張馬森， 曲毅， 崔婧， 劉卉

(1.北京體育大學(xué)運(yùn)動(dòng)人體科學(xué)學(xué)院， 北京 100084； 2.大連銳動(dòng)科技有限公司， 大連 116033； 3.北京體育大學(xué)中國運(yùn)動(dòng)與健康研究院， 北京 100084)

速度滑冰是以技術(shù)為核心的競速類項(xiàng)目。動(dòng)作技術(shù)是決定速度滑冰運(yùn)動(dòng)員競技能力和能否取得優(yōu)異成績的重要因素?？茖W(xué)合理的動(dòng)作技術(shù)對提高輸出功率、減小前進(jìn)阻力至關(guān)重要。比較不同速度滑冰運(yùn)動(dòng)員動(dòng)作技術(shù)的差異，確定動(dòng)作技術(shù)特征規(guī)律對指導(dǎo)運(yùn)動(dòng)訓(xùn)練具有較大的理論和實(shí)踐價(jià)值。使用錄像與影像解析的方法，采集和解析速度滑冰運(yùn)動(dòng)員在訓(xùn)練或比賽時(shí)的動(dòng)作特征數(shù)據(jù)，可以為分析速度滑冰運(yùn)動(dòng)員的動(dòng)作技術(shù)提供科學(xué)定量的運(yùn)動(dòng)學(xué)數(shù)據(jù)。

人工解析影像是非實(shí)驗(yàn)室條件下，尤其是正式比賽中獲得動(dòng)作特征數(shù)據(jù)唯一可行的方法。獲得人體運(yùn)動(dòng)過程中關(guān)節(jié)點(diǎn)的坐標(biāo)，并計(jì)算運(yùn)動(dòng)學(xué)指標(biāo)，是獲得動(dòng)作技術(shù)特征數(shù)據(jù)的基礎(chǔ)。但攝像機(jī)拍到的是連續(xù)多幀畫面，為了從畫面中提取人體關(guān)節(jié)點(diǎn)的坐標(biāo)信息，需要專業(yè)研究人員對影像進(jìn)行逐幀、逐點(diǎn)的解析，任務(wù)重，反饋慢，嚴(yán)重制約了對運(yùn)動(dòng)員動(dòng)作技術(shù)的分析診斷[1-2]。采用二維拍攝的方法雖然降低工作量，但平面數(shù)據(jù)對速度滑冰運(yùn)動(dòng)員的滑行技術(shù)、蹬冰技術(shù)描述不全面、不準(zhǔn)確[3]。

近年來，基于計(jì)算機(jī)視覺的無標(biāo)記人體運(yùn)動(dòng)捕捉系統(tǒng)使得在非實(shí)驗(yàn)室條件下的動(dòng)作分析成為可能。但是傳統(tǒng)的機(jī)器學(xué)習(xí)算法對原始運(yùn)動(dòng)學(xué)數(shù)據(jù)的處理能力有限，而深度學(xué)習(xí)的出現(xiàn)使得計(jì)算機(jī)視覺領(lǐng)域取得了突破性的進(jìn)步[4-5]?；谏疃葘W(xué)習(xí)在物體檢測、識(shí)別領(lǐng)域的良好結(jié)果，有學(xué)者提出了基于跨層網(wǎng)絡(luò)的危險(xiǎn)品X射線圖像自動(dòng)識(shí)別方法，檢測精度和效率更高[4]。在無人機(jī)識(shí)別領(lǐng)域，孫顥洋等通過深度卷積神經(jīng)網(wǎng)絡(luò)對空中無人機(jī)進(jìn)行實(shí)時(shí)識(shí)別，利用長短期記憶網(wǎng)絡(luò)對飛行映射軌跡進(jìn)行檢測，從而實(shí)現(xiàn)了對無人機(jī)的自動(dòng)識(shí)別和軌跡預(yù)測[6]。針對高分辨圖像下檢測效果差、效率低等問題，朱雅喬等[7]提出了一種基于LDCF-ResNet50的深度學(xué)習(xí)模型檢測方法，使得對行人檢測的精度提高17.77%。除此之外，深度學(xué)習(xí)技術(shù)在人體行為識(shí)別[8]、機(jī)器人自定位[9]、廢棄物分類[10]、目標(biāo)檢測[11]、影像密集匹配[12]等領(lǐng)域也具有廣泛的應(yīng)用。

為克服人工解析影像獲取人體動(dòng)作特征數(shù)據(jù)的局限性，北京體育大學(xué)聯(lián)合大連銳動(dòng)科技有限公司研發(fā)了一套基于計(jì)算機(jī)視覺深度學(xué)習(xí)技術(shù)的人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)，通過攝像機(jī)獲取比賽時(shí)的運(yùn)動(dòng)特征影像，依托深度學(xué)習(xí)算法建立的人體姿勢的神經(jīng)網(wǎng)絡(luò)模型，確定人體關(guān)節(jié)點(diǎn)的位置。該系統(tǒng)使用4 000余套由專業(yè)研究人員人工解析的人體運(yùn)動(dòng)學(xué)數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)訓(xùn)練，使其能夠自動(dòng)識(shí)別解析運(yùn)動(dòng)時(shí)的人體關(guān)節(jié)點(diǎn)，獲得每個(gè)關(guān)節(jié)點(diǎn)的二維像素坐標(biāo)[13-14]。該系統(tǒng)已應(yīng)用于標(biāo)槍、鐵餅運(yùn)動(dòng)員的動(dòng)作技術(shù)分析[14-15]， 但拍攝速度滑冰運(yùn)動(dòng)員的完整步態(tài)周期所需要的拍攝范圍要遠(yuǎn)大于投擲項(xiàng)目，至少需要覆蓋14 m×8 m×2 m的空間范圍[16]，隨著拍攝范圍的擴(kuò)大，運(yùn)動(dòng)員在拍攝畫面中的比例縮小，將降低解析獲得的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)的精度，因此該系統(tǒng)應(yīng)用于大范圍運(yùn)動(dòng)場景的有效性還有待驗(yàn)證。

在速度滑冰項(xiàng)目中，中國極少數(shù)運(yùn)動(dòng)員不斷在國際大賽滑出佳績，但其他運(yùn)動(dòng)員卻沒有突破性的提高，運(yùn)動(dòng)員的動(dòng)作技術(shù)差異可能導(dǎo)致其運(yùn)動(dòng)表現(xiàn)受到限制，而頂尖運(yùn)動(dòng)員可能不適合大樣本的統(tǒng)計(jì)分析。對中國頂尖的速度滑冰運(yùn)動(dòng)員進(jìn)行個(gè)性化分析，可能更有助于他們提升運(yùn)動(dòng)表現(xiàn)并在國際比賽中獲得獎(jiǎng)牌[17]。

本文研究的目的是比較人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)在大范圍運(yùn)動(dòng)場景下自動(dòng)解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線與專業(yè)研究人員人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線的相似性和差異，以驗(yàn)證該系統(tǒng)快速、精確獲得人體關(guān)節(jié)點(diǎn)三維坐標(biāo)的有效性，并將其應(yīng)用于速度滑冰項(xiàng)目中，對頂尖運(yùn)動(dòng)員的動(dòng)作技術(shù)進(jìn)行分析診斷，確定影響頂尖運(yùn)動(dòng)員運(yùn)動(dòng)表現(xiàn)的技術(shù)特征。本文研究擬驗(yàn)證以下假設(shè)：①人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)自動(dòng)解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線與人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線的多重相關(guān)系數(shù)大于0.90，差值的平均值小于0.025 m；②2020年全國速度滑冰錦標(biāo)賽男子1 500 m項(xiàng)目的冠軍和亞軍均具有影響其運(yùn)動(dòng)表現(xiàn)的動(dòng)作技術(shù)特征。

1 研究方法

1.1 測試對象

驗(yàn)證人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)有效性的測試對象為10名國家一級以上水平的速度滑冰運(yùn)動(dòng)員，使用這些運(yùn)動(dòng)員在模擬比賽時(shí)的運(yùn)動(dòng)學(xué)數(shù)據(jù)。人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)在速度滑冰項(xiàng)目中應(yīng)用的測試對象為2020年全國速度滑冰錦標(biāo)賽男子1 500 m項(xiàng)目的冠、亞軍，比賽成績及每圈時(shí)間如表1所示。

表1 冠、亞軍的比賽成績及每圈時(shí)間

1.2 人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)

北京體育大學(xué)聯(lián)合大連銳動(dòng)科技有限公司研發(fā)的人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)，是基于計(jì)算機(jī)視覺深度學(xué)習(xí)技術(shù)建立人體運(yùn)動(dòng)自動(dòng)跟蹤和姿勢估計(jì)的神經(jīng)網(wǎng)絡(luò)模型[14,18]。該系統(tǒng)使用了光流跟蹤技術(shù)，減小了運(yùn)動(dòng)造成的影像模糊和背景干擾等因素對計(jì)算機(jī)系統(tǒng)跟蹤運(yùn)動(dòng)人體的干擾。在準(zhǔn)確捕捉到運(yùn)動(dòng)人體后，該系統(tǒng)應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)方法，通過使用大量已解析好的訓(xùn)練數(shù)據(jù)集進(jìn)行深度學(xué)習(xí)并訓(xùn)練生成估算人體姿勢的神經(jīng)網(wǎng)絡(luò)模型，建立關(guān)節(jié)點(diǎn)在人體外輪廓內(nèi)的位置概率分布圖，使人體姿勢估算神經(jīng)網(wǎng)絡(luò)模型能夠識(shí)別不同運(yùn)動(dòng)中的人體關(guān)節(jié)點(diǎn)，自動(dòng)讀取關(guān)節(jié)點(diǎn)的像素坐標(biāo)[14]。在采集到關(guān)節(jié)點(diǎn)三維坐標(biāo)數(shù)據(jù)后，利用模型驅(qū)動(dòng)的計(jì)算功能，自動(dòng)計(jì)算人體運(yùn)動(dòng)學(xué)數(shù)據(jù)。

1.3 數(shù)據(jù)采集

采用三維定點(diǎn)拍攝的方法獲取10名速度滑冰運(yùn)動(dòng)員模擬比賽時(shí)的運(yùn)動(dòng)特征影像。使用2臺(tái)分辨率為1 920×1 080的高清晰度攝像機(jī)(SONY FDR-AX700，SONY 公司，日本)拍攝運(yùn)動(dòng)員在直道滑行時(shí)的動(dòng)作技術(shù)。1臺(tái)攝像機(jī)放置于直道前方外側(cè)，另1臺(tái)攝像機(jī)放置于直道前方內(nèi)側(cè)，2臺(tái)攝像機(jī)主光軸的夾角約為90°，拍攝頻率為60 Hz/s，快門速度為1/500 s，手動(dòng)對焦。正式測試前，在跑道上放置4根標(biāo)定桿，將每根標(biāo)定桿上的6個(gè)小球作為標(biāo)定小球，構(gòu)成約14 m × 8 m × 2.5 m的標(biāo)定空間(圖1)，測量4串小球在地面投影點(diǎn)之間的距離。在標(biāo)定空間中心處放置5個(gè)標(biāo)志點(diǎn)(G0～G4)以建立大地坐標(biāo)系，X軸指向前進(jìn)方向，Y軸指向跑道左側(cè)，Z軸指向上方。標(biāo)定完成后，移除所有的標(biāo)定設(shè)置。隨后對每名運(yùn)動(dòng)員的滑跑動(dòng)作進(jìn)行拍攝。采用同樣的方法拍攝2020年全國速度滑冰錦標(biāo)賽男子1 500 m比賽中運(yùn)動(dòng)員的直道動(dòng)作技術(shù)。使用國際滑冰聯(lián)盟(International Skating Union)認(rèn)可的電子計(jì)時(shí)系統(tǒng)記錄運(yùn)動(dòng)員每圈的時(shí)間，精度為0.001 s。

圖1 標(biāo)定設(shè)置Fig.1 Calibration setting

1.4 數(shù)據(jù)處理及分析

使用人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)對模擬比賽視頻進(jìn)行自動(dòng)解析，獲得2臺(tái)攝像機(jī)中人體21個(gè)關(guān)節(jié)點(diǎn)的二維坐標(biāo)，使用直接線性轉(zhuǎn)換(direct linear transformation)方法將解析數(shù)據(jù)合成大地坐標(biāo)系下的三維坐標(biāo)，使用 Butterworth 低通濾波方法對解析的三維坐標(biāo)-時(shí)間曲線進(jìn)行濾波處理，截?cái)囝l率為10 Hz。此外，由專業(yè)研究人員對獲得的原始影像進(jìn)行人工逐幀、逐點(diǎn)的解析，獲得人體21個(gè)關(guān)節(jié)點(diǎn)的三維坐標(biāo)-時(shí)間曲線。計(jì)算自動(dòng)解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線和人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線的多重相關(guān)系數(shù)和差值的平均值。計(jì)算方法參考文獻(xiàn)[19-20]。

使用人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)對錦標(biāo)賽視頻進(jìn)行自動(dòng)解析，獲得21個(gè)關(guān)節(jié)點(diǎn)的三維坐標(biāo)，計(jì)算運(yùn)動(dòng)特征數(shù)據(jù)。其中，蹬冰角指的是右側(cè)冰刀離地前一時(shí)刻右腿(髖-踝關(guān)節(jié)中心點(diǎn)連線)與地面的夾角，膝后角指的是右腿單支撐中期右側(cè)髖、膝、踝關(guān)節(jié)中心點(diǎn)的夾角，軀干角指的右腿單支撐中期軀干(左、右肩中點(diǎn)與左、右髖中點(diǎn)連線)與水平面的夾角。

2 結(jié)果

2.1 人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)有效性的驗(yàn)證

對訓(xùn)練環(huán)境下10名速度滑冰運(yùn)動(dòng)員的錄像分別進(jìn)行自動(dòng)解析和人工解析，自動(dòng)解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線與人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線的相關(guān)系數(shù)均大于0.90，90%的自動(dòng)解析曲線與對應(yīng)的人工解析曲線的相關(guān)系數(shù)大于0.95。除右肘X坐標(biāo)、左腕XY坐標(biāo)、左手XYZ坐標(biāo)外，其他關(guān)節(jié)點(diǎn)的自動(dòng)解析曲線與人工解析曲線的差值小于 0.025 m(表2)。

表2 自動(dòng)解析與人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)- 時(shí)間曲線的相關(guān)系數(shù)與差值

2.2 人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)在速度滑冰項(xiàng)目中的應(yīng)用

對2020年全國速度滑冰錦標(biāo)賽的兩名頂尖運(yùn)動(dòng)員的錄像進(jìn)行自動(dòng)解析。結(jié)果顯示，冠軍第1圈的速度慢于亞軍。冠、亞軍的速度差異主要發(fā)生在比賽中、后程，冠軍降速的幅度較小。冠、亞軍蹬冰角的差異主要發(fā)生在比賽中、后程，冠軍的蹬冰角較小，蹬冰角差異的變化趨勢與速度基本一致?；凶藨B(tài)方面，冠軍的膝后角小于亞軍，軀干角大于亞軍，但整體上差異較小，并且差異的變化趨勢與速度不一致(圖2)。

圖2 冠、亞軍每圈的速度和動(dòng)作特征Fig.2 Skating speed and kinematic characteristics of each circle of champion and runner-up

3 討論

3.1 人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)有效性的驗(yàn)證

研究結(jié)果部分支持第一個(gè)假設(shè)。人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)自動(dòng)解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線與專業(yè)研究人員人工解析的人體關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線的相關(guān)系數(shù)均大0.90，90%的自動(dòng)解析曲線與相應(yīng)的人工解析曲線的相關(guān)系數(shù)大于0.95。人體關(guān)節(jié)點(diǎn)的自動(dòng)解析曲線與人工解析曲線相似度越高，由此計(jì)算得到的速度-時(shí)間曲線及人體關(guān)節(jié)三維角度相似度越高。相關(guān)系數(shù)低于0.95的全部是人體關(guān)節(jié)點(diǎn)的Z坐標(biāo)，這可能與運(yùn)動(dòng)員的蹲屈姿勢有關(guān)。速度滑冰項(xiàng)目中，運(yùn)動(dòng)員在垂直方向上的運(yùn)動(dòng)幅度小于左右方向及前進(jìn)方向，多重相關(guān)系數(shù)是2組數(shù)據(jù)的差異與數(shù)據(jù)變化量的比值[14]，2組數(shù)據(jù)差異相似的情況下，數(shù)據(jù)變化量越小，多重相關(guān)系數(shù)越低。

研究結(jié)果還顯示，除右肘X坐標(biāo)、左腕XY坐標(biāo)、左手XYZ坐標(biāo)外，其余人體關(guān)節(jié)點(diǎn)的自動(dòng)解析曲線與人工解析曲線的差值小于0. 025 m，進(jìn)一步支持了人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)的有效性。檢查數(shù)據(jù)發(fā)現(xiàn)，差異較大的是上肢關(guān)節(jié)點(diǎn)。9名運(yùn)動(dòng)員在滑行過程中左手背在身后，左臂運(yùn)動(dòng)幅度較小。此外，兩臺(tái)攝像機(jī)放置于運(yùn)動(dòng)員的側(cè)前方，左側(cè)前臂幾乎被全程遮擋，右臂在擺臂時(shí)也會(huì)發(fā)生不同程度的遮擋，導(dǎo)致自動(dòng)解析的坐標(biāo)數(shù)據(jù)出現(xiàn)較大誤差，這可能是本研究中自動(dòng)解析的上肢關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線與人工解析的上肢關(guān)節(jié)點(diǎn)三維坐標(biāo)-時(shí)間曲線差異較大的原因，而基于實(shí)踐和文獻(xiàn)可知，在中、長距離速度滑冰項(xiàng)目中，運(yùn)動(dòng)員往往單擺臂或背手滑行，上肢運(yùn)動(dòng)不是中、長距離項(xiàng)目的核心技術(shù)[16]。綜上可得，這些結(jié)果支持了人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)在大范圍運(yùn)動(dòng)場景下獲得人體運(yùn)動(dòng)學(xué)數(shù)據(jù)的有效性。今后應(yīng)增加攝像機(jī)數(shù)量及更新算法，進(jìn)一步提高自動(dòng)解析人體關(guān)節(jié)點(diǎn)三維坐標(biāo)的精度。

3.2 人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)在速度滑冰項(xiàng)目中的應(yīng)用

研究結(jié)果部分支持第二個(gè)假設(shè)。冠、亞軍的速度差異主要發(fā)生在比賽中、后程，亞軍第1圈的速度較快，但后程降速明顯，可能是因?yàn)槌霭l(fā)節(jié)奏相對較快使得體能消耗過多、代謝產(chǎn)物堆積及內(nèi)穩(wěn)態(tài)紊亂[21]，導(dǎo)致比賽中、后程的速度與冠軍差距較大，提示運(yùn)動(dòng)員應(yīng)平穩(wěn)出發(fā)，以推遲疲勞的產(chǎn)生或降低疲勞的影響，從而提高比賽成績[22]。冠、亞軍蹬冰角的差異也發(fā)生在比賽中、后程，冠軍的蹬冰角較小，并且差異的變化趨勢與速度基本一致。冠軍依靠較強(qiáng)的身體素質(zhì)和精湛的動(dòng)作技術(shù)，始終維持較高的加速度，一定程度上避免了后程降速嚴(yán)重的問題，也進(jìn)一步提示耐力素質(zhì)和蹬冰動(dòng)作對中、后程加速能力及提高比賽成績的重要性[23]。速度滑冰運(yùn)動(dòng)員滑跑時(shí)的動(dòng)力主要來源于強(qiáng)有力的蹬冰動(dòng)作，更準(zhǔn)確地講來源于每次蹬冰時(shí)的輸出功率[24]。有研究表明，在影響輸出功率的因素中，蹬冰角的相關(guān)性最大(r=-0.963，p<0.01)[25]，蹬冰角每降低1°，速度增加0.011 m/s。Noordhof等[3]甚至提出在國際比賽中能夠根據(jù)蹬冰角的大小區(qū)分運(yùn)動(dòng)員的競技水平。本文研究中，冠軍的蹬冰角小于世界級運(yùn)動(dòng)員[3]，進(jìn)一步證實(shí)了蹬冰角的重要性。蹬冰角客觀反映速度滑冰動(dòng)作中蹬冰技術(shù)的細(xì)節(jié)和實(shí)效，在一定范圍內(nèi)，蹬冰角越小，蹬冰肌肉做功的動(dòng)作幅度增加，使得蹬冰越充分，帶動(dòng)身體迅速提高速度，從而大幅度提高比賽成績。

雖然冠軍的蹬冰角較小，但自由滑行時(shí)的蹲屈姿勢并未更低。傳統(tǒng)觀點(diǎn)認(rèn)為，較小的蹬冰角和較低的蹲屈姿勢有助于增大推進(jìn)力，減少阻力。本文研究中，冠軍的膝后角小于亞軍，軀干角大于亞軍，但整體上差異較小，并且差異的變化趨勢與速度不一致。速度滑冰成績?nèi)Q于輸出功率和克服阻力功率的差值。速度滑冰運(yùn)動(dòng)員的機(jī)械能除了產(chǎn)生向前推進(jìn)的動(dòng)力，主要用于克服阻力，其中空氣阻力占80%[26]?？諝庾枇θQ于身體正迎風(fēng)面積和滑行速度，身體正迎風(fēng)面積取決于運(yùn)動(dòng)員的滑行姿態(tài)，即運(yùn)動(dòng)員的下肢蹲屈程度和軀干前傾幅度。在自由滑行階段，較小的膝后角既有利于降低空氣阻力，又有利于增加蹬冰時(shí)的伸膝幅度，提高蹬冰效果[26]。保持軀干的平穩(wěn)同樣是維持身體平衡、減小空氣阻力的關(guān)鍵，但也有研究認(rèn)為軀干角的變化不是滑冰技術(shù)的核心問題[27]。本文研究認(rèn)為，雖然自由滑行時(shí)較大的軀干角會(huì)增加空氣阻力和能量消耗，但有利于呼吸系統(tǒng)、血液循環(huán)系統(tǒng)和內(nèi)臟器官活動(dòng)，同時(shí)蹬冰起始時(shí)刻軀干位置較高，有效增加蹬冰時(shí)間和幅度，從而提高推進(jìn)力和蹬冰效果，可能彌補(bǔ)甚至超越對成績的不利影響。Clap冰刀也是通過增加蹬冰幅度，從而提高蹬冰效果，使世界紀(jì)錄頻頻被打破[25]。但從整體上看，冠軍與亞軍的膝后角、軀干角差異較小，并且差異的變化趨勢與速度不一致，提示滑行姿態(tài)可能不是影響頂尖運(yùn)動(dòng)員成績差異的主要原因。

綜上可得，頂尖運(yùn)動(dòng)員的成績差異主要來源于蹬冰動(dòng)作。本文研究基于冠軍的動(dòng)作特征推測，采用下肢蹲屈姿勢較低、軀干前傾幅度較小(膝后角較小，軀干角較大)的滑行姿態(tài)和強(qiáng)有力的蹬冰動(dòng)作可能有助于提升運(yùn)動(dòng)表現(xiàn)?；诒疚难芯康慕Y(jié)果，建議冠軍應(yīng)適度提高出發(fā)速度，建議亞軍應(yīng)適度降低出發(fā)速度，降低蹬冰角，但這些建議均需要干預(yù)效果的驗(yàn)證。今后應(yīng)進(jìn)一步探究降低蹬冰角所必備的身體機(jī)能、身體素質(zhì)和技術(shù)特點(diǎn)，探究不同出發(fā)策略、不同蹬冰動(dòng)作和滑行姿態(tài)對成績的影響。

本文研究是對頂尖運(yùn)動(dòng)員的動(dòng)作技術(shù)診斷，研究結(jié)果可能不適用于其他運(yùn)動(dòng)員。而真正的頂尖運(yùn)動(dòng)員是特殊的，他們在堅(jiān)持技術(shù)標(biāo)準(zhǔn)的前提下，與個(gè)人特點(diǎn)結(jié)合形成個(gè)性化的技術(shù)風(fēng)格，大樣本的統(tǒng)計(jì)分析可能并不適合真正的冠軍。在備戰(zhàn)冬奧會(huì)精兵-沖刺的關(guān)鍵階段，聚焦重點(diǎn)隊(duì)員，在科技支撐、技術(shù)診斷等方面給予重點(diǎn)支持，有助于中國優(yōu)勢項(xiàng)目運(yùn)動(dòng)員在北京冬奧會(huì)上獲得更多的金牌和獎(jiǎng)牌[15,17,28]。

4 結(jié)論

人體運(yùn)動(dòng)自動(dòng)捕捉人工智能系統(tǒng)能夠在大范圍運(yùn)動(dòng)場景下快速、精準(zhǔn)地獲得人體關(guān)節(jié)點(diǎn)三維坐標(biāo)數(shù)據(jù)，提供速度滑冰運(yùn)動(dòng)員的生物力學(xué)參數(shù)和效果指標(biāo)。該系統(tǒng)解決了非實(shí)驗(yàn)室條件下不在運(yùn)動(dòng)員身上粘貼反光點(diǎn)同樣可獲得運(yùn)動(dòng)學(xué)數(shù)據(jù)的問題，同時(shí)無需人工逐幀、逐點(diǎn)的識(shí)別解析，極大地降低了工作量，提高了動(dòng)作技術(shù)分析的效率。將該系統(tǒng)應(yīng)用于速度滑冰運(yùn)動(dòng)員的動(dòng)作技術(shù)分析，得出頂尖運(yùn)動(dòng)員的成績差異主要來自蹬冰效果的不同，提示運(yùn)動(dòng)員應(yīng)著重改善蹬冰動(dòng)作，提高蹬冰效率。

今后應(yīng)不斷更新算法，完善數(shù)據(jù)同步、數(shù)據(jù)精度、個(gè)性化指標(biāo)計(jì)算等方面的功能，進(jìn)一步提高針對大范圍運(yùn)動(dòng)場景，或存在遮擋、陰影時(shí)的數(shù)據(jù)精度，從而實(shí)現(xiàn)動(dòng)作技術(shù)信息的更快速、更精準(zhǔn)的反饋；應(yīng)大量測試和采集中國優(yōu)秀速度滑冰運(yùn)動(dòng)員的動(dòng)作技術(shù)特征，進(jìn)行橫向和縱向比較；應(yīng)借助中國舉辦國際比賽的機(jī)會(huì)采集和借鑒國際頂尖運(yùn)動(dòng)員的動(dòng)作技術(shù)特征，為制定科學(xué)有效的訓(xùn)練方案提供依據(jù)。