动作特征|冬奥会上的科技范儿( 二 )

当下的机器学习为科学训练提供了新的方法和路径。越野滑雪、速度滑冰等竞速类比赛追求“快” ，运动员速度是动作技术的最终体现形式。北京体育大学科研团队将滑雪运动员不同技术类型、比赛时不同地形的技术动作特征、比赛成绩等多层次数据融合，分析对比赛速度最为关键的技术动作特征。进一步基于关键技术特征，利用深度学习手段，构建神经网络模型，预测滑雪速度。
项目团队建立的神经网络模型预测速度的决定系数可达到0.9 ，应用模型可以实现训练的多维度比较，以最终速度为指向，快速为运动员和教练员反馈训练干预效果，为教练员的指导和运动员的动作优化提供了科学依据。这相当于教练员手握一面镜子，从而形成“训练干预—效果评估—技术改进—效果再评估”的科学有效的训练模式。
这一方法也应用在速度滑冰中，为了尽可能减小风阻，运动员必须保持较小的下蹲角度，对下蹲姿位也有较为独特的要求。通过对我国速度滑冰优秀运动员的动作特征进行研究，北京体育大学项目团队分析了对滑冰速度影响较大的动作技术特征，并建立神经网络预测模型，基于上述分析的重要动作特征参数，预测滑冰速度，为运动员的训练及技术调整提供科技支撑，保障了运动成绩的提升和稳定性。
3、智能冰场“黑科技”——自动识别系统
获取运动员在每一次比赛中的关键数据是总结经验、提高成绩的有效办法，但这是一个非常棘手的问题——传统上依赖可穿戴设备进行这些数据的收集，或者在运动员身上粘贴标记点，利用较多的红外镜头进行标记点的捕捉和追踪。但这些技术都无法在真正的比赛中使用——真正的比赛中绝不会允许任何有可能干扰到运动员比赛的可穿戴设备以及标记点出现。
所以，人工智能智慧冰场绝不是简单的智能管理系统，它的核心，应该是如何通过先进的科技手段，在不打扰运动员比赛的情况下，对冰场上正在紧张训练或比赛的运动员进行技术的总结与提升，更是智慧场馆需要解决的核心科技问题。
由北京体育大学主导研发的基于人工智能技术的“无标记点人体运动自动识别人工智能系统” ，可在不接触运动员的条件下，仅仅利用架设在赛场周围的高速摄像机，通过机器视觉方法自动跟踪运动员的冰上位置，并对运动员进行人体21个关键点的自动识别，即时合成运动员三维运动姿态数据，并绘制出相关数据曲线，便于运动员和教练员及时掌握体能分配情况和比赛技战术状态，以评估训练效果。
整套系统基于机器深度学习原理的人工智能技术，采用了人工智能机器视觉算法以及三维重建技术，同时突破性地使用了大范围视频影像拍摄与拼接技术，还可计算人体重心位置、关节角度、速度和器械运动状态等一系列动作技术指标，监测运动员运动过程中瞬时速度、加速度、运动轨迹、身体姿态等多种运动信息，可满足大多数冰雪项目动作技术分析的需要。该系统成功运用于速度滑冰、钢架雪车、跳台滑雪、越野滑雪等项目，实现了复杂场景下三维动作捕捉与分析。
这套系统具有自主知识产权，是目前世界上第一套能够在实际比赛、训练和其他临床环境下，使用生物力学常用人体模型，自动采集人体三维运动学数据的系统。运动员只需在比赛或者训练过程中正常运动，人工智能系统即可以在不接触运动员的情况下收集和自动分析运动员的数据。整个系统真正实现了无干扰，准确且高效，是体育科研人员梦寐以求的数据收集手段，为教练员及运动员高水平训练提供高科技保障。