跳投和急停跳投中选择其中一个作为该投篮动作的姿态进行偏差分析,这样更有利于运动员技术细节的把控,更利于其技术的熟练和进步。
优选地,图像采集器7还用于采集篮球的运动姿态。篮球的运动姿态包括运行轨迹、运行速度和旋转姿态。结合篮球反馈的篮球运动状态信息、臂套反馈投篮时手臂的投篮动作、篮框反馈的命中率,进而得出投篮动作与篮球运动状态、命中率的投篮关联数据找出投篮关联数据与投篮动作模型的差异项,并进行反馈,得到训练数据;其中,所述的篮球运动状态信息包括投射轨迹、飞行速度、转速、出手角度;投篮动作包括肌肉发力大小、发力先后顺序、手臂与手指的姿势、手臂的动作轨迹。用以分析球员进行投篮练习运动中的连贯姿势与肌肉效能,并给予姿势矫正与肌肉发力建议。
实施例2
本实施例提供一种投篮训练方法。本方法与实施例1提供的投篮训练***至少能够部分地相互补充说明。具体地,该方法包括:
S1:信号采集,包括姿态传感器1采集的运动员在投篮时的姿态信号,肌电传感器2采集运动员在投篮时的肌电信号;
S2:姿态信号处理,中央处理器3对姿态传感器1采集的运动员在投篮时的姿态信号进行处理并与姿态标准库4中的投篮标准姿态进行对比以生成至少一种投篮姿态;
S3:中央处理器3从肌电标准库5中检索出与投篮姿态相互匹配的肌肉记忆集;
S4:中央处理器3对与投篮姿态对应的肌电传感器2采集的肌电信号进行处理提取肌肉特征集并与肌肉记忆集对比,
S5:在肌肉特征集与肌肉记忆集存在偏差的情况下,中央处理器3将偏差传递至提示模块6,
S6:运动员能够在完成一次或者一组训练的情况下能够从提示模块6中至少读取投篮姿态与肌肉特征集的对应关系以及肌肉特征集与肌肉记忆集的偏差关系。
优选地,肌肉记忆集包括投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,肌肉特征集包括投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式。中央处理器3在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。
实施例3
本实施例是作为实施例1和/或实施例2的补充。一方面,考虑到运动员,尤其是职业运动员,会在漫长的职业生涯中根据自身的特点对某一些投篮姿态做适当的改进,因此,标准姿态库4中的投篮标准姿态会做适当的调整;而另一方面,考虑到运动员或者篮球爱好者,在接触学习篮球的初期,经常会出现投篮姿态偏离标准姿态库4中的投篮标准姿态,以使得其投篮动作不能够被中央处理器3识别。为此,本实施例对该***或者方法做进一步地补充。
优选地,中央处理器3依据投篮动作不能在投篮标准姿态中生成投篮姿态的情况下会将投篮动作、投篮动作对应的采集的肌电信号、投篮动作对应的肌肉特征集生成差异项一并反馈至提示模块6。提示模块6将差异项与图像采集器7采集的投篮动作的图像信息整合为投篮动作的特殊集。
一方面,运动员会练习结合自身特点修正投篮动作,例如结合自身身高变化对定点跳投进行了改进,其肩部与身体的直线角度会发生变化,该部分变化是需要一定的时长适应和学习的,其对应的肌肉使用方法也会随之变化。优选地,在运动员/教练员确定特殊集属于合理训练范围时,中央处理器3基于运动员/教练员的指令将特殊集传递至深度学习模块8进行深度学习处理并将处理后的投篮动作对应的姿态传递至姿态标准库4存储以及将处理后的投篮动作对应的肌肉特征集传递至肌电标准库5存储。优选地,深度学习模块8是采用深度玻尔兹曼机、信念网络和卷积神经网络的算法。
另一方面,运动员的投篮动作在姿态标准库4中的标准投篮姿态不能够匹配出其对应的投篮姿态。优选地,在运动员/教练员确定特殊集不属于合理训练范围时,中央处理器3能够将特殊集传输至经验库9存储。经验库9可以是ROM或者RAM。
需要注意的是,上述具体实施例是示例性的,本领域技术人员可以在本发明公开内容的启发下想出各种解决方案,而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白,本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (8)
1.一种投篮训练***,至少包括:
姿态传感器(1),用于采集运动员在投篮时的姿态信号;
肌电传感器(2),用于采集所述运动员在投篮时的肌电信号;
中央处理器(3),分别与所述姿态传感器(1)和所述肌电传感器(2)通信连接;
其特征在于,
在进行投篮训练时,所述中央处理器(3)对所述姿态信号进行处理并与姿态标准库(4)中的投篮标准姿态进行对比以生成至少一种投篮姿态,所述中央处理器(3)从肌电标准库(5)中检索出与所述投篮姿态相互匹配的肌肉记忆集,
所述中央处理器(3)对与所述投篮姿态对应的所述肌电信号进行处理提取肌肉特征集并与所述肌肉记忆集对比,在所述肌肉特征集与所述肌肉记忆集存在偏差的情况下,所述中央处理器(3)将所述偏差传递至提示模块(6),以使得所述运动员能够在完成一次或者一组训练的情况下能够从所述提示模块(6)中至少读取所述投篮姿态与所述肌肉特征集的对应关系以及所述肌肉特征集与所述肌肉记忆集的偏差关系;
所述***还包括图像采集器(7),
在所述中央处理器(3)识别出一个投篮动作具有至少两个所述投篮姿态的情况下,所述图像采集器(7)响应于所述运动员/教练员的指令以将图像信息通过有线和/或无线的方式传递至所述中央处理器(3),所述中央处理器(3)以画面的形式呈现出所述图像信息,所述中央处理器(3)依据所述运动员/教练员对图像信息的分析从所述至少两个所述投篮姿态中确定出投篮动作的其中一个所述投篮姿态,用于从肌电标准库(5)中检索出与该投篮姿态相互匹配的肌肉记忆集;
所述图像采集器(7)还用于采集篮球的运动姿态;所述篮球的运动姿态包括运行轨迹、运行速度和旋转姿态;
所述姿态传感器(1)至少包括佩戴于所述运动员腕部的腕部姿态传感器(1a)、佩戴于所述运动员肘部的肘部姿态传感器(1b)、佩戴于所述运动员肩部的肩部姿态传感器(1c)、佩戴于所述运动员膝关节部的膝部姿态传感器(1d)和佩戴于所述运动员脚踝部的踝部姿态传感器(1e),
其中,所述投篮姿态是根据所述中央处理器(3)在连续时间段内对所述腕部姿态传感器(1a)采集到的腕部姿态信号、所述肘部姿态传感器(1b)采集的肘部姿态信号、所述肩部姿态传感器(1c)采集的肩部姿态信号、所述膝部姿态传感器(1d)采集的膝部姿态信号和所述踝部姿态传感器(1e)采集的踝部姿态信号处理后并与姿态标准库(4)中的投篮标准姿态对比后生成;
中央处理器(3)能够在一定运动时间内的获得至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态。
2.如权利要求1所述的***,其特征在于,所述肌肉记忆集包括所述投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,所述肌肉特征集包括所述投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式;
其中,所述中央处理器(3)在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对所述肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。
3.如权利要求2所述的***,其特征在于,所述中央处理器(3)能够在所述时间段内基于所述腕部姿态信号获取至少一个腕部的投篮姿态、基于所述肘部姿态信号获取至少一个肘部的投篮姿态、基于所述肩部姿态信号获取至少一个肩部的投篮姿态、基于所述膝部姿态信号获取至少一个膝部的投篮姿态和基于所述踝部姿态信号获取至少一个踝部的投篮姿态;
其中,所述中央处理器(3)对所述时间段内的至少一个手臂的投篮姿态、至少一个肘部的投篮姿态、至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态进行逻辑和运算获取投篮姿态。
4.如权利要求3所述的***,其特征在于,所述肌电传感器(2)包括佩戴于所述运动员小腿肌群的小腿肌电传感器(2a)、佩戴于所述运动员大腿肌群的大腿肌电传感器(2b)、佩戴于所述运动员臀部肌群的臀部肌电传感器(2c)、佩戴于所述运动员腰腹部肌群的腰腹部肌电传感器(2d)、佩戴于所述运动员背部肌群的背部肌电传感器(2e)、佩戴于所述运动员肩部肌群的肩部肌电传感器(2f)、佩戴于所述运动员大臂肌群的大臂肌电传感器(2g)、佩戴于所述运动员小臂肌群的小臂肌电传感器(2h)、佩戴于所述运动员脚部肌群的脚部肌电传感器(2i)和佩戴于所述运动员手指的手指肌电传感器(2j)。
5.如权利要求4所述的***,其特征在于,所述中央处理器(3)能够基于所述小腿肌电传感器(2a)采集的小腿肌电信号、所述大腿肌电传感器(2b)采集的大腿肌电信号、所述臀部肌电传感器(2c)采集的臀部肌电信号、所述腰腹部肌电传感器(2d)采集的腰腹部肌电信号、所述背部肌电传感器(2e)采集的背部肌电信号、所述肩部肌电传感器(2f)采集的肩部肌电信号、所述大臂肌电传感器(2g)采集的大臂肌电信号、所述小臂肌电传感器(2h)采集的小臂肌电信号、所述脚部肌电传感器(2i)采集的脚部肌电信号和所述手指肌电传感器(2j)采集的手指肌电信号中的至少一种生成所述投篮动作对应的所述肌肉特征集。
6.如权利要求5所述的***,其特征在于,在所述中央处理器(3)依据所述投篮动作不能在所述投篮标准姿态中生成投篮姿态的情况下会将所述投篮动作、所述投篮动作对应的采集的所述肌电信号、所述投篮动作对应的所述肌肉特征集生成差异项一并反馈至所述提示模块(6),
所述提示模块(6)将所述差异项与所述图像采集器(7)采集的所述投篮动作的图像信息整合为所述投篮动作的特殊集;
在所述运动员/教练员确定所述特殊集属于合理训练范围时,所述中央处理器(3)基于所述运动员/所述教练员的指令将所述特殊集传递至深度学习模块(8)进行深度学习处理并将处理后的所述投篮动作对应的姿态传递至所述姿态标准库(4)存储以及将处理后的所述投篮动作对应的肌肉特征集传递至所述肌电标准库(5)存储;
在所述运动员/教练员确定所述特殊集不属于合理训练范围时,所述中央处理器(3)能够将所述特殊集传输至经验库(9)存储。
7.一种投篮训练方法,其特征在于,所述方法包括:
在进行投篮训练时,中央处理器(3)对姿态传感器(1)采集的运动员在投篮时的姿态信号进行处理并与姿态标准库(4)中的投篮标准姿态进行对比以生成至少一种投篮姿态,所述中央处理器(3)从肌电标准库(5)中检索出与所述投篮姿态相互匹配的肌肉记忆集;
所述中央处理器(3)对与所述投篮姿态对应的肌电传感器(2)采集的肌电信号进行处理提取肌肉特征集并与所述肌肉记忆集对比,在所述肌肉特征集与所述肌肉记忆集存在偏差的情况下,所述中央处理器(3)将所述偏差传递至提示模块(6),以使得所述运动员能够在完成一次或者一组训练的情况下能够从所述提示模块(6)中至少读取所述投篮姿态与所述肌肉特征集的对应关系以及所述肌肉特征集与所述肌肉记忆集的偏差关系;
在所述中央处理器(3)识别出一个投篮动作具有至少两个所述投篮姿态的情况下,图像采集器(7)响应于所述运动员/教练员的指令以将图像信息通过有线和/或无线的方式传递至所述中央处理器(3),所述中央处理器(3)以画面的形式呈现出所述图像信息,所述中央处理器(3)依据所述运动员/教练员对图像信息的分析从所述至少两个所述投篮姿态中确定出投篮动作的其中一个所述投篮姿态,用于从肌电标准库(5)中检索出与该投篮姿态相互匹配的肌肉记忆集;
所述图像采集器(7)还用于采集篮球的运动姿态;所述篮球的运动姿态包括运行轨迹、运行速度和旋转姿态;
所述姿态传感器(1)至少包括佩戴于所述运动员腕部的腕部姿态传感器(1a)、佩戴于所述运动员肘部的肘部姿态传感器(1b)、佩戴于所述运动员肩部的肩部姿态传感器(1c)、佩戴于所述运动员膝关节部的膝部姿态传感器(1d)和佩戴于所述运动员脚踝部的踝部姿态传感器(1e),
其中,所述投篮姿态是根据所述中央处理器(3)在连续时间段内对所述腕部姿态传感器(1a)采集到的腕部姿态信号、所述肘部姿态传感器(1b)采集的肘部姿态信号、所述肩部姿态传感器(1c)采集的肩部姿态信号、所述膝部姿态传感器(1d)采集的膝部姿态信号和所述踝部姿态传感器(1e)采集的踝部姿态信号处理后并与姿态标准库(4)中的投篮标准姿态对比后生成;
中央处理器(3)能够在一定运动时间内的获得至少一个腕部的投篮姿态、至少一个肩部的投篮姿态、至少一个膝部的投篮姿态和至少一个踝部的投篮姿态。
8.如权利要求7所述的方法,其特征在于,所述肌肉记忆集包括所述投篮姿态对应的合理肌群、肌群合理发力顺序、肌群合理发力数值和肌群合理发力方式,所述肌肉特征集包括所述投篮姿态对应的使用肌群、肌群使用发力顺序、肌群使用发力数值和肌群使用发力方式;
其中,所述中央处理器(3)在识别出一次投篮动作完成的情况下按照以合理肌群为标准分析使用肌群、以肌群合理发力顺序为标准分析肌群使用发力顺序、以肌群合理发力数值为标准分析肌群使用发力数值和以肌群合理发力方式分析肌群使用发力的方式对所述肌肉特征集进行偏差分析,并且能够生成肌群使用错误、肌群发力顺序错误、肌群发力数值不在阈值以内以及肌群发力方式错误中的至少一种偏差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217032.XA CN109731316B (zh) | 2019-03-21 | 2019-03-21 | 一种投篮训练*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910217032.XA CN109731316B (zh) | 2019-03-21 | 2019-03-21 | 一种投篮训练*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109731316A CN109731316A (zh) | 2019-05-10 |
CN109731316B true CN109731316B (zh) | 2021-05-28 |
Family
ID=66371062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910217032.XA Active CN109731316B (zh) | 2019-03-21 | 2019-03-21 | 一种投篮训练*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109731316B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022018938A1 (ja) * | 2020-07-20 | 2022-01-27 | 株式会社村田製作所 | 運動支援装置、および、運動支援方法 |
CN113303764B (zh) * | 2021-05-25 | 2022-11-01 | 上海博灵机器人科技有限责任公司 | 一种检测感兴趣对象的肌肉健康状态的*** |
CN113517052A (zh) * | 2021-06-16 | 2021-10-19 | 上海大学 | 商用健身场景下的多感知人机交互***与方法 |
CN113420715B (zh) * | 2021-07-15 | 2023-03-24 | 临沂大学 | 一种基于工业相机的篮球运动员动作捕捉分析装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103691118B (zh) * | 2013-12-17 | 2016-01-06 | 大连海洋大学 | 投篮姿势训练器 |
CN105181998B (zh) * | 2015-08-03 | 2018-10-26 | 简极科技有限公司 | 一种检测投篮时手臂的semg与动作轨迹的方法 |
CN105107178B (zh) * | 2015-08-03 | 2017-10-31 | 简极科技有限公司 | 一种投篮动作训练方法 |
CN105920818B (zh) * | 2016-05-17 | 2017-12-29 | 常州大学 | 一种投篮训练***和方法 |
CN206434813U (zh) * | 2017-01-13 | 2017-08-25 | 郑州大学 | 一种投篮矫正辅助*** |
JP2018191965A (ja) * | 2017-05-17 | 2018-12-06 | 祐次 廣田 | Aiドローン解析システム |
CN107315479B (zh) * | 2017-07-06 | 2020-04-24 | 哈尔滨工业大学 | 基于激光投影的肌电实时操作装置 |
-
2019
- 2019-03-21 CN CN201910217032.XA patent/CN109731316B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109731316A (zh) | 2019-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109731316B (zh) | 一种投篮训练*** | |
Rana et al. | Wearable sensors for real-time kinematics analysis in sports: A review | |
US10352962B2 (en) | Systems and methods for real-time data quantification, acquisition, analysis and feedback | |
US10089763B2 (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 | |
US10463909B2 (en) | System and method for using performance signatures | |
US20160249832A1 (en) | Activity Classification Based on Classification of Repetition Regions | |
CN104126185A (zh) | 疲劳指数及其用途 | |
US11185736B2 (en) | Systems and methods for wearable devices that determine balance indices | |
US20210308523A1 (en) | Methods and systems for bicycle fitting | |
CN110477924B (zh) | 适应性运动姿态感测***与方法 | |
CN109718524B (zh) | 一种基于位置的投篮训练*** | |
US20240221427A1 (en) | Physical activity measurement and analysis | |
CN117109567A (zh) | 用于动感单车运动的骑行姿态监测方法、***以及穿戴式骑行姿态监测设备 | |
KR20160121460A (ko) | 피트니스 모니터링 시스템 | |
US20230140585A1 (en) | Multiple sensor-fusing based interactive training system and multiple sensor-fusing based interactive training method | |
US11317824B1 (en) | System and method for identifying breathing patterns during running and other applications | |
TWI823561B (zh) | 多模感知協同訓練系統及多模感知協同訓練方法 | |
TWI784243B (zh) | 跆拳道品勢動作偵測與比對方法 | |
CN116236187A (zh) | 生物力学评价***、其生物力学传感装置及生物力学评价平台 | |
IL291425A (en) | A wearable device for measuring accuracy in physical activity and a method therefor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |