人工智能：智能“私教”冬奥会显身手

竞技体育发展到今天，运动员的各项素质都已接近人体极限，此时，用人工智能技术对运动员的动作技术进行分析，再提出改进建议，有望以科技手段助运动员一臂之力。

备战北京冬奥会的过程中，人工智能技术为中国运动员提供了个性化、智能化的训练方案，帮助指导运动员们不断升级自己的技术动作。

用生物力学方法研究人体运动，需要对所做动作进行定量分析，但离不开基础数据。快速高质量地获得运动员动作技术数据，是当前急需攻克的瓶颈问题。传统动作捕捉技术，要么需要在人体固定反光标记点或惯性传感器，要么需要人工识别人体关节点。

北京体育大学运动与健康研究院院长刘卉教授介绍，“前者不能在比赛中使用，后者则因为工作量大、耗时长、重复性差，严重影响动作技术分析的反馈速度和可靠性，限制了生物力学在助力竞技体育中的应用。”

为了解决这个问题，刘卉团队利用基于深度学习原理的人工智能技术，建立神经网络模型，实现对动作视频中人体关节点的计算机自动识别，进而建立起适用于竞技体育和一般生物力学研究的计算机系统——无反光点人体运动自动捕捉人工智能系统。

基于AI技术的速度滑冰项目大范围三维空间标定和动作捕捉与分析 图片来源/刘卉论文截图

作为科技冬奥重点专项“冬季项目运动员专项能力特征和科学选材关键技术研究”的课题负责人，刘卉在研究中发现，运动视频自动解析至少需要解决“跟得住”“识别准”“精度高”3个问题。

运动现场拍摄视频，画面环境复杂多样。课题组在常用的运动人体跟踪算法中结合了光流跟踪技术，即通过动作量的多少、动作幅度的大小来准确锁定主ID（身份人物），有效规避快速运动造成的影像模糊，减小复杂背景等因素干扰，确保能够“跟得住”。

图片来源/视觉中国

同时，对大量已标记的训练数据进行机器学习，利用计算机系统形成神经网络，可识别不同运动姿态的人体关节点，达到“识别准”。

此外，该系统具有对每一帧图像的关节点进行独立计算的功能。项目组运用算法增加对连续运动的时间约束，即识别出各个关节点的高频误差并把它排除掉，以此修正关节点位置坐标，最终获得高精度计算结果。

“从2019年起，经过数个版本的迭代升级，该系统已能快速准确地自动识别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自动识别。”刘卉说，系统合成并输出所有识别点的三维坐标，支持多视频批量自动解析与指标计算。如果系统采用的是工业录像机，数据的传输与处理往往在1-3分钟就可完成。这将对技巧类运动员深刻体验竞技状态、掌握技术要领起到至关重要的作用。

钢架雪车中运动员改进运动姿势有助于提升成绩 图片来源/视觉中国

另外，该系统还提供多种空间三维标定方案，可解决大范围、高空动作的数据采集问题。在跳台滑雪等空中技巧类的项目中，也能够为很难被肉眼识别的技术细节找寻改进的空间。

通过在国家速度滑冰和越野滑雪项目训练中的应用，系统获得了超过8000人次的赛时动作技术数据，使机器深度学习越发“得心应手”，对于滑冰与滑雪运动员的动作捕捉与技术分析，既能精准到具体细节，又能快速反馈分析结果。

目前，该系统已被用于钢架雪车、花样滑冰、跳台滑雪等项目的国家队备战训练工作，将为运动员备战北京冬奥会提供重要科技支撑。

撰文：赵玲

编辑：吉菁菁

科学性审核：霍波 北京理工大学宇航学院教授

本文来自：中国数字科技馆