备战冬奥会 人工智能技术展示了它的才华

在8月初举行的东京奥运会女子投掷项目中，中国选手龚和刘诗颖发挥出色，分别获得铅球和标枪金牌。龚李姣甚至取得了20米和58米的最好成绩，为中国队赢得了奥运会田径项目的第一枚金牌。

赛后，中国田径协会发来感谢信，感谢北京体育大学为中国投掷运动员借助科技手段实现技术方面的自我突破找到了“关键绝招”。

“我们利用人工智能技术分析运动员的运动技能，提出改进建议，用科技手段帮助运动员。”北京体育大学体育与健康学院院长刘辉教授说。记者了解到，这一在东京奥运会上出现的技术体系，也在为正在积极备战北京冬奥会的中国运动员的不断提高和升级提供服务。

突破传统动作捕捉方法的局限。

用生物力学方法研究人体运动需要对动作进行定量分析，基本前提是数据。

快速、高质量地获取运动员运动技术数据是关键瓶颈。传统的运动捕捉技术要么需要在人体上固定反射标记或惯性传感器，要么需要人工识别人体关节点。

“前者不能用于比赛，后者工作量大、时间长、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。”刘辉解释道。

如何打破困境？刘辉团队利用基于深度学习原理的人工智能技术，构建神经网络模型，实现动作视频中人体关节点的自动识别，进而构建了适用于竞技体育和通用生物力学研究的计算机系统——，实现无反射点的人体运动自动捕捉。

作为“冬季项目运动员专项能力特征及科学选材关键技术研究”项目负责人，刘辉告诉科技日报记者，该系统已应用于全国速度滑冰、越野滑雪项目的训练中，获得了8000多项赛时动作技术数据，使得机器的深度学习越来越“得心应手”。对于滑冰者和滑雪者的动作捕捉和技术分析，不仅可以精确到具体细节，还可以快速反馈分析结果。

多算法技术保证了快速准确的自动识别。

在研究中，刘辉团队发现，运动视频的自动分析至少需要解决三个问题：“跟得上”、“识别准确”、“准确率高”。

体育直播视频拍摄，画面环境复杂多样。课题组将光流跟踪技术结合在常用的运动人体跟踪算法中，即通过动作量和动作幅度的大小精确锁定主ID(身份人)，有效避免了快速运动带来的图像模糊，减少了复杂背景等因素的干扰，保证了其能够“跟得上”。

同时对大量标注的训练数据进行机器学习，由计算机系统组成神经网络，可以识别不同运动姿态的人体关节点，达到“识别精度”。

此外，该系统还具有独立计算每帧图像的关节点的功能。如何减少独立计算中关节位置的随机误差？据刘辉介绍，该算法用于增加对连续运动的时间约束，即识别每个关节点的高频误差并消除，从而修正关节点的位置坐标，最终获得高精度的计算结果。

“从2019年开始，经过几个版本的迭代升级，该系统能够快速准确地自动识别运动视频中的人体关节点，还能自动识别旋转、滚动等人体动作。”刘辉说，系统综合输出所有识别点的三维坐标，支持多视频批量自动分析和指标计算。

据了解，该系统还提供了多种空间三维标定方案，可以解决大范围、高空运动的数据采集问题。

范围有多大？刘辉说，20-30米的空间范围都可以覆盖。尤其是跳台滑雪空中技巧，对于教练肉眼难以识别的技术细节，可以找到改进的空间。

目前，该系统已用于国家队钢架雪车、花样滑冰、跳台滑雪等项目的训练，将为运动员备战北京冬奥会提供重要的科技支撑。