top of page

Part 3 : 特徵值選擇

       將人體關鍵點轉換為距離、位移、垂直高度差、關節角度、速度及加速度等姿勢特徵,並透過軀幹長度進行標準化,降低不同受試者身高、體型及拍攝距離造成的差異。完成特徵計算後,再利用正確動作資料的特徵分布,以 Q1 與 Q3 建立各項姿勢判斷門檻,作為平球、長遠球、殺球及小球動作分析與規則判斷的依據。

特徵值設計

       姿勢特徵主要包含距離、位移、垂直高度差、關節角度、速度及加速度六種類型,用以描述擊球過程中的位置變化、手臂與下肢姿勢,以及揮拍的動態變化,並將人體關鍵點座標轉換為可供規則判斷的數值。 

為降低受試者身高、體型及拍攝距離差異造成的影響,本研究以持拍側肩膀至髖部的垂直距離作為軀幹長度,將手腕與手肘位移、手腕下壓幅度、手腕與手肘高度差及跨步距離等特徵除以軀幹長度,轉換為相對比例,使四種球種皆能以一致的身體尺度進行比較。

​

標準化

image.png

       完成特徵計算與標準化後,利用訓練集中正確動作的 Q1 與 Q3 建立判斷門檻,以降低極端值的影響。對於數值越大越符合要求的特徵,以 Q1 作為最低門檻;對於數值越小越符合要求的特徵,則以 Q3 作為最高門檻,作為後續四種球種姿勢規則判斷的依據。如表二所示。

image.png

表二 : 各球種姿勢分析特徵值與門檻設定

Copyright © 2026 靜宜大學資料科學暨大數據分析與應用學系

羽球小教練AI智慧擊球分析系統專題團隊

344418052.png
bottom of page