体育

备战冬奥,人工智能技术大显身手_YNET.com

原标题:备战冬奥,人工智能技术大放异彩

在8月初举行的东京奥运会女子投掷比赛中,中国选手龚丽娇和刘诗颖表现出色,分别获得标枪和铅球金牌。 巩立姣以20米58创造了个人最好成绩,也为中国队夺得了奥运田径项目的第一枚金牌。

赛后,中国田径协会发来感谢信,感谢北京体育大学利用科技为中国投手在技术环节上找到了实现自身突破的“关键出路”。

“我们用人工智能技术分析运动员的动作技术,提出改进建议,用科技手段帮助运动员,”体育大学体育与健康研究所所长刘辉教授在北京说。 记者从采访中了解到,这个在东京奥运会上出现的技术体系,目前正在服务于积极备战北京冬奥会的中国运动员的不断完善和更新。

打破传统动作捕捉方式的局限

使用生物力学方法研究人体运动需要对所进行的运动进行定量分析,而基本前提离不开数据。

快速、高质量地获取运动员动作的技术数据是亟待攻克的关键瓶颈。 传统的动作捕捉技术需要在人体上贴上反射标记或惯性传感器,或者手动识别人体关节点。

“第一个不能用于比赛,第二个是因为工作量大、时间长、重复性小,严重影响了技术动作分析的反馈速度和可靠性,限制了生物力学在竞技体育中的应用。” 刘辉解释道。

如何破局? 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,对动作视频中的人体关节进行计算机自动识别,进而建立适合运动的计算机系统。自动捕捉人体动作的人工智能系统。

作为冬奥会专项科技专项“冬季运动项目运动员能力特点及关键技术研究科学选拔”的负责人,刘辉告诉科技日报记者,该系统已在训练中应用全国速滑和越野滑雪赛事,并在比赛中获得超过8000人次动作技术数据,让机器深度学习更“有用”。 滑冰者和滑雪者的动作捕捉和技术分析不仅可以在具体细节上准确,而且可以对分析结果提供快速反馈。

多种算法技术确保自动识别快速准确

在调研中,刘辉团队发现,自动运动视频分析至少需要解决三个问题:“可跟踪”、“准确识别”、“准确率高”。

体育视频场景,画面环境复杂多样。 课题组将光流跟踪技术结合到常用的运动人体跟踪算法中,即通过运动量和运动幅度精确锁定主要识别(身份人),可有效避免快速运动造成的图像模糊并降低复杂性。 背景和其他因素干扰,以确保您可以“跟踪”。

同时,对大量标记的训练数据进行机器学习,计算机系统形成神经网络,可以识别人体在不同运动姿势下的关节点,达到“识别精度”。 .

此外,系统具有独立计算每一帧图像的关节点的功能。 独立计算时如何减少连接点位置的随机误差? 刘辉介绍,该算法用于增加连续运动的时间约束,即识别每个铰链点的高频误差并消除,修正铰链点的位置坐标,最终得到一个高- 精确计算结果。

“截至2019年,经过多次迭代更新版本,该系统已经能够快速准确地识别体育视频中人体的关节点,还可以更好地自动识别旋转、摇摆等人体动作” . 刘辉 也就是说,系统综合生成所有测点的三维坐标,支持多视频自动批量分析和指标计算。

刘辉告诉科技日报记者,如果系统采用工业录像机,数据传输和处理往往可以在1-3分钟内完成。 “这对于技能运动员体验竞技状态和掌握基本技术方面将发挥至关重要的作用,”他说。

高空动作捕捉不再困难

据了解,该系统还提供了多种三维空间标定解决方案,可以解决大范围、高空运动的数据采集问题。

这是什么范围? 刘辉说,20-30米的空间范围可以在垂直和水平方向覆盖。 尤其是跳台滑雪天线,对于训练者用肉眼难以识别的技术细节,您可以找到改进的空间。

如今,该系统已应用于钢架雪地摩托、花样滑冰和跳台滑雪国家队的备战和训练,将为运动员备战北京冬奥会提供重要的科技支撑。

主编:孟翔宇(EN009)

Source

Show More