Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition using Wrist-Worn Inertial Sensors

要約

バスケットボールのトレーニング、訓練、ゲームの特定の設定に対して、手首に装着したセンサーから人間の身体活動を認識する方法を評価するためのベンチマーク データセットを紹介します。
バスケットボールの活動は手首に装着する慣性センサーによる測定に適しており、そのようなスポーツ関連の活動を検出できるシステムは、試合分析、ガイド付きトレーニング、個人の身体活動追跡などのアプリケーションに使用できる可能性があります。
このデータセットは、別々の国 (米国とドイツ) の 2 チーム、合計 24 人の選手が手首に慣性センサーを装着し、バスケットボールの反復トレーニング セッションとフル試合の両方で記録されました。
このデータセットの特別な特徴としては、データが 2 か国で記録されたため、ゲームのルールやスタイルにおける文化的な違いによる固有の差異や、参加者のバスケットボール経験の点で異質であるため、スポーツ スキル レベルの違いが挙げられます。
いくつかの時系列分析でデータセットの特徴を示し、2 つの最先端の深層学習アーキテクチャを使用したベースライン分類パフォーマンス調査について報告します。

要約(オリジナル)

We present a benchmark dataset for evaluating physical human activity recognition methods from wrist-worn sensors, for the specific setting of basketball training, drills, and games. Basketball activities lend themselves well for measurement by wrist-worn inertial sensors, and systems that are able to detect such sport-relevant activities could be used in applications toward game analysis, guided training, and personal physical activity tracking. The dataset was recorded for two teams from separate countries (USA and Germany) with a total of 24 players who wore an inertial sensor on their wrist, during both repetitive basketball training sessions and full games. Particular features of this dataset include an inherent variance through cultural differences in game rules and styles as the data was recorded in two countries, as well as different sport skill levels, since the participants were heterogeneous in terms of prior basketball experience. We illustrate the dataset’s features in several time-series analyses and report on a baseline classification performance study with two state-of-the-art deep learning architectures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google