Quali-Mat：使用压力感应运动垫评估体重锻炼的执行质量

虽然体育活动识别是移动、可穿戴和普适计算中一个被广泛研究的主题，但目前的工作主要集中在特定运动类型的识别和计数上。质量评估是一个更困难的问题，发表的相关结果也少得多。在这项工作中，我们提出了 Quali-Mat：一种使用可测量动态压力分布的智能运动垫来评估全身、体重锻炼执行质量（QoE）的方法。作为示例，我们的系统不仅能识别用户正在做俯卧撑，还能区分 5 种微妙的俯卧撑类型，每种类型（根据运动科学文献和专业教练）对身体不同肌群有不同的影响。我们研究了针对压力垫系统产生的特定时空数据设计的各种机器学习算法。我们证明，计算效率高但有效的 Conv3D 模型优于从图像域进行迁移学习等更复杂的先进选项。我们通过一项涵盖 47 种量化变体的 9 种基本练习（12 名参与者）的实验进行了验证。总体而言，该模型可对 9 种练习进行 98.6% 准确率/98.6% F1 分数的分类，对 47 种 QoE 变体进行 67.3% 准确率/68.1% F1 分数的分类。通过对实验结果和实际运动考虑因素的广泛讨论，我们的方法不仅可用于精确识别练习类型，还可细致时间粒度地量化锻炼执行质量。我们还向社区提供了 Quali-Mat 数据集，以鼓励该领域的进一步研究。