本研究提出了一种基于双向长短期记忆（BiLSTM）神经网络的实时运动分类方法，旨在提高运动识别在真实环境中的鲁棒性和通用性。该模型结合关节角度和坐标数据，测试准确率超过99%。

本研究提出了一种名为HybridCap的轻量级3D运动捕捉技术，利用4个惯性测量单元和层次运动推理模块，实现对各种运动的鲁棒跟踪。研究表明，IMU与视频方法在运动分类中的表现存在差异，视频分类准确率更高。结合单个摄像头和IMU的数据能有效提升人体运动分类的准确性，为未来研究提供了新的方向。