Indonesian J ournal of Ele c trical Engin eering and  Computer Sci e nce   Vol. 2, No. 3,  Jun e  201 6, pp. 625 ~ 63 5   DOI: 10.115 9 1 /ijeecs.v2.i3.pp62 5-6 3 5        625     Re cei v ed Ma rch 3, 2 016;  Re vised  Ma y 18, 2016; Accepted Ma y 29 , 2016   Pattern Recognition of Overhead Forehand and  Backhand in Badminton Based on the Sign of Local  Euler Angle      Muhammad Ilhamdi Rus y di *1 , S y amsul Huda 2 , Febdian Rusy d i 3 , Muhammad Hadi  Sucipto 1 , Minoru Sasa ki 4   1 Departme n t of Electrical En gi neer ing, An dal as Uni e rs it y ,  L i mau Man i s, Padan g Cit y ,  2 5 1 63, Indo nesi a   2 Departme n t of Mechan ical E ngi neer in g, Andal as Uni e rs it y, Limau Man i s, Pada ng  Cit y, 2 516 3, Indon esi a   3 Departme n t of Ph y s ics,  Airl a ngg a Univ ersit y , Sura ba ya C i t y ,  601 11, Indo nesi a   4 Departme n t of Mechan ical E ngi neer in g, Gifu Univ er sit y , 1- 1 Yana gi do, Gifu Cit y ,  50 1-11 93, Japa n   *Corres p o ndi n g  author, e-ma i l : rilhamd i @ft.unan d.ac.id       A b st r a ct   Studyin g the b a d m i n ton skil l   base d  on th e a r m  move m ent i s  a chall e n ge s i nc e the l i m itati on of the   sensor suc h  as camera to record the  movement  par a m eter. T h is study prop ose d  a new  met hod  to   deter mi ne the  pattern of ar m move ment for forehan d an d  backha nd stro kes in ba dmint on bas ed on t he  sign of the l o ca l Euler a ngl e gr adi ent from fo u r  point s of right  arm se gments .  Each seg m e n t s w a s identifie d  by  motio n  se ns or attach ed to  the d o rsa l  surfa c e of  the  ha nd  (sensor  1), w r ist (sensor  2), e l bow  (sens or 3 )   and sh oul der  (sensor 4). T h ree certifie d coach e s parti ci pated i n  this researc h  to de termi ne the a r m  mov e me nt patterns for foreha nd an d back h a nd strokes.  Skil ls in foreh a n d  and b a ckh and  strokes from e i gh t   professi ona l p l ayers a n d  ei gh t amateur  pl ay ers w e re  o b ser v ed to  deter mi ne th e p a ttern.  T he res u lt sh o w ed  that the loc a l  Euler a n g l e ca n be us ed to r e cog n i z e  th e a r m  mov e ment  pattern. Base d  on the o b serv ed   patterns, the p r ofessio nal  pla y ers had  a hi gher si mila r i ty to the coach e s ’  patter n s th an thos e a m at e u r   play ers to the coach e s ’ .     Ke y w ords : ba dminto n, local  Euler a ngl e, ba ckhan d, foreha nd         Copy right  ©  2016 In stitu t e o f  Ad van ced  En g i n eerin g and  Scien ce. All  rig h t s reser ve d .       1. Introduc tion  Indone sia  ha s b een  rekno w n fo r  pro d u c ing  world   cl ass b adminto n athlete s . B adminton   is a  prim ary  sp ort  cou r se in Ind one sian ele m enta r y scho ol  cu rri culum. Alm o st eve r y si n g le  Indone sia n  can play b a d m inton well. Thus,  an ex p e rime ntal stu d y of sen s o r   movement u s ing   motion in  ba dminton i s  a n  interi sting to pic  sin c e it gi ves wi der im pact to In don esia n ba dmin ton   hobbi est.   Today b admi n ton i s  playe d  all ove r  th e  worl d. It wa s  an exhibitio n   spo r t in  Olym pic  1972   before it was officially played as the competitiv e s p ort for the firs t time in the Olympic  1992.  Although it i s  a famo us  g a me, but  bro w si ng a nd  se arching  cite d  refe ren c e s  a bout this ga me  take a relatively longer tim e  than other  racket sp ort s  su ch a s  tenni s.  Many of the previou s  st udie s  con d u c t ed came ra  to evaluate the badmint on game.  Wan g , Liu and Moffit [1]  recorded u s i ng cam e ra s  a numbe r of stude nts play ing badmint o n to   study the  a r m an d trun k  movement i n  overhea d fo reha nd  st r o k e s f o r  so me  skill  lev e l s .  T hey   divided the  seque nces of  arm m o veme nt into th ree  step s; elb o w flexion, elbo w a nd  hume r al   flexion, and  upward flexio n wh en som eone p e rfo r m ed the ove r h ead  stro ke. F u rthe rmoe, th ey  tennis. Fu rth e rmo r e, they also ha d thre e s egm ents  of trunk mov e ment for overhe ad fore h and  stro ke s,  whi c h comp rise n o  tru n k a c tion , forward - ba ckward  move ment a nd tru n k  actio n   rota tion.  The result showed that the stud ents at  advanced skill performed  a  better  action in thi s  st roke   comp ared to anothe r level.  Mean while, Z hu [2] studie d  the string t ensi on for fa st swi ng and  angle d  stri kin g . In this   resea r ch eig h t  different lev e l of stri ng te nsio ns  we re use d .  Some players  were recorded usi n g  a   came ra  whil e  stri king  a  sh uttleco ck  wit h  the racket s of eight lev e l stri ng ten s ions. T he  re sult  sho w e d  that expert playe r s co uld a d just the powe r  b e longi ng to the strin g  tensi on to stro ke t h e   shuttlecock.  The player wi th low level skill fail ed to perform fast swing  and angled stri king  with   variou s types of string ten s ion.  Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 3, Jun e  2016 :  625  – 635   626 Nag a sawa et  al [3]  analyzed the  hu ma n motio n  b a sed o n  the  ba dminton  sm a s h i m age.   The h u man   motion in Sp ace - G  wa s mappe d  into Space - V  us ing  KL  tr an s f orm. T h is  me tho d   cla ssifie d  the motion rel a te d to the cente r  of the  body i n to cloo se lo op, cu rve and  line. In [4]  th e  diffference of forehand  overhe ad  smas h performed by male  and female players  was   investigate d . The a r m  wa s  segm ented  in to uppe r a r m,  forea r m a nd  wri s t. Oqu s  camera sy ste m s  recorded th e  motion  starti ng fro m  the  positio n of  th e holdi ng  ra cket to the  smashi ng m o tion.  Quali s ys Tra ck M anag er  softwa r e  wa s used to an al yze the motio n . The re sult  sho w e d  that th e   male  su bject   has hig her ra cqu e t g r ip vel o city  that  the female s u bjec ts . Us ing  Qualys is-MCU500   high  spe ed  camera, the m e thod to  sta b i lize  and  bala n ce  the  cent e r  g r avity of b ody was stu d i ed   sin c e this pl a y s an impo rta n t role in bad minton athlet es to re gulate  the spiki ng a c tion [5].     To tackle th e limitations  of came ra such  a s  workspa c e a r ea  and complexi ty of  the   nume r ical p r oce s s, lo cal  sen s o r s  were devel ope d. Using  ele c t r ogo niom eter, Teu  et al   [6]  prop osed du al Euler angl es to analyse arm move ment. The b ody wa s seg m ented into thre e   se ction s . The  relation shi p  betwe en seg m ent velo city  and the racket velocity  wa s dete r min ed  usin g kin e ma tic equatio ns.  The ra cket velocity  wa s a l so mea s u r e d  using a n  accele rom e ter  as   the comp ari s on of the simulation re sult. In  [7],  the sma s h stro ke in badmi n ton wa s stud ied.  Accel e romete r and ea rthqu ake  sen s o r  attache d  to the badminton racq uet. The Adaptive Neu r o   Fuzzy Inferen c e Syste m   was  develop ed  to combin e t h e info rmatio n from  the  accou s tic emi s sion  and a c celeration inform atio n in orde r to determi ne the  the ball spe e d .  Ha stie et al  [8] studi ed the  develop ment  of sk ill a n d t a ctical  kno w l edge  of stu d e n ts after  the badminto n sea s o n . Th e re sult sho w ed that a fter the se ason, st udent s impro v ed their abili ty  to sen d  the  shuttleco c k to  their d e si red  locati o n s. Stu dents  we re  more  agg re si ve in hitting t h e  shuttle c o ck.  Students cou l d de cid e   with the  re aso n s  a nd th e ta ctics that th e y  want to  u s e in  some giv e n c a se s.   This resea r ch prop osed t he of the local Euler an gl e gradi ent to  model the o v erhea d   foreha nd a n d  backha nd  stroke in  badmi n ton. T he pat terns  of overhead fo reh a n d  and b a ckha nd  stro ke s we re determi ned   from ce rtified  coache s. Som e  playe r s  fr om p r o f e s s i ona l a n d  ama t eu r  level participated in this  res e arc h . The patterns we re used to inv e stigated the similarity of  skil l   betwe en play ers a nd the coache s.      2. Motion Se nsor   In this  re se arch, the  m o tion  was cacul a ted in   3-dim e si onal  sp ace by  an ine r tial  measurement  unit pro d u c ed by Motio nnod e. This  is a comp act  sen s o r  de si gned fo r hu man  motion tra c ki ng. Thi s  10  gram sen s or was e a sy to   use The  physi c al si ze i s  3 5   mm x 35 mm   x 15  mm, as sho w n by Figure 1 .  The samplin g rate is 100  Hz an d the error i s  about 0 . 5 º  to 2 º  RM S.  Another rese arch [9], used  ac celeromet e r as th e motion se nsor to detect road di sea s e.           Figure 1. Inertial measu r e m ent unit by Motionno d e       The m o tion  wa s in dicated  by the  Euler angl es. E u le r a ngle s   are  the  su ccesive  rotatio n   to the moving referen c e p o int. It was the seq uen ce  of rotations a b out x 1 , y 2  and z 3  c o or d i nate ,   as sho w n by Figure 2. The  first rotation  about the x-a x is by an an gle    prod uced the x 1  y 1  z 1 - axis. The  se cond rotation  about the y 1 -axis by an  a ngle   gene rat ed the x 2 y 2 z 2 -ax i s.  Th e la st  rotation is a b out the z 2 -axi s by an angl e     constru c te d the x 3  y 3  z 3 -ax i s.  Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Pattern Re co gnition of Overhe ad Fo reh and an d Backhand in Bad m inton …   (M. Ilham di Rusydi)  627 x y z 1 x 1 y 1 z 2 y 2 x 2 z 3 z 3 x 3 y      Figure 2. Three rotation s o f  coordi nate        3. Sign of Local Euler An gle  The sig n s of the local Eule r angle are d e term in ed from  the slop of the signal s. Th ere are  three proba b ilities of the sign:  positiv e (+), negati v e (-) an d st ationery (0 ). Two thre sh old   values—po s it ive thre shold  and  negativ e thre sh old— were a pplied  in this  re sea r ch.  The r e  were   movement s if the sign al was big g e r  tha n  the po sitive thre shol d o r  sm aller th a n  the neg ative   threshold. If the sign  wa s stationa ry, the play e r s fi nish ed st ro ki ng the racke t. The thresh old   values  we re  alway s  rene wed if th ere   wa s a  ne w lo cal m a ximum  or lo cal  mini mum poi nt of  the   local Eule r an gle. The local  minimum or l o cal maxim u m was  calle d  as refe ren c e  point. The new  threshold val ue for po sitive and neg ative were cal c ul ated by (1) a nd (2 ). Ru syd i  et al.,  [10] used  3the threshol d value of a  biosginal  to i ndicate  a human  activity. Figure  2 illustrates the process  to determin e  the sig n  of local Euler an gle .   Figure 3 give s an  example  of local E u ler angle  of arm  movement. In this exa m pl e, there   are  four a r ea s of  the l o cal  Euler an gle:  (a ), (b ),  (c)  and  (d ). Th ere a r e fo ur po sitive an d fo ur  negative th re shol ds. A r ea   a an d  c h a ve  a p o sitive  (+)  sign s of  the  gra d ient. T h ey are  differe n t   from a r e a  (b) whi c h  ha s  a  neg ative si g n  of the  Eule r a ngle  gradi ent. Area  (d)  is the  statio n a ry  area  with its  gradi ent is  eq ual to zero. B a se d on thi s   method, the  pattern of lo cal Euler a ngl e in  this example i s  “+-+0”. Rusydi et  al.,  [11] briefly introd uce d  this  met hod for the p a ttern of the arm  movement re cog n ition sy stem.       4. Method   In this stu d y, the pattern  of local Eul e r  a ngle  was  est ablished b a sed on th ree  coache s’   techni que s f o r fo reh and   and  ba ckhan d st ro ke s. T he  coa c h e s  were  ce rtified by Ba dmin ton   Asso ciatio n o f  Indonesi a . Each  coa c h e s  pe rf orm ed  f o reh and and backh and stroke s  ten  tim e s.  Eight profe s sional playe r s (from 1 4  to 1 7  y ears old )   and six a m at eur  pl ayers (about 20 ye a r s  old) were ev aluated ba se d on the simi larity in t he pattern of the local Eule r a ngle. All of the  coa c h e s a nd  players we re  right-han ded.     Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 3, Jun e  2016 :  625  – 635   628     Figure 3. The  process to d e termin e the sign of lo cal  Euler an gle           Figure 3. The  local Eule r a ngle wave   Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Pattern Re co gnition of Overhe ad Fo reh and an d Backhand in Bad m inton …   (M. Ilham di Rusydi)  629 The rig h t arm s  of co ache s and playe r s  were  segme n t ed into four  se ction s , whi c h were  determi ned b a se d on the  kine siol ogy of the human a r m [12]. Four gyro se nsors we re atta ch ed   each on the  dorsal  surfa c e of hand  (se n so r 1),  wri s t (se n sor 2 ) , e l bow  (sen sor  3) an d sh oul der  (se n sor 4) a s  sh own in  Fig u re  4. Thi s   sensor  mea s u r ed th e 3 - dim ensi onal l o cal  Euler angl e  of  each se gme n t. Based on t he previou s  rese arch by Ru sydi et al. [11], the initial con d ition of the  s e ns or   w a s  ve r y  impo r t a n t  in  th is   s t u d y   to  im prove th e sy stem  perf o rma n ce. Th e initial  po sition  of the  sen s o r  relative to  th e world  coord i nate  wa s set to sta nda rdi z e the  re sult.  These p o sitio n s   are given in  Table 1. The  relation shi p  b e twee n  the world coo r dinat e to the sen s or co ordinate  is   illustrated by  Figure 5. The symbol   is the an gle ab o u t the x-axis,    is a bout y-axis, and   is  about z-axis.           Figure 4. Fou r  sen s o r s attache d  to the right hand s          Figure 5. Sensor  coo r di nat e to the world  coordinate               Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 3, Jun e  2016 :  625  – 635   630 Table 1. The i n itial position  of sen s ors            Sensor 1   150°   20°   85°   Sensor 2   110°   25°   120°   Sensor 3   -150°   30°   110°   Sensor 4   120°   25°   90°       Three coaches did  the  foreha nd and backhand  st ro kes ten tim e s for  each skill.  Each  sen s o r  had th ree lo cal Eule r angle s , so there  we re totally 12 local  Euler an gle s  for four  sen s ors.     The data  were analyzed to determi ne the pattern of  local Eule r a ngle ba se d o n  the sign. T h e   pattern s prod uce d  by the coache s we re  calle d refe ren c e patte rn.   The skill s of eight  p r ofe ssi onal players and six  am ateur playe r s  were co mpa r e d   ba se d   on thei r  simil a rity to the  coache s’. The r e  were  two method s  to check  the   skill  of the pl aye r s’.  First, dete r mi ning the  pe rcenta ge of u n kn own  arm movement was  p r o p o s ed.   Un kno w n arm  movement  was th e a r m  movement  of players th at  dismi s s the  p a ttern p r o d u c ed by  coa c h e s’.  The hi gher  percentage of  unknown  arm  movement i s  the worse  of the pl ayers’  skill.   Second,  the point p r o duced by the  players was cal c ul ated.  The poi nt de pend ed on th e perce ntage  of  players p e rfo r med the  patt e rn s a nd the   weig ht of  tho s e pattern s. The weig ht  of   the  patte rn s was   determi ned b y  normali ze the perce ntag e t he referen c e patte rns from 0 to 1.      5. Result a n d Discus s io n  Table 2 shows the pattern  of local Euler  angle  from th ree certified coache s for foreha nd   stro ke s. The  pattern wa s seen fro m  the local Eule r angle of 4  sen s o r  locations. Th e re sult  sho w e d  that there  we re th ree types  of the pattern  in  the x-axis  of all se nsors. T here  we re th ree  types of the  p a ttern o n  the  y-axis for sen s or 1,  2 a nd  3, yet there  were  only two t y pes of  se nsor  2. The z-axis  of sen s or 1, 2  and 4 had al so thre e  patte rns, ex cept z-axis of sen s o r  4 whi c h ha s 2   pattern s only. Pattern 1 for each sen s o r  sugge sted t he coa c h e s’  mostly pro d u c ed patte rn. The  average probability of all axes for  the pattern 1  of the  a ll sensors  was  almost 0.6. It has twi c e  as  many a s  patt e rn  2. Prob ab ility of pattern  3 was  sm alle r than  half of t he patte rn 2.  The lo cal E u l e r   angle s  of the pattern 1 for f o reh and  stro kes are illust ra ted by Figure  6.  Table 3  sho w s the Eul e r angle patte rns an d the p r oba bility for backh and  stroke. Th e   averag e p r ob ability of the first patte rn in  bac kh and  st roke, whi c h  wa s ab out 0. 81, had  a hig her  prob ability than the first pa ttern in foreh and st ro ke. The avera ge p r oba bility was only about 0.1 3   for pattern 2  and 0.06 for  pattern 3. Th e x-axis  on sensor 2, 3 an d 4 had only 1 type of pattern.   The y-axis  on  sen s o r  2 an d 4 had o n ly two pattern s  and al so  z-ax is of se nsor 3  which ha d o n ly  2  patte rn s. Only sensor 1  had 3 types of pattern  for all the axes. The local Eu ler angl es of the   pattern 1 for  backh and  stroke s are illust rated by Figu re 7.       Table 2. The  pattern of forehan d stro ke s  Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x y z  x y z x y  z x y z  1  -+0  (73% )   -+0  (47% )   -+0  (47% )   -+0  (67% )   -+0  (47% )   -+0  (67% )   +0  (67% )   -+0  (47% )   -0   (73% )   +-0  (40% )   -+0  (87% )   -0   (53% )   2  -+-0   (20% )   -+-0   (33% )   -+-0   (40% )   -+-+0   (20% )   -+-0   (40% )   -+-+0   (20% )   +-+0  (20% )   -+-+0   (40% )   -+0  (27% )   -+-+0   (33% )   -0   (13% )   -+0  (33% )   3  -+-+0   (7%)   -+-+0   (20% )   -+-+0   (13% )   -+-0   (13% )   -+-0   (13% )   -+-+0   (13% )   -+-0   (13% )   +-0  (13% )     -+-0   (27% )     -+-0   (13% )       Table 3. The  pattern of Ba ckhan d stro kes  Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   X  y  z  X  y  z  x  Y  z x y z  1  -+-0   (67% )   +-+-0   (60% )   -+-0   (60% )   -+0  (100% )   +-+0  (73% )   -+0  (100% )   -+0  (100% )   +-+0  (67% )   +0  (80% )   -+0  (100% )   +-0  (67% )   -+0  (100% )   2  -+0  (20% )   +-+0  (20% )   -+-+0   (20% )     +-0  (27% )      +-0  (20% )   -+-0   (20% )     +-+0  (33% )     3  -+-+- 0  (13% )   +-+- +0  (20% )   -+0  (20% )         +-+-0   (13% )         Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Pattern Re co gnition of Overhe ad Fo reh and an d Backhand in Bad m inton …   (M. Ilham di Rusydi)  631   Figure 6. Local Euler an gle  from four se ns o r s fo r first  pattern of forehan d stro ke s          Figure 7. Local Euler an gle  from four se ns ors  for firs t  pattern of back hand s t rokes      Table 4 sugg ests  the simil a rity  between   pr ofe s sion al  players a nd  coache s for fo reha nd  skill. The athl etes we re a s ked to stri ke  the s huttleco ck u s ing the f o reh and  skill  ten times. Their   recorded  arm  movement p a tterns were  comp ared to   those  of the coache s. Arou nd 37% of th ei r  movement s were re co gni zed a s  patte rn 1. In additi on, the table of figure s  sh owe d  that 27 % of  the moveme nts were fo u nd for p a ttern 2, while   21 % for pattern  3. It demonstrated that ab out  16% of their movement s were not associate d  with a n y types of the coa c h e s’.   Table  5  sh o w s the  simil a rity bet wee n  am ateur p l ayers an d  coache s fo r f o reh and  stro ke s. Th e  distri bution   of the p a ttern for  t he a m ateur playe r s whil e p e rf ormin g  foreh and  stro ke s is the  same bet we en pattern 1  and pattern 2 ,  which i s  27. 5% in averag e. It is slightly  highe r tha n  p a ttern 3  which is  only 2 0 %. The ove r all  even  chan ce   for patte rn  1, 2 an d 3 i s   ab out   Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 3, Jun e  2016 :  625  – 635   632 76% for am ateur pl ayers, while a r ou nd 24% of  t heir move me nts are un re cog n ized by  the   system d e riv ed from the coache s’ patte rn.       Table 4. Prof ession al players’  a r m’m o vement for forehan d stro ke   Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x y z  x y z  X  Y  z  x  y  z  1  57.5%  10%   12.5%   40%   45%   30%   40%  57.5%  7.5%   57.5%  70%   25%   2  17.5%  52.5%  30%   17.5%  15%   17.5%   25%  20%   52.5%   5%   5%   62.5%   3  15%   17.5%  22.5%   32.5%  32.5%  35%   35%  17.5%    32.5%    10%       Table 5. Ama t eur playe r s’  arm movem e nt for foreha n d  stro ke s  Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x  y z x  y z x  Y  z  x y z  1  20%   17%  10%  40%   30%  27%  17%   40 23  43%  53%  10%   2  37%   20%  17%  3%   27%  17%  27%   13 37  30%  17%  87%   3  10%   27%  13%  40%   30%  27%  57%   20   27%    0      Table  6 di spl a ys the  simil a rity between  pr ofe s sion al  players a nd  coache s for b a ckha nd  stro ke s. The  profe ssi onal  players app ro ximately prod uce 4 8 % of pattern 1. It is four times th an  pattern 2  and about 12 ti m e s than pattern  3. Th e probability of unrecogni zed strokes,  while the  profe ssi onal  players hit the shuttle c o ck  with foreh and  skill, is ab out  one-thi r d.   Table 7 p r e s ents the pe rcenta ge of a m ateur  pl aye r s’ a r m mov e ments,  which is the   same a s  the  coa c he s’ m o vement for backh and  ski ll. It points out that about 55% of arm  movement is identified by the system, while  4 5 % unre c og nized  arm movem e nt. Furtherm o re,  Pattern 1 is a r oun d 39% a nd pattern 2  about 11%.       Table 6. Prof ession al players’ a r m mov e ment for ba ckha nd stroke s   Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x  y  z X  y  z  x Y  z  X  y  z  1  50%  60%   25%  27.5%   55%   52.5%   65%  20%   57.5%   62.5%   40%   65%   2  20%  10%   25%    17.5%       37.5%   25%     32.5%     3  0%   5%   45%     -     32.5%     -        Table 7. Ama t eur playe r s’  arm movem e nt for backha nd stro ke s  Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x  y  z  X  y  Z   x Y z  x  y  z  1  37%   50%   25%   27%  33%   53%  65%  23%   47%    43%   37%   2  7%   13%   23%    13%     37%   30%     13%     3  13%   13%   27%    -    0%      -        Figure 8  sh o w s the  avare ge p e rcenta g e  of u n known  arm  movem ent from  profession al  players and  amateu r players. Unkno w n arm mo ve ment indicated any arm  movement that  prod uced di ssimila r pattern with co ach e s’ pattern. The blue b a r i s  the un kno w n arm move ment  for  the profe ssi onal   playe r s and  the  red b a r i ndi cates th e u n known a r m m o vement fo r  the   amateu r pla y ers. In a glan ce, the figure indi cat e s that prof ession al pla y ers ha d higher  recogni ze d a r m moveme nt  than am ateu r players fo r  b o th st roke typ e s. T he u n kn own  movem e n t   for forehand  is less than  the  backhand for both types of pl ay ers. T h is data illustrated that  profe ssi onal and  amate u r players  fa ce d  more challe n ges to lea r n b a ckha nd than  forehan d.         Evaluation Warning : The document was created with Spire.PDF for Python.
IJEECS   ISSN:  2502-4 752     Pattern Re co gnition of Overhe ad Fo reh and an d Backhand in Bad m inton …   (M. Ilham di Rusydi)  633     Figure 8. The  percentag e o f  unkno wn a r m movement  for foreh and  and ba ckha n d  stro ke       Hastie et al. [8] said that the skill of play er s increased after traini ng. The skill of players  in this rese arch  correlate d   to the simila ri ty of t heir skill  to the coa c h e s’. To eval u a te the simila rity  of the playe r s’ techni que, t he patte rn p r obability  p r od uce d  by the  coache s were  weig hted u s i ng  norm a lization .  Table 8 and  Table 9 sho w ed the weig ht for all the  pattern s. The  players got the  point by multipling their  pat tern  probability to the weight value of  the pattern. Figure 9  shows the  points for fo rehan d  stro ke  and  Figu re  1 0  indi ca te s th e poi nts fo r b a ckha nd  stro ke. Th e bl ue  bar  is the the poi nt for profe s i onal playe r s  and the  re d bar is the p o i nt for amate u r playe r s. T h e   points eval ua ted for the en tire ax is at four sen s ors. T he maximum  possibl e poin t  was 1.0 0  an d  the minimu m  wa s 0.0 0 . T he bette r pl a y ers  are th e  highe r p o int .  The result  sho w e d  that  in   averag e profession al players g o t highe r point  than a m ateur pl ayers for both  stro ke types.        Table 8. The  weig ht of pattern for fo reha nd stro ke s.   Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x y  z  x  y  z  x  Y  z  X  Y  z  1  1.00   1.00   1.00   1.00  1.00  1.00  1.00  1.00  1.00  1.00   1.00   1.00  2  0.27   0.70   0.85   0.30  0.85  0.30  0.30  0.85  0.37  0.83   0.15   0.62  3  0.10   0.43   0.28   0.19  0.28  0.19  0.19  0.28    0.68   0.00   0.25      Table 9. The  weig hting of pattern for b a c khan d stro kes  Pattern   Sensor 1   Sensor 2   Sensor 3   Sensor 4   x  y  z x  y  z  x  Y  z  X Y  z  1  1.00   1.00   1.00   1.00  1.00  1.00  1.00  1.00  1.00  1.00   1.00   1.00  2  0.30   0.33   0.33     0.37      0.30  0.25    0.49     3  0.19   0.33   0.33           0.19            0% 10% 20% 30% 40% 50% 60% Forehand Backhand Percentage Stroke Unknown   Arm   Mov emen t Profesional Amateur Evaluation Warning : The document was created with Spire.PDF for Python.
                             ISSN: 25 02-4 752                   IJEECS  Vol.  2, No. 3, Jun e  2016 :  625  – 635   634     Figure 9. Point of players’  arm movem e nt for foreha n d  stro ke            Figure 10. Point of players’  ar m moveme nt for backha nd stro ke       6. Conclusio n   There ma ny  method s  we re u s ed i n  p a ttern  re cog n ition, such a s  f u sio n  of lo cal  Gab o r  pattern s [1 3]  and fu zzy [14 ]. In this  re se arch th e p a ttern  of a r m  m o vement  wa s dete r mine d  by  local  Euler a ngle. Th e  re sults indi cate d that the  lo cal Eul e r an gle g r adi ent  coul d b e  u s e d  to  con s tru c t the   arm m o veme nt pattern  whi l e playing  ba dminton fo r f o reh and  an d  backh and  sid e s.  The initial se nso r  po sition s set the sce ne for three  pattern s of fo reha nd  stro kes for  all axe s  in   sen s o r   1 a n d  2.  Ho weve r, z-axis in  sensor  3  and  y-axis in  se nso r   4 h ad  only 2  patterns.   Con c e r nin g  b a ckha nd stro ke, only sen s or 1 h ad th ree types of  arm motion s.  This co nditi o n   sho w e d  that  area  of d o rsa l  hand  was the mo st p r ef erabl e type o f  arm m o vem ent for fo reh a nd  and b a ckh a n d  strokes. Pat t ern 1  had th e high est ave r age  proba bility for foreha n d  and  ba ckha nd  stro ke s. Cu shione d by the simila rity of skill, professional playe r s  had a hig her similarity to the  coa c h e s tha n  the amateu r players.   The profe ssi onal players  prove d  that they could imitate the  0.00   0.10   0.20   0.30   0.40   0.50   0.60   0.70   0.80   0.90   1.00   xy z x y z xy z x y z Sensor   1S e n s o r   2S e n s o r   3S e n s o r   4M e a n Point F o r e hand   st ro k e Proesional Amateur 0.00   0.10   0.20   0.30   0.40   0.50   0.60   0.70   0.80   0.90   1.00   xy z x y z xy z x y z Sensor   1S e n s o r   2S e n s o r   3S e n s o r   4M e a n Point Backhand   st ro k e Proesional Amateur Evaluation Warning : The document was created with Spire.PDF for Python.