PLAUKIMO STILIŲ ATPAŽINIMO TAIKANT MAŽOS GALIOS ĮTERPTINES SISTEMAS ALGORITMŲ TYRIMAS

Ištrauka

PLAUKIMO STILIŲ ATPAŽINIMO TAIKANT MAŽOS GALIOS ĮTERPTINES SISTEMAS ALGORITMŲ TYRIMAS
Baigiamasis magistro darbas

TURINYS
Įvadas 10
Darbo aktualumas ir tikslas 10
Tyrimų objektas 10
Darbo uždaviniai 10
Naudoti tyrimo ir analizės metodai 11
Darbo naujumas ir praktinė nauda 11
Darbo struktūra 11
1. Plaukimo stilių atpažinimo analitinė apžvalga 12
1.1. Atsitiktinis miškas 12
1.2. Rekurentiniai neuroniniai tinklai 13
LSTM 13
1.3. Sąsūkos neuroniniai tinklai 14
1.4. Skyriaus apibendrinimas 16
2. Pasiruošimas eksperimentiniams tyrimams 17
2.1. Duomenų surinkimas 17
2.2. Duomenų analizė 18
Jutiklių signalai 18
Vaizdo įrašai 21
2.3. Sistemos struktūra 23
2.4. Procesorių pasirinkimas 23
2.5. Programiniai įrankiai 24
2.6. Skyriaus apibendrinimas 24
3. Metodų tikslumo ir greitaveikos eksperimentiniai tyrimai 25
3.1. Duomenų rinkinio paruošimas 25
Duomenų žymėjimas 25
Požymiai 27
3.2. Eksperimentiniai tyrimai 29
Duomenų imties skirtos požymiams skaičiuoti eksperimentinis tyrimas 30
Klasių tolygumo duomenų rinkinyje svarbos eksperimentinis tyrimas 31
Plaukimo grybšnių klasifikavimo eksperimentinis tyrimas 33
Plaukimo grybšnių atpažinimo eksperimentinis tyrimas 34
Vieno metodo sistemos eksperimentinis tyrimas 36
Greitaveikos eksperimentiniai tyrimai ir jų analizė 37
Metodų palyginimas 40
3.3. Eksperimentinių tyrimų apibendrinimas 41
4. Metodų sistemos integravimas įterptinėje sistemoje 42
4.1. Metodo požymių optimizavimas 42
4.2. Metodo integravimas į įterptinę sistemą 43
Mikrovaldiklis 43
Integravimas 43
4.3. Rezultatai 44
4.4. Skyriaus apibendrinimas 46
Apibendrinimas. Išvados 47
Literatūra 48

ĮVADAS
Darbo aktualumas ir tikslas
Žmogaus veiklos atpažinimas, naudojant dirbtinio intelekto technologijas, yra sparčiai
besivystanti sritis, turinti platų pritaikymą sporte, kasdienio gyvenimo ir sveikatos priežiūros
sferose (Ariza-Colpas et al., 2022; Kumari et al., 2017). Specialistai, naudodami tokias
technologijas, gali objektyviai stebėti ir analizuoti žmogaus judesius. Tai naudinga skatinant
reguliarų fizinį aktyvumą, vertinant individualų žmogaus kūno rengybos lygį, stebint reabilitacijos
pažangą ar aptinkant nenormalius judėjimo modelius, rodančių sveikatos problemas.
Žmogaus veiklos atpažinimo taikymas išaugo dėl bendro visuomenės susirūpinimo sveika
gyvensena (Louise Wylie, 2024) ir dirbtinio intelekto technologijų tobulėjimo (Ariza-Colpas et al.,
2022). Dėl išmaniųjų įrenginių (telefonų ir laikrodžių) paplitimo (Kumari et al., 2017) belaidžiai
nešiojamieji jutikliai tapo itin lengvai pasiekiami ir plačiai prieinami visuomenei, todėl žmogaus
veiklos atpažinimo technologija vis dažniau tampa prieinama individualiems vartotojams.
Šiame darbe tiriama viena iš žmogaus veiklos atpažinimo šakų – plaukimo stilių
identifikavimas. Automatinis plaukimo stilių atpažinimo metodas yra svarbus tiek profesionalams,
tiek plaukimo entuziastams, siekiantiems tobulinti savo techniką ir įgūdžius. Praktikoje jau taikomi
plaukimo stiliaus atpažinimo metodai yra efektyvūs, tačiau dažnai naudoja nepatogią ar nepraktišką
įrangą, kuri gali suteikti atgalinį ryšį tik plaukikui sustojus ir patikrinus išmaniojo įrenginio ekraną.
Alternatyvus metodas galėtų naudoti mažos galios įrenginį, integruotą plaukiko akiniuose ir teikti
atgalinį ryšį realiuoju laiku, naudodamas spalvotą švieselę. Pagrindinis iššūkis įgyvendinant tokią
sistemą – užtikrinti efektyvų ir ilgalaikį jos veikimą su nedideliu aparatinės įrangos resursų kiekiu.
Šio tyrimo tikslas – rasti tikslumo ir greitaveikos aspektais optimalų intelektualųjį metodą,
galintį atpažinti plaukimo grybšnius ir plaukimo stilius, ir šį metodą pritaikyti mažos galios
įterptinėje sistemoje.
Tyrimų objektas
Tyrimų objektas – intelektualieji metodai plaukimo stilių grybšniams aptikti ir klasifikuoti
mažos galios įterptinėse sistemose. Darbe tiriamas intelektualiųjų metodų tikslumas ir greitaveika.
Darbo uždaviniai
1.Atlikti jau egzistuojančių metodų, galinčių atpažinti plaukimo stilius, analizę. Įvertinti jų
privalumus, trūkumus ir tinkamumą mažos galios įterptinėms sistemoms.
2.Surinkti ir paruošti duomenų rinkinį, kurį naudojant būtų apmokomi intelektualieji metodai.