Автоматическая классификация подприёмов в классическом лыжном ходе с использованием алгоритма машинного обучения на основе данных микросенсоров

Автоматическая классификация подприёмов в классическом лыжном ходе открывает уникальные возможности для анализа биомеханических аспектов катания на лыжах в естественных условиях. Это стало возможным благодаря миниатюризации и гибкости носимых инерциальных измерительных модулей (IMU), позволяющих исследователям перенести лабораторию в полевые условия. В настоящем исследовании мы стремились повысить точность автоматической классификации подприёмов классического лыжного хода с помощью двух IMU, закреплённых на руке и груди лыжника, в сочетании с алгоритмом машинного обучения. Новизна предложенного подхода заключается в надёжном выявлении отдельных циклов с использованием гироскопа, установленного на руке лыжника, тогда как нейросетевой алгоритм машинного обучения устойчиво классифицирует каждый цикл по подприёму на основе данных акселерометра, установленного на груди. В исследовании 24 набора данных от 10 различных участников были разделены на обучающую, валидационную и тестовую выборки. Общая точность классификации на тестовых данных составила 93,9%. Кроме того, мы показываем, как точную классификацию подприёмов можно объединить с данными стандартного спортивного оборудования, включая системы измерения положения, высоты, скорости и частоты сердечных сокращений. Объединение этой информации может дать новые сведения о физиологических и биомеханических аспектах, представляющих ценность для тренеров, спортсменов и исследователей.