運動訓練系統

站在可用的系統開發觀點^, 近幾年^,隨著行動運算裝置的盛行^,資料收集處理裝置變得更輕巧

與可攜_{, [14]} 這篇論文即是由行動裝置^Android 智慧型手機與便宜的體感測元件來呈現高爾夫

球推桿的分析^,分割推桿或揮桿的資料^,並辨別職業與業餘選手的不同 ^,但資料的分析卻沒有 描述的那麼豐富 。 雖然行動運算裝置限制在儲存空間 、 處理能力和電池的續航力^,雲端運算以 豐富的互補資源將提供使用者進行複雜的運算 ^{[15] ,} 這種互補的方式^,形成一個巧妙的組合 。 總結以上的論文^, 我們將呈現一個^mobile 的自我訓練系統運用體感測網路的技術與行動運算 平台來分析高爾夫球揮桿的身體動態 。 對於目前我們的研究有幾個限制_:

• 因為高爾夫球員通常有屬於自己的球桿^,因此要使用自己的球桿必須附著我們的感測模 組^,在未來希望改測模組能變得更小放便移植 。

• 雖然現今感測器變得微型化 ^,但高爾夫球者穿戴感測器於手臂或膝蓋還是會不太方便 ^,在 [16] 這篇論文提到一些感測器已能嵌入至智慧型_{T-shirt ,}這項發明或許也適合於可穿式 的體感測網路應用 。

• 為了更豐富的資訊收集與分析運算^,比起一個離線的本地系統 ^,本論文目前更偏向增加 無線網路的需求存取雲端伺服器的服務^,這樣的設計亦可減少本地的行動裝置端在運算 上的負擔 。

三 、 系統設計

在這裡將會提出一個可攜式的初學者導向訓練系統 ;一個理想的訓練系統應該是不受環境所拘 束 、 隨時可以使用的設計 。另外在體感測網路部分的感測器選擇上^, 必須選擇輕量的感測器附 著穿戴在球桿桿頭及人體上 ^,雖然初學者對於桿身的重量不會太敏感^,但還是要避免使用過於 沉重的感測器^,以防本末倒置 ^,影響到學員的學習效率 。 本論文的體感測網路系由可穿戴的感 測器組成^, 揮桿資料將被上傳至雲端伺服器分析並備份 ^,也因此我們得以以此為基礎^,開發主 要運算集中於伺服器的專家系統^;伺服器強大的儲存能力更能保存學員的學習歷程做為之後調 閱之用^,甚至具有讓學員們相互交流比較^,往社群網路方向開發的潛力 。

3.1 系統架構

本論文預期提出一個高爾夫學習系統^,透過慣性感測元件即時偵測球具及球員的動作 ^,經過分 析後提供訓練者一個評判訓練成果好壞之依據與分享介面^,其中包括回饋的揮桿軌跡 、 有意義 的特徵值提供、 擊球的一致性與穩定性 ^,以及該次揮桿之修正建議等等 。

系統架構如圖_{1 ,} 行動裝置端用於進行資料收集與呈現 ^,雲端伺服器用於進行資料運算與儲 存; 伺服器端同樣也是高爾夫學習專家系統之所在。 以下分別以行動裝置(Mobile devices)和

雲端伺服器 (Cloud server) 兩個小章節個別說明其基本技術及結合成本系統之可行性 。

Mobile Device BSN

(Bluetooth )

Cloud

Data Sink 2

Show the performance and suggestions

4 Body Sensing

1 Cloud Server

3

圖_{1: iGolf}系統架構圖

行動裝置為我們提出用以收集資料的體感測網路架構的一部份^,其易於攜帶的特性也是我 們選擇它作為與伺服器溝通的媒介的原因之一^,本論文之實作部分以_C++ 視窗程式在行動裝 置上開發可攜式的前端使用者介面^,提供使用者簡易的操作環境 ^,同時作為一個資料收集端^,

配合後端 _{server ,}設計出一個以體感測網路為基礎的分散式系統 。 基於這個系統所提出的系統

流程為 :於人體及球具上穿戴感測器^,在一次揮桿後將收集到的體感數據經由藍芽傳輸集中於 資料收集端^, 再將資料上傳到雲端_server進行運算和儲存的處理 ^,並在前端提供一個顯示頁面 讓學員即時檢視資料分析結果。

3.1.1 體感測網路

為了收集感測資訊^,本論文實作中在使用者端建構了一個體感網路環境^,感測器的資訊收集與 傳輸部分則是選擇透過藍芽裝置進行與資料收集端之間的溝通^,而在系統設計中感測器透過藍 芽模組與裝置連線後^,便可彈性進行裝置的選擇^,可同時收集資訊之感測器數量目前暫定最多

三個^,理論上分別穿戴在學員的手腕和腰部^, 以及球桿桿頭上 。

另外在資料收集端也提供個人帳號的功能^,在設定與操作介面更能設定個人資訊如身高、 使用桿號等於開發期間做為使用者回饋資訊的欄位 ^,系統成熟後這些資料更可作為系統提供修 正建議之依據^,這些個人資訊會跟著揮桿資料上載到資料庫裡^,方便使用者日後查詢個人資料

。

資料收集端除了收集以外也負責整理感測資訊^, 將其輸出為一個固定格式的_*.csv 檔檔案 ,共有九個欄位 ^,分別為三軸加速度 、 角加速度以及磁力感測值^,另外除了基本的揮桿資訊之 外^, 使用者的個人資訊也夾帶在檔案中一併處理^,這些處理都是為了上傳後方便讓伺服器處理 ,在此時^,行動裝置亦做為一個和伺服器溝通之閘道^(gateway)使用 ;該檔案經由WiFi或_3G 上傳至伺服器儲存的上傳動作同時也會觸發伺服器端進行資料分析。

3.1.2 雲端服務

本論文中提到的演算法皆是實作在雲端伺服器上^, 雲端伺服器負責處理資料分析與資料儲存 ^, 亦是專家系統與資料庫之所在^,

資料庫中除了三軸加速度 、 角加速度及磁力感測值等經由感測器所測得的資訊之外^, 也存 放了個人資訊和分析過後的數據^, 包括揮桿軌跡、 速度等等 。 儲存的目的在於備份 、 資料累積 ,更實際的是這樣的設計讓系統得以提供使用者檢視歷史資料的窗口。

3.1.3 使用者介面

如同所有分析與資料儲存的工作交給雲端服務處理 ^,大部分的使用者介面也都實作在做為體感 測網路收集端的行動裝置上^,提供個人帳號 、 體感測網路連線設定 ^,以及資料收集等介面^,並 附加一些輕量的資料前置處理功能 。 另外亦有資料檢視介面^,本論文在實作上擇了_Web-based

介面^,結合 _html5與社群網站 _API 等技術^,提供使用者檢視揮桿成果的畫面 。