文献类型：期刊文章

作　　者：周丙涛[1] 向勉[1] 汪涛[1] 陈世强[1] 金浩[1]

Zhou Bingtao;Xiang Mian;Wang Tao;Chen Shiqiang;Jin Hao(School of Advanced Materials and Mechatronic Engineering,Hubei Minzu University,Enshi 445000,China)

机构地区：[1]湖北民族大学新材料与机电工程学院,恩施445000

出　　处：《仪器仪表学报》

基　　金：恩施州科技计划项目(2019001062);湖北民族大学高水平科研成果校内培育项目(PY21022);2021年大学生创新创业训练计划项目(X202110517262);超轻弹性体材料绿色制造重点实验室2021年度开放基金项目(PT092107);超轻弹性体材料绿色制造重点实验室2020年度开放基金项目(PT092009)资助。

年　　份：2021

卷　　号：42

期　　号：12

起止页码：110-117

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：深蹲被称为力量训练之王,但不正确的姿势会对人体产生不可逆转的伤害。提出了一种利用足底压力来检测常见不正确的蹲姿的方法。使用带8个压力传感器的鞋垫收集了1组正确蹲姿和4组常见错误蹲姿的数据,提出了对这些连续蹲姿数据进行分割的算法,并对压力云图进行了分析。然后设计了3组深度神经网络作为分类器,分别是引入注意力机制的长短期记忆网络(att-LSTM)、长短期记忆网络(LSTM)和卷积神经网络(CNN)。实验结果表明,3组模型的测试准确率分别为90.2%、83.0%和79.8%。结果表明,采用引入注意力机制的LSTM作为分类算法是一种有效的蹲姿检测方法。

关 键 词：深蹲 长短期记忆网络  注意力机制  压力云图  

分 类 号：TH823[仪器类] TP391.4]