动捕设备判断不良姿势训练行为数据

瑜伽或者健美操对身体形态的改善有很好的效果，但是不规范的动作可能会产生众多负面作用。通过惯性动作捕捉设备捕捉瑜伽或健美操练习者的姿势，帮助练习者更准确地执行相关动作，结合智能优化算法，实现对操作者的实时反馈、姿势分析、进展跟踪和准确检测。本项目通过结合惯性动作捕捉设备（3DSuit Motion Capyure System），实现对作业过程中肢体三维动作的行为数据的收集与分析。我们使用鲸鱼优化算法优化支持向量机分类算法（WOA-SVM）中的超参数（惩罚参数C和核函数系数gamma）来实现训练方案的生成。在这个过程中，首先对收集到的数据进行逆运动学处理得到三维坐标，通过REBA标准对操作姿势进行量化分析，最终，得到用于WOA-RF训练的数据集，利用标注数据对随机森林模型进行训练，并通过交叉验证等方法评估模型的准确性和泛化能力。根据模型训练和测试结果，对模型参数进行优化调整，以提高模型的预测能力，得出多个指标（如预测分数、正确率、召回率等）。在此过程中，我们建立了一个动捕数据库，招募了不同性别、年龄的受试者作为数据样本，采集了他们的操作行为学数据。数据包括：1.生成的bvh文件workpose.bvh；2.借助bvh-converter库得到三维坐标点workpose_worldpos.csv；3.参照REBA标准得到的训练数据workpose.csv。