[经验分享] 【羽毛球训练监测器项目】--主功能实现

上周，终于网络答辩结束了，正式的从一名研究生变成一只社畜，开启新的居家隔离生活。。。是的，“炸酱面”村被新冠袭击了，原计划24号返校领证的我们，又只能在家里苟这….

 

正好这几天可以静下心来，完成我的“羽毛球训练监测器”项目。前期其实已经对FSM和MLC都有了基本的了解和尝试了，我寻思着用一两天先用开发板将主要功能实现一遍，然后结合起来完结项目，撒花~

       然而，当我按照之前的认知开始项目的数据采集训练测试时，才发现，我并没有理解MLC如何使用….

 

以下是本帖正文。

 

首先，我先放一段今天的一段识别的视频，经过n多次的采集、测试，成功率终于较为稳定了：

从视频中可以看到，本人拿着绑好开发板的羽毛球拍挥拍时，Unico的data界面下的MLC可以正确的识别出我当前的挥拍动作，比如 从上向前挥动会出现12，从下向前挥动会出现4，从左边向前挥动会出现8，说明项目的主要功能已经可以实现了~只是稳定性稍差，但这个稳定性跟MLC的执行原理有关系，我的手已经挥废了。。

 

接下来，我将从采集数据开始分享下以上功能实现的过程，在此过程中，我也是逐步的重新认识了下MLC这个模块。

 

我的项目目的是监测挥动羽毛球拍的动作，在帖子中我简单的介绍了下挥动的分类。

 

在最开始的时候，我用Unico的Polts界面初步分析了挥动羽毛球拍所需要的传感器范围参数。

也就是在挥动过程中，数据不要出现失真，采样频率够用。

然后基于上面的指标，我最后确定了一组参数：

• 加速度计分辨率：8G
• 加速度计输出频率: 104Hz
• 角速度计分辨率：1000dps
• 角速度计输出频率：104Hz

 

于是基于以上参数，我开始收集动作数据。

-----------------------------这部分存在问题，仅仅为分享记录，请不要参考--------------------------------------------------

最开始根据我之前写的帖子中的采集方法收集了一个小时的数据，后来又多次重复收集数据，挥动我手都快断了：

挥拍动作我保留了三个：从下向前挥动，从上向前扣杀，从左向前回击。每种动作我分别采集了25+个数据集，并且用我之前写的小工具，对数据集进行了区域剪切，去掉了数据中动作前后的空闲段。然后依次导入到Unico的MLC界面中，像这样：

终于，导入完了所有数据之后，开始configuration MLC的参数，一切都是按照之前的方法进行，设置好了前面的参数：（界面中软件版本是9.8.1.0，貌似支持批量导入，但是我没搞能用）

 

在导出训练文件的时候，出现了问题….软件闪退了！！！前面导入的数据记录全没了，于是我又重新尝试了两三遍，软件退回9.7.1.0也测试了几遍，一天就这么过去了….我曾一度怀疑是我参数设置问题，或者新版软件的bug，或者数据集采集的问题。。。

最后，在我即将饿不下去想吃晚上的午饭时，偷了个懒，发现导入少量的数据后，是可以生成训练文件的，这说明….我那接近八十个数据集太多了…导致软件崩溃了。。。。额，说好的机器学习训练呢，，，数据集不得多来点么。。。

 

-----------------------------失败测试结果的结束分割线-----------------------------------------------------

在吃过晚饭后，我重新梳理了下思路。在经过对官方教程二度阅读后发现，官方教程中三个动作，一共就仨数据集？？

而且在采集数据的界面下可以看到，基本上就是一个动作重复在做很多次：

 

这时，想到后面要设置的窗口宽度参数，突然明白了。 

 

之前一直受限于研究生课题的深度网络思维，训练集用损失来训练网络权重…那就需要大量的数据集进行演算。而MLC是机器学习啊，它通过数据统计的方法，总结出动作的特征值特点，从而实现分类操作。。。

 

也就是说，我们采集的数据集中包含大量同一动作的重复数据，并且每个动作的数据量正好在窗口宽度范围左右，那么这样，Unico就可以根据窗口宽度自动分割数据集区间，计算统计特征值了。这也就解释了为啥官方教程中提示的：要注意正确的启动和停止数据日志，必须要start之前动作，动作完成前stop了，这样滑动窗口才不会因此而错位，计算错误的数据。

 

 

那这么来看，我前面做的数据集和写的训练方法都是存在问题得了。

 

于是我重新收集了数据，在一个数据集中多次按照同一动作挥动拍子，这样就收集到了一份新的数据集。（虽然前面写的训练方法是有误的，但是我写的那个小工具还是可以在这个时候，对数据集的前后进行处理的~）

 

可以看到，采集并且通过处理的数据波形如图所示：

其中包含了25次动作，每个动作占用了70左右的采样次数，那么之后的窗口宽度就可以设置到这个值附近了。

 

收集好多个动作的数据集后，依次导入到Unico的MLC中

 

上图中为导入后的样子，其中down是从下向前挥拍，left为从左向前挥拍，up是从上向前挥拍，stand是没动作的时候，那么接下来就可以设置参数了。

 

 

 

在特征参数这里，他的目的是通过所选的特征值来寻找统计出不同动作间的差异，所以特征值参数可以先把能选的都选了，然后用weka统计一遍，最后生成的决策树中会显示只用到了那些特征值，然后再重新设置一遍configuration，这样的目的主要是传感器内存有限，这里特征值选择多了，会占用内存，所以适量就好~

然后点下一步，保存arff文件，并设置下results，官方说明中建议是4的倍数，为了后面的元过滤器，但是我试了1234也是可以的，主要是后面的元过滤器没搞懂他的作用是啥。。

 

 

接下来打开刚刚生成arff文件，并按照帖子中的方法来生成决策树即可。

得到决策树的文件：

 

 

就可以生成配置文件了

 

 

保存了配置文件后，在unico中导入ucf文件，MLC模块就启动成功了。

 

 

然后在data界面中就可以看到执行不同动作时的输出效果了~

 

尽管识别的效率一般，但也是基本实现了MLC识别挥拍动作的功能….

 

至此，我的项目.....哦 不，左手已经出水泡了。。

恭喜进入开始没有寒暑假的生活，哈哈哈。