2019.3运动手环识别篮球运球手势的算法工作进度

问题描述：

由加速度传感器和陀螺仪采集的数据保存格式为N行7列的txt文件，前三列分别为xyz轴的加速度，后四列分别为四元数。采样时间间隔相等。

采集的数据为高手运球（high）30个、低手（low）30个、双手交替运球（cross）30个、直线运球（line）20个、体前双手交替运球（front）20个，原地快速（fast）运球200个左右。

数据预处理：

1、根据加速度和四元数，可以求出当前时刻对应的总价速度、xyz轴的重力分量、手臂和水平面的夹角角度（如下图）

2、寻峰算法找到各个动作的峰值，标上红点

3、尝试手动分割了三个人的数据，分为六类运动模式：高手、低手、交叉、直线、体前、快速，然后打上lable。使用KNN、DT、GNB、SVM分类器分出来准确率只有25…

样本还是太少了，但是每个人的样本数据差距好大啊，作动作的大小、速度都不一样。而且样本数据的格式也不是很对，比如100行数据表示一个动作，现在这100行每行都打上lable为1，打100个lable肯定是不准确的；但如果把一百行数据放在一个数组里再打lable，又会因为每个人的一个动作长度不一定是100行导致样本数组大小不一样，也不行……

4、篮球数据用手臂夹角数据和总加速度求方差、四分位数、变异系数、最大值等，观察发现：手臂夹角数据中直线运球的方差最大，快速运球方差最小，可以作为分类特征加入训练样本数据。其他特征似乎参考价值不大？ 但是方差是一百个采样点算出来的一个数据，采样数据一百行才有一个方差，要是想把方差和原始数据都作为训练样本怎么把他们融合到一起呢？