CN116803454A - 融合视频定位与惯性技术的高精度游泳参数自动提取系统 - Google Patents

Abstract

本发明公开了一种融合视频定位与惯性技术的高精度游泳参数自动提取系统，包括：可穿戴惯性测量单元、视频定位模块和上位机；其中，可穿戴惯性测量单元将时间序列、加速度和角速度信息组成的初始数据传输给数据接收模块；视频定位模块对运动员的泳帽进行目标检测得到运动员的世界坐标；数据解析模块从初始数据中得到游泳数据，根据运动员的世界坐标对游泳数据修正得到修正后的游泳数据；数据处理模块将修正后的游泳数据经数据处理算法得到游泳运动参数，将游泳运动参数传输给数据展示模块；数据展示模块接收并展示游泳运动参数。本发明能够得到游泳运动的高精度参数，全程不需要人工干预，可直接供教练员及训练员参考。

Description

融合视频定位与惯性技术的高精度游泳参数自动提取系统

技术领域

本发明属于运动测量技术领域，尤其涉及一种融合视频定位与惯性技术的高精度游泳参数自动提取系统。

背景技术

游泳比赛竞争激烈，世界顶尖水平运动员的成绩也只有毫厘之差，微弱的优势就决定了比赛结果。因此，游泳运动员和教练员不断努力寻找提升发挥的方法和策略。这方面工作的一个基本问题是将游泳数据量化分析，来评估技术细节从而寻求技术发展。

现有的游泳运动监测方式为视频定位的形式，运动员身上涂抹特殊“涂料”，然后摄像机就行跟踪，优点是准确率十分高，但是测试前准备时间太长，而且每次都需要架设相机，视频定位时也易受水花等物体的影响。

发明内容

本发明解决的技术问题是：克服现有技术的不足，提供了一种融合视频定位与惯性技术的高精度游泳参数自动提取系统，解决了游泳监测设备影响运动员发挥、视频监测流程复杂和MEMS传感器长期发散的问题，实现了通过游泳数据解析出泳姿，并由视频定位技术辅助惯性可穿戴设备得到游泳运动的高精度参数，全程不需要人工干预，可直接供教练员及训练员参考。

本发明目的通过以下技术方案予以实现：一种融合视频定位与惯性技术的高精度游泳参数自动提取系统，包括：可穿戴惯性测量单元、视频定位模块和上位机；其中，所述上位机包括数据接收模块、数据解析模块、数据处理模块和数据展示模块；所述可穿戴惯性测量单元，设置于运动员身上监测游泳运动，用于测量人体肩部、髋部或胸部位置的加速度和角速度信息，将时间序列、加速度和角速度信息组成的初始数据传输给所述数据接收模块；所述视频定位模块对运动员的泳帽进行目标检测得到运动员的世界坐标，将运动员的世界坐标所述数据接收模块；所述数据接收模块将初始数据和运动员的世界坐标传输给所述数据解析模块；所述数据解析模块从初始数据中得到游泳数据，根据运动员的世界坐标对游泳数据修正得到修正后的游泳数据，将修正后的游泳数据传输给所述数据处理模块；所述数据处理模块将修正后的游泳数据经数据处理算法得到游泳运动参数，将所述游泳运动参数传输给所述数据展示模块；所述数据展示模块接收并展示所述游泳运动参数。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述可穿戴惯性测量单元包括若干个IMU传感器，IMU传感器能够敏感到的时间序列、加速度及角速度信息。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述IMU传感器内置数据存储模块、WIFI通信模块及可反复充电的聚合物理电池。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，IMU传感器开机后，处于待连接WiFi状态，连接WiFi后上位机显示在线状态，IMU传感器收到上位机发出“离线存储开始指令”后，IMU传感器开始测量并实时回复“正在离线存储”；IMU传感器通过WIFI通信模块向上位机发出“离线存储结束指令”后，上位机显示在线状态，然后IMU传感器通过WIFI通信模块将离线存储的数据传输到上位机；如果未接收到“离线存储结束指令”但数据存储模块此时已经存满，无法继续离线存储，则IMU传感器在发送完最后一帧数据后，按预设协议主动发送一次“离线存储结束回复帧”，IMU传感器已停止存储，上位机显示离线状态。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述视频定位模块设置于游泳馆顶部，所述视频定位模块首先使用YOLOv5算法对游泳运动员的泳帽进行目标检测，然后通过DeepSort算法对YOLOv5算法中检测到的目标进行轨迹匹配，得到运动员的图像坐标，最后通过视频定位模块的相机内参畸变矫正和外参标定计算得到世界坐标与图像坐标转换矩阵，进而得出运动员在泳道内的实际距离坐标即世界坐标。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述游泳数据包括姿态、速度及位置信息；所述修正后的游泳数据包括修正后的姿态、修正后的速度及修正后的位置信息。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述游泳运动参数包括转动角度、转动时间、转动速度、转动对称指数、区间泳速、单圈成绩。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，所述数据解析模块将收取到的初始数据进行分析，判断是否每帧数据的帧头校验和均无误、帧序号连续无丢帧，如果发现存在帧头校验和有误、帧序号不连续的问题会给出“数据不完整”提示；如果每帧数据的帧头校验和均无误、帧序号连续无丢帧进行姿态解算得到游泳数据。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，在姿态解算中，根据加速度和磁场强度信息得到IMU传感器姿态角，进而得到载体坐标系到导航坐标系的初始姿态矩阵，之后由不断更新的四元数计算得到新姿态角。

上述融合视频定位与惯性技术的高精度游泳参数自动提取系统中，以一圈50m游泳距离为判定姿态最小单位，参考佩戴于髋部的IMU传感器数据，若天向加速度均值为+1g(9.81m/s²)，则判为仰泳；若天向加速度均值为-1g(-9.81m/s²)，且Y轴数据的幅值变化大于其他两轴则判为自由泳；当排除以上两种泳姿，若X轴中心频率远大于动作频率则判为蝶泳，否则为蛙泳；然后提取自由泳与仰泳的横滚角，蝶泳与蛙泳的俯仰角。

本发明与现有技术相比具有如下有益效果：

本发明解决了游泳监测设备影响运动员发挥、视频监测流程复杂和MEMS传感器长期发散的问题，实现了通过游泳数据解析出泳姿，并由视频定位技术辅助惯性可穿戴设备得到游泳运动的高精度参数，全程不需要人工干预，可直接供教练员及训练员参考。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1是本发明实施例提供的融合视频定位与惯性技术的高精度游泳参数自动提取系统的结构框图；

图2是本发明实施例提供的融合视频定位与惯性技术的高精度游泳参数自动提取系统的算法流程示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。

主流的游泳运动监测方式即视频捕捉具有固有的缺点，例如视差误差、隐藏或模糊的身体部分以及易受水花影响，而身体佩戴惯性传感器作为监测手段在姿态测量方面具有天然优势，但是在速度和距离测量方面会面临发散的问题，因此结合视频定位技术辅助惯性传感器得游泳参数更加全面。

在上述需求牵引下，针对游泳运动测量需求及关键技术开展了大量技术攻关和研究工作，本实施例针对融合视频定位与惯性技术的高精度游泳参数自动提取展开设计工作，主要目的为直观展示运动员的游泳运动参数，方便运动员定位自身不足，进一步提升成绩。

本实施例解决了传统视频监测方式对环境要求苛刻、MEMS传感器长期发散的问题，根据1到2个惯性可穿戴设备的时间序列、角速度信息及加速度信息，进行姿态解算并通过模式识别方法得到运动状态和泳姿，然后根据视频辅助定位得到准确的速度和位置信息，用以修正惯性可穿戴设备解算的姿态、速度、位置信息，进而输出游泳运动的高精度数据。

图1是本发明实施例提供的融合视频定位与惯性技术的高精度游泳参数自动提取系统的结构框图。如图1所示，该融合视频定位与惯性技术的高精度游泳参数自动提取系统包括可穿戴惯性测量单元、视频定位模块和上位机；其中，所述上位机包括数据接收模块、数据解析模块、数据处理模块和数据展示模块。

所述可穿戴惯性测量单元，设置于运动员身上监测游泳运动，用于测量人体肩部、髋部或胸部位置的加速度和角速度信息，将时间序列、加速度和角速度信息组成的初始数据传输给所述数据接收模块；所述视频定位模块对运动员的泳帽进行目标检测得到运动员的世界坐标，将运动员的世界坐标所述数据接收模块；所述数据接收模块将初始数据和运动员的世界坐标传输给所述数据解析模块；所述数据解析模块从初始数据中得到游泳数据，根据运动员的世界坐标对游泳数据修正得到修正后的游泳数据，将修正后的游泳数据传输给所述数据处理模块；所述数据处理模块将修正后的游泳数据经数据处理算法得到游泳运动参数，将所述游泳运动参数传输给所述数据展示模块；所述数据展示模块接收并展示所述游泳运动参数。

可穿戴惯性测量单元，长时间置于运动员身上监测游泳运动，以游泳运动前向方向为X轴，水平方向的右向为Y轴，朝天方向为Z轴，用于测量人体肩部、髋部或胸部位置的角速度和加速度信息，并确保测量的数据存储到flash中。可穿戴惯性测量单元包括若干个IMU传感器，IMU传感器能够敏感到的时间序列、加速度及角速度信息，具体的，可穿戴惯性测量单元由1个或2个IMU传感器组成，IMU传感器采用低功耗设计并内置1GB存储空间，满足运动员长期水下训练需求，IMU传感器将传感器敏感到的时间序列、加速度及角速度信息进行数据采集、数据保存、数据上传。

IMU传感器内置数据存储模块、WIFI通信模块及可反复充电的聚合物理电池。

该基于惯性传感器自动提取游泳运动转动参量的系统还包括：数据中转路由器，数据中转路由器在可穿戴惯性测量单元与上位机中的数据接收模块之间经由WIFI信号建立无线链路，通过所述无线链路，将可穿戴惯性测量单元存储的时间序列、加速度、角速度信息上传至上位机中的数据接收模块。

视频定位模块使用YOLOv5自动检测运动员泳帽，然后使用DeepSort完成跟踪轨迹匹配，最后根据九点标定法反馈每条轨迹下运动员的实时世界坐标，即可实现摄像视野内所有运动员的高精度实时定位和测速，并将这些数据上传至上位机中的数据接收模块。

数据接收模块将数据传递给数据解析模块，数据解析模块从随机、充满噪声的原始传感器信号中得到游泳数据，再根据视频辅助定位得到准确的速度和位置信息，来修正惯性可穿戴设备解算的姿态、速度、位置信息，最后经数据处理算法得到游泳运动参数，并由上位机展示。

传感器的离线数据通过无线进行传输、各传感器之间相互独立、同时可以对数据进行存储，确保数据完整性，具体实现方式如下：

通过无线WIFI通讯方式发送上线报到信息给数据中转路由器，进而与之建立起稳定可靠的无线数据传输链路。IMU传感器开机后，处于待连接WiFi状态，连接WiFi后上位机显示在线状态，IMU传感器收到上位机发出“离线存储开始指令”后，开始测量并实时回复“正在离线存储”，上位机同时记录该时间戳；IMU传感器向上位机发出“离线存储结束指令”后，上位机显示在线状态，然后IMU传感器通过WIFI将离线存储的数据传输到上位机；如果未接收到“离线存储结束指令”但数据存储模块此时已经存满，无法继续离线存储，则IMU传感器在发送完最后一帧数据后，按预设协议主动发送一次“离线存储结束回复帧”，IMU传感器已停止存储，上位机显示离线状态。

所有指令的下发与测量数据的上传均通过无线WIFI方式进行传输，大大降低了采用传统视频监测方式的游泳测量系统在设备连接、穿戴、信息传输时的复杂度，极大提高了系统的应用便捷性。

视频定位模块通过架设在游泳馆顶部的摄像机实时采集画面后，通过匹配算法得到运动员的图像坐标，具体实现方式如下：

使用YOLOv5对游泳运动员的泳帽进行目标检测，然后通过DeepSort对YOLOv5中检测到的目标进行轨迹匹配，得到运动员的图像坐标，最后通过相机内参畸变矫正和外参标定计算得到世界坐标与图像坐标转换矩阵，进而得出运动员在泳道内的实际距离坐标，即世界坐标。

数据解析模块通过时间序列、角速度信息及加速度信息，通过模式识别方法得到运动状态和泳姿，具体实现方式如下：

将收取到的数据进行分析，判断是否每帧数据的帧头校验和均无误、帧序号连续无丢帧，如发现存在帧头校验和有误、帧序号不连续的问题会给出“数据不完整”提示，解析出完整数据后进行姿态解算。

进一步的，姿态解算前需进行静态初始标校，由加速度信息和磁场强度信息计算得到各IMU传感器姿态角，进而得到载体坐标系到导航坐标系的初始姿态矩阵，解决人体佩戴安装问题，之后进行姿态、速度及位置的解算，具体实现方式如下：

捷联惯导系统(SINS)选“东–北–天”地理坐标系作为导航坐标系，实现捷联惯导的递推更新算法。利用视频定位信息中的速度误差和路程误差作为观测量，建立卡尔曼滤波器，来估计系统的速度误差、位置误差以及姿态角误差，然后将估计到的各项误差补偿到相应的变量中，得到接近于状态变量真值的估计。其中的算法流程如图2所示，算法部分主要用到捷联惯导系统导航算法以及卡尔曼滤波算法，下面是对这些算法的实现。

SINS导航算法：

捷联惯导系统(SINS)选“东–北–天”地理坐标系作为导航坐标系，实现捷联惯导的递推更新算法。捷联惯导更新算法划分为姿态、速度和位置更新三部分，姿态更新算法是核心。

由角速度方程得

其中，为载体坐标系相对于导航坐标系的角速度在载体坐标系的投影，为载体坐标系相对于惯性坐标系的角速度在载体坐标系的投影，为地球坐标系相对于惯性坐标系的角速度在载体坐标系的投影。

由于MEMS传感器精度较低，不能敏感到地球自转角速度，所以忽略一般运动场景或者步行场景下人的速度小于10m/s，地球半径R＝6371393m，而其中，为人的速度，R为地球半径，所以为10^-7～10^-6量级，同样可以忽略不计。因此，对于MEMS传感器，上式可等效为：

和Q为姿态矩阵和姿态四元数，初值由初始对准得到的初始姿态角θ₀,γ₀,ψ₀计算得到，其中，θ₀为初始俯仰角，γ₀为初始横滚角，ψ₀为初始航向角，之后由不断更新的四元数计算得到。确定了后，四元数更新方程如下：

其中，分别为载体坐标系相对于导航坐标系的角速度在载体坐标系X轴、Y轴和Z轴的投影，Q＝[q₀,q₁,q₂,q₃]。

由Q计算公式如下

由更新后即可计算得到三个姿态角。

比力方程为

其中，为地球坐标系相对于惯性坐标系的角速度在导航坐标系的投影，为导航坐标系相对于地球坐标系的角速度在导航坐标系的投影，为导航坐标系相对于地球坐标系的速度在导航坐标系的投影。

其中由Q求出，为加速度计测量值，和均可忽略，g为重力加速度，因此可以计算得到即人体相对地球的加速度，然后得到速度更新功能：

其中，为k+1时刻导航坐标系相对于地球坐标系的速度在导航坐标系的投影，为k时刻导航坐标系相对于地球坐标系的速度在导航坐标系的投影，Δt为时间变化，为导航坐标系相对于地球坐标系的速度在导航坐标系的投影。

进而得到位置更新方程：

其中，P_k+1为k+1时刻的协方差矩阵，P_k为k时刻的协方差矩阵。

综上，可得到人体在运动或者步行过程中的姿态、速度和位置信息。

进一步的，结合上位机记录的时间戳截取出视频定位对应的信息，利用卡尔曼滤波算法来修正惯性可穿戴设备解算的姿态、速度、位置信息，具体实现方式如下：

卡尔曼滤波算法：

卡尔曼滤波的原理为利用视频定位信息中的速度误差和路程误差作为观测量，建立卡尔曼滤波器，来估计系统的速度误差、位置误差以及姿态角误差，然后将估计到的各项误差补偿到相应的变量中，得到接近于状态变量真值的估计。卡尔曼滤波器的状态变量包含速度误差、位置误差以及姿态误差，因此，需要根据惯性导航的误差方程、MEMS传感器特性以及游泳运动特征建立合适的状态方程。

综合姿态误差方程、速度误差方程以及位置误差方程，可以得到状态方程表达式为

其中：

状态向量为

为被测人体部位在导航坐标系下的姿态角误差，δv_xδv_yδv_z为被测人体部位在导航坐标系下的速度误差，δxδyδz为被测人体部位在导航坐标系下的位置误差，ε_bxε_byε_bz为陀螺仪零偏，为加速度计零偏；

一步转移矩阵为

系统噪声矩阵为

W₁＝[w_gx w_gy w_gz w_ax w_ay w_az]^T

其中，W为过程噪声，w_gx、w_gy、w_gz分别为三轴陀螺仪的噪声，w_ax、w_ay、w_az为三轴加速度计的噪声，f^b为载体在惯性坐标系下三轴线加速度。

系统噪声分配矩阵为

根据Kalman滤波算法，将连续方程离散化后并带入如下公式：

(a)状态一步预测

其中，为前一采样时刻状态最优估计，为由前一采样时刻至当前采样时刻的状态估计，Φ_k/k-1为前一采样时刻至当前采样时刻的一步转移矩阵。

(b)状态一步预测均方误差阵

其中，P_k/k-1为由前一采样时刻至当前时刻的均方误差阵，P_k-1为前一采样时刻均方误差阵，Γ_k-1为前一采样时刻过程噪声分配矩阵，Q_k-1为前一采样时刻过程噪声协方差矩阵。

(c)滤波增益

其中，K_k为当前采样时刻滤波增益，P_k/k-1为当前采样时刻均方误差阵，H_k为当前采样时刻量测矩阵，R_k为当前采样时刻量测噪声协方差矩阵。

(d)状态估计

其中，为当前采样时刻状态最优估计，为由前一采样时刻至当前采样时刻的状态估计，K_k为当前采样时刻滤波增益，Z_k为当前采样时刻量测量，H_k为当前采样时刻量测矩阵。

(e)状态估计均方误差阵

P_k＝(I-K_kH_k)P_k/k-1

其中，P_k为当前采样时刻均方误差阵，P_k/k-1为由前一采样时刻至当前采样时刻的均方误差阵，I为单位阵，K_k为当前采样时刻滤波增益，H_k为当前采样时刻量测矩阵。

由于只有在视频定位模块拍照时刻才有量测量，因此在其他的时间段，卡尔曼滤波器只进行时间更新，不进行量测更新；当检测到有观测量，滤波器进行时间更新与量测更新。

进一步的，通过飞行时间的判定作为游泳运动的起点，游泳运动开始后俯仰角超90°判定为游泳运动终点；

进一步的，以一圈50m游泳距离为判定泳姿最小单位，参考佩戴于髋部的IMU传感器数据，若天向加速度均值接近+1g(9.81m/s²)，则判为仰泳；若天向加速度均值接近-1g(-9.81m/s²)，且Y轴数据的幅值变化大于其他两轴则判为自由泳；当排除以上两种泳姿，若X轴中心频率远大于动作频率则判为蝶泳，否则为蛙泳；然后提取自由泳与仰泳的横滚角，蝶泳与蛙泳的俯仰角。

数据处理模块为针对数据解析模块得到的游泳数据，即姿态、速度、位置及其对应时间序列，进而得出转动角度、转动时间、转动速度、转动对称指数、区间泳速、单圈成绩等游泳参数。最后在上位机端显示这些高精度游泳参数，全程不需要人工干预，可直接供教练员及训练员参考。

本实施例解决了游泳监测设备影响运动员发挥、视频监测流程复杂和MEMS传感器长期发散的问题，实现了通过游泳数据解析出泳姿，并由视频定位技术辅助惯性可穿戴设备得到游泳运动的高精度参数，全程不需要人工干预，可直接供教练员及训练员参考。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (10)

1.一种融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于包括：可穿戴惯性测量单元、视频定位模块和上位机；其中，

所述上位机包括数据接收模块、数据解析模块、数据处理模块和数据展示模块；

所述可穿戴惯性测量单元，设置于运动员身上监测游泳运动，用于测量人体肩部、髋部或胸部位置的加速度和角速度信息，将时间序列、加速度和角速度信息组成的初始数据传输给所述数据接收模块；

所述视频定位模块对运动员的泳帽进行目标检测得到运动员的世界坐标，将运动员的世界坐标所述数据接收模块；

所述数据接收模块将初始数据和运动员的世界坐标传输给所述数据解析模块；

所述数据解析模块从初始数据中得到游泳数据，根据运动员的世界坐标对游泳数据修正得到修正后的游泳数据，将修正后的游泳数据传输给所述数据处理模块；

所述数据处理模块将修正后的游泳数据经数据处理算法得到游泳运动参数，将所述游泳运动参数传输给所述数据展示模块；

所述数据展示模块接收并展示所述游泳运动参数。

2.根据权利要求1所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述可穿戴惯性测量单元包括若干个IMU传感器，IMU传感器能够敏感到的时间序列、加速度及角速度信息。

3.根据权利要求2所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述IMU传感器内置数据存储模块、WIFI通信模块及可反复充电的聚合物理电池。

4.根据权利要求3所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：IMU传感器开机后，处于待连接WiFi状态，连接WiFi后上位机显示在线状态，IMU传感器收到上位机发出“离线存储开始指令”后，IMU传感器开始测量并实时回复“正在离线存储”；IMU传感器通过WIFI通信模块向上位机发出“离线存储结束指令”后，上位机显示在线状态，然后IMU传感器通过WIFI通信模块将离线存储的数据传输到上位机；如果未接收到“离线存储结束指令”但数据存储模块此时已经存满，无法继续离线存储，则IMU传感器在发送完最后一帧数据后，按预设协议主动发送一次“离线存储结束回复帧”，IMU传感器已停止存储，上位机显示离线状态。

5.根据权利要求1所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述视频定位模块设置于游泳馆顶部，所述视频定位模块首先使用YOLOv5算法对游泳运动员的泳帽进行目标检测，然后通过DeepSort算法对YOLOv5算法中检测到的目标进行轨迹匹配，得到运动员的图像坐标，最后通过视频定位模块的相机内参畸变矫正和外参标定计算得到世界坐标与图像坐标转换矩阵，进而得出运动员在泳道内的实际距离坐标即世界坐标。

6.根据权利要求1所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述游泳数据包括姿态、速度及位置信息；

所述修正后的游泳数据包括修正后的姿态、修正后的速度及修正后的位置信息。

7.根据权利要求1所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述游泳运动参数包括转动角度、转动时间、转动速度、转动对称指数、区间泳速、单圈成绩。

8.根据权利要求1所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：所述数据解析模块将收取到的初始数据进行分析，判断是否每帧数据的帧头校验和均无误、帧序号连续无丢帧，如果发现存在帧头校验和有误、帧序号不连续的问题会给出“数据不完整”提示；如果每帧数据的帧头校验和均无误、帧序号连续无丢帧进行姿态解算得到游泳数据。

9.根据权利要求8所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：在姿态解算中，根据加速度和磁场强度信息得到IMU传感器姿态角，进而得到载体坐标系到导航坐标系的初始姿态矩阵，之后由不断更新的四元数计算得到新姿态角。

10.根据权利要求6所述的融合视频定位与惯性技术的高精度游泳参数自动提取系统，其特征在于：以一圈50m游泳距离为判定姿态最小单位，参考佩戴于髋部的IMU传感器数据，若天向加速度均值为+9.81m/s²，则判为仰泳；若天向加速度均值为-9.81m/s²，且Y轴数据的幅值变化大于其他两轴则判为自由泳；当排除以上两种泳姿，若X轴中心频率远大于动作频率则判为蝶泳，否则为蛙泳；然后提取自由泳与仰泳的横滚角，蝶泳与蛙泳的俯仰角。