|
|
|
|
|
在8月初举办的东京奥运会女子抛掷项目竞赛中，我国选手巩立姣和刘诗颖发挥超卓，分获铅球和标枪金牌。巩立姣更以20米58发明了个人最好成果，也为我国队赢得奥运会田赛项目首枚金牌。 赛后，我国田径协会发来感谢信，感谢北京体育大学用科技手法为我国抛掷运动员在技能环节上找到了完结自我打破的“要害一招”。 “咱们用人工智能技能对运动员的动作技能进行剖析，提出改善主张，以科技手法助运动员一臂之力。”北京体育大学运动与健康研讨院院长刘卉教授说。记者采访了解到，这项在东京奥运会锋芒毕露的技能体系，现在也正在为活跃备战北京冬奥会的我国运动员不断改善晋级供给服务。 用生物力学办法研讨人体运动，需求对所做动作进行定量剖析，根底条件离不开数据。 快速高质量地取得运动员动作技能数据，是当时急需霸占的一项要害瓶颈。传统动作捕捉技能，要么需求在人体固定反光符号点或惯性传感器，要么需求人工辨认人体关节点。 “前者不能在竞赛中运用，后者则由于作业量大、耗时长、重复性差，严重影响动作技能剖析的反应速度和可靠性，束缚了生物力学在助力竞技体育中的使用。”刘卉解释道。 怎么破困局？刘卉团队使用根据深度学习原理的人工智能技能，树立神经网络模型，完结对动作视频中人体关节点的核算机主动辨认，从而树立起适用于竞技体育和一般生物力学研讨的核算机体系——无反光点人体运动主动捕捉人工智能体系。 作为科技冬奥要点专项“冬天项目运动员专项才能特征和科学选材要害技能研讨”课题负责人，刘卉告知科技日报记者，该体系已使用在国家速度滑冰和越野滑雪项目的练习中，取得超越8000人次的赛时动作技能数据，使机器深度学习越发“称心如意”，关于滑冰与滑雪运动员的动作捕捉与技能剖析，既能精准到详细细节，又能快速反应剖析成果。 研讨中，刘卉团队发现，运动视频主动解析至少需求处理“跟得住”“辨认准”“精度高”三个问题。 运动现场拍照视频，画面环境杂乱多样。课题组在常用的运动人体盯梢算法中结合了光流盯梢技能，即通过动作量的多少、动作起伏的巨细来精确确定主ID（身份人物），有用躲避快速运动构成的印象含糊，减小杂乱布景等要素搅扰，保证可以“跟得住”。 一起，对很多已符号的练习数据进行机器学习，使用核算机体系构成神经网络，可辨认不同运动姿势的人体关节点，到达“辨认准”。 此外，该体系具有对每一帧图画的关节点进行独立核算的功用，怎么减小独立核算时关节点方位的随机差错？刘卉介绍，运用算法添加对接连运动的时刻束缚，即辨认出各个关节点的高频差错并把它排除去，以此批改关节点方位坐标，终究取得高精度核算成果。 “从2019年起，通过数个版别的迭代晋级，该体系已能快速精确地主动辨认运动视频中的人体关节点，对旋转、翻滚等人体动作也能进行比较好的主动辨认。”刘卉说，体系组成并输出一切辨认点的三维坐标，支撑多视频批量主动解析与目标核算。 刘卉告知科技日报记者，假如体系选用的是工业录像机，数据的传输与处理往往在1—3分钟就可完结。“这将对技巧类运动员深入体会竞技状态、把握技能方法起到至关重要的效果。”她说。 据了解，这一体系还供给多种空间三维标定计划，可处理大规模、高空动作的数据收集问题。 这是多大规模？刘卉表明，纵横20—30米的空间规模都可掩盖。尤其是针对跳台滑雪空中技巧类的项目，可以为教练员很难用肉眼辨认的技能细节找寻改善的空间。 现在，该体系已被用于钢架雪车、花样滑冰、跳台滑雪等项目的国家队备战练习作业，将为运动员备战北京冬奥会供给重要科技支撑。 |