跑步是一种很好的保持健康和放松的运动方式,但是由于缺乏必要的跑前热身活动,许多跑步爱好者会在跑步中受伤,例如韧带拉伤、关节受损等。随着智能手机的普及,受越来越多的跑步爱好者会在跑步时将手机用专门的跑步手机臂包带在身上这一现象启发,我们设计了一个全新的、基于手机传感器的热身阶段检测系统iRun,用来提醒跑步者做跑前热身活动。iRun在硬件上主要基于目前的智能手机普遍内嵌的加速度传感器和智能手机强大的数据处理能力,它的核心模块是热身动作的识别。为了达到这个目标,我们首先设定了一个热身动作集合,然后招募不同身高、不同体重、不同运动习惯的志愿者采集数据,并全部按照自己的理解做相应动作,之后参考已有的人体动作识别方案,提取合适的、能够体现热身动作差异性的特征组成特征向量。通过仔细地设计包含多个域(时域、频域等)的特征向量,并通过一些列实验来决定滑动窗口的大小、选择合适的分类器,我们最终达到了平均92.2%的正阳率(TP rate)来将每个热身动作从跑步、走路、上下台阶等日常动作检测出来。虽然依赖特征向量的动作识别实验结果已经较好,但是由于上述方法步骤严重依赖特征向量的设计,而提取合适特征并没有有效的理论指导,因此想要继续提升实验效果难度很大。受当下优秀的神经网络研究成果的启发,我们设计了基于循环神经网络(Recurrent Neural Network:RNN)和卷积神经网络(Convolutional NeuralNetwork:CNN)的数据处理流程,通过实验调整参数,各个热身动作的测试准确率都高达95.0%以上。本文的主要内容和贡献如下:1.我们收集整理了一组简单有效的日常热身动作,这组动作对于普通的跑步者,尤其是非专业运动员,非常常见、简单且有效;其他的人体动作识别方案一般需要特殊的可穿戴式设备,但我们的系统主要基于普及度很高的智能手机,因此我们的方案有利于快速、大规模的普及;2.为了识别各个热身动作,我们从时域、频域等维度提取了一系列非常具有区分度的特征组成特征向量,大部分特征所需计算量较小,这就保证了我们可以准确、实时地处理数据,并最终采用随机森林作为分类器;3.为了得到更好的实验结果,我们设计了基于循环神经网络和卷积神经网络的数据处理流程。其中,基于循环神经网络的数据处理流程具有更强的鲁棒性并且参数也相对较少,但基于卷积神经网络的方案可以得到更高的准确率。