楊耿 程暉 黃惠怡 李欽 鄭家帆 鄭永權(quán)

摘 要? 本文通過應(yīng)用人工智能技術(shù)，對皮劃艇運動過程進(jìn)行人體關(guān)鍵點識別和角度計算分析。論文從人工智能技術(shù)的現(xiàn)狀、皮劃艇運動智能應(yīng)用業(yè)務(wù)流程、運動智能應(yīng)用方式、皮劃艇運動過程分析、皮劃艇運動關(guān)鍵角度計算推導(dǎo)、人體關(guān)鍵點識別以及運動關(guān)鍵角度檢測等多個方面詳細(xì)介紹了所提出的智能識別方法。計算結(jié)果顯示，所提出的方法能夠在所有關(guān)鍵時刻有效地檢測并計算出槳角和手臂關(guān)鍵角度，并在部分關(guān)鍵時刻檢測到其他運動姿勢角度?；谒鶛z測的結(jié)果，通過對時間序列上多個周期的關(guān)鍵時刻槳角和手臂關(guān)鍵角度進(jìn)行記錄，可以進(jìn)一步分析運動過程中角度的變化情況。未來，皮劃艇運動員和教練可以使用本文所提出方法進(jìn)行智能訓(xùn)練分析并記錄訓(xùn)練數(shù)據(jù)，供該領(lǐng)域科學(xué)訓(xùn)練與決策分析使用。

關(guān)鍵詞 ?人工智能技術(shù)? 皮劃艇運動? 人體關(guān)鍵點識別? 角度計算? 訓(xùn)練分析

中圖分類號? G861.4;TP391.77 ??文獻(xiàn)標(biāo)志碼? A

Detection and analysis of critical angles in kayaking sport

Abstract? This study applies artificial intelligence techniques to recognize human body key points and analyze angle calculations in the process of kayaking. The paper provides a detailed description of the proposed intelligent recognition method， covering the current state of artificial intelligence technology， the business workflow of intelligent kayaking applications， methods of intelligent application， analysis of kayaking processes， derivation of key angle calculations in kayaking， recognition of key human points， and detection of key angles in kayaking. The computed results indicate that the proposed approach can effectively detect and calculate paddle angles and key arm angles at all significant moments， as well as detect other motion pose angles at specific moments. By recording the paddle angles and key arm angles at significant moments across multiple cycles on a time sequence， it can further analyze angle changes during the motion. In the future， kayakers and coaches can use this proposed method for intelligent training analysis and record training data for scientific training and decision analysis in the field.

Keywords? Artificial intelligence technology? Kayaking? Human body key point recognition? Angle calculation? Training analysis

引言

皮劃艇運動一直是我國參與國際競賽的重要項目之一，近年來在該領(lǐng)域取得了顯著的成就。目前，對皮劃艇運動的研究主要集中在體能訓(xùn)練方法、運動防損傷、生化指標(biāo)分析和過程性分析等方面。然而，目前的過程性分析方法往往依賴于人工方式，缺乏科學(xué)且直觀的分析工具來評估運動中的關(guān)鍵角度?，F(xiàn)有的穿戴式傳感器在過程性分析中存在一些局限性，穿戴設(shè)備在一定程度上影響了運動員訓(xùn)練動作的自然性。隨著人工智能技術(shù)的迅速發(fā)展，越來越多的領(lǐng)域開始應(yīng)用人工智能技術(shù)來提高工作效率和解決問題。通過利用人工智能技術(shù)，尤其是機器視覺識別技術(shù)，能夠?qū)崿F(xiàn)對皮劃艇運動動作的自動識別，并對運動過程進(jìn)行分析，為運動員和教練員提供更加有效的訓(xùn)練分析工具。這種智能化的分析工具將使得訓(xùn)練過程更加科學(xué)化和精確化，從而提高運動員的訓(xùn)練效果和競技水平。本文旨在介紹一種基于人工智能機器視覺識別的皮劃艇運動關(guān)鍵角度智能識別方法，并提供普適性的動作識別和過程性分析的視覺識別工具。通過運用機器視覺識別技術(shù)，本研究可以自動識別皮劃艇運動動作的關(guān)鍵角度，并對運動過程進(jìn)行分析。本文的研究成果對于提升運動員的訓(xùn)練效果和競技水平具有積極的意義。

人工智能關(guān)鍵技術(shù)

深度學(xué)習(xí)

近年來，深度學(xué)習(xí)作為機器學(xué)習(xí)的重要分支，在語音識別、圖像識別、自動駕駛等領(lǐng)域得到了廣泛應(yīng)用。深度學(xué)習(xí)技術(shù)的發(fā)展可以劃分為技術(shù)研究和框架研究兩個方面。在技術(shù)研究方面[1]：感知機于1958年問世，成功應(yīng)用于解決二分類問題；在1982年至1986年之間，循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的引入使得序列數(shù)據(jù)能夠被處理；1998年，LeNet-5的提出實現(xiàn)了文檔識別的突破，同時長短期記憶（LSTM）的問世推動了自然語言處理的發(fā)展；2015年，經(jīng)典的殘差網(wǎng)絡(luò)結(jié)構(gòu)（ResNet）的出現(xiàn)有效地解決了梯度下降和網(wǎng)絡(luò)退化問題。在框架研究方面[2]：2008年，蒙特利爾大學(xué)提出了Theano框架；2013年，伯克利大學(xué)提出了Caffe框架，該框架因其高性能和簡潔明了的特點而廣泛使用；2015年，谷歌公司提出了TensorFlow框架，具有平臺兼容性強和完善的資源和生態(tài)系統(tǒng)等優(yōu)點；2017年，F(xiàn)acebook人工智能研究院提出了PyTorch框架，它具有高靈活性、高速度和易用性等優(yōu)點；2018年，百度公司提出了飛槳（PaddlePaddle）框架，它易于使用，支持分布式訓(xùn)練，并且非常適應(yīng)國內(nèi)硬件；2019年，華為公司提出了MindSpore框架，它提供全場景支持，并采用一致的動態(tài)和靜態(tài)圖設(shè)計。這些框架的出現(xiàn)對于深度學(xué)習(xí)領(lǐng)域的發(fā)展具有重要的推動作用。

姿態(tài)估計

深度學(xué)習(xí)在人體姿態(tài)估計方面得到了廣泛應(yīng)用，特別是在動作識別、自動駕駛輔助系統(tǒng)和動畫游戲等領(lǐng)域。人體姿態(tài)估計可分為二維和三維兩種形式。在二維人體姿態(tài)估計中，存在多種方法[3-5]：基于數(shù)值坐標(biāo)回歸的方法，通過訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)直接從圖像中回歸出人體關(guān)鍵點的坐標(biāo)；是基于關(guān)鍵點熱圖回歸的方法，利用人體關(guān)鍵點之間的結(jié)構(gòu)關(guān)系，結(jié)合機器學(xué)習(xí)算法對預(yù)測結(jié)果進(jìn)行優(yōu)化；是基于卷積姿態(tài)機的方法，利用連續(xù)預(yù)測和大感受野來實現(xiàn)準(zhǔn)確的結(jié)果；基于堆疊沙漏網(wǎng)絡(luò)的方法，通過在每個尺度上捕獲信息，并利用不同尺度進(jìn)行姿態(tài)估計；基于從多人姿態(tài)的自頂向下方法，通過改進(jìn)人體邊界框或區(qū)域定位的方式來提高人體姿態(tài)估計的準(zhǔn)確性；基于多人姿態(tài)的自底向上方法進(jìn)行關(guān)節(jié)點檢測，將檢測到的節(jié)點進(jìn)行聚類以獲得多個人體的姿態(tài)估計。以上這些方法為深度學(xué)習(xí)在人體姿態(tài)估計領(lǐng)域的研究提供了不同的思路和技術(shù)，對其進(jìn)一步的應(yīng)用和發(fā)展具有重要意義。

三維人體姿態(tài)估計是在二維人體姿態(tài)估計的基礎(chǔ)上引入深度信息來實現(xiàn)更準(zhǔn)確的結(jié)果。在三維人體姿態(tài)估計中，存在多種方法[6]：基于端到端的人體姿態(tài)估計法，該方法利用卷積神經(jīng)網(wǎng)絡(luò)對圖像進(jìn)行回歸特征提取，從而能夠預(yù)測出人體關(guān)鍵點的三維坐標(biāo)；基于重建法，該方法在第一階段使用二維姿態(tài)估計，然后將二維關(guān)鍵點升級為三維關(guān)鍵點以實現(xiàn)姿態(tài)估計；基于多人場景下單目的自頂向下方法，該方法先確定人體邊界框，然后通過邊界框得到人體關(guān)節(jié)點的位置；基于多人場景下單目的自頂向上方法，該方法首先預(yù)測所有關(guān)節(jié)點的位置，然后根據(jù)這些關(guān)節(jié)點之間的相關(guān)關(guān)系進(jìn)行連接。以上這些方法為實現(xiàn)三維人體姿態(tài)估計提供了不同的途徑和策略，對于進(jìn)一步提高人體姿態(tài)估計的準(zhǔn)確性具有重要意義。

皮劃艇運動關(guān)鍵角度智能識別應(yīng)用設(shè)計

智能識別應(yīng)用業(yè)務(wù)流程

為實現(xiàn)對皮劃艇運動的普適性動作識別與過程性分析的目標(biāo)，本研究針對皮劃艇運動智能應(yīng)用進(jìn)行了業(yè)務(wù)流程設(shè)計。該流程包括感知、處理、識別、計算和分析五個模塊，如圖1所示。感知模塊通過攝像頭實現(xiàn)對視覺數(shù)據(jù)的采集；處理模塊利用圖像處理算法對視頻數(shù)據(jù)進(jìn)行抽樣和預(yù)處理；識別模塊則采用人工智能圖像識別算法對圖像中的人體姿態(tài)進(jìn)行估計，并獲取其關(guān)鍵點信息；計算模塊主要使用預(yù)設(shè)的動作角度幾何模型公式對皮劃艇運動的關(guān)鍵角度進(jìn)行計算；分析模塊主要對計算得出的皮劃艇運動關(guān)鍵角度在整個運動周期內(nèi)的時序變化進(jìn)行詳細(xì)分析。通過該業(yè)務(wù)流程的設(shè)計與實施，可以提供給皮劃艇運動智能應(yīng)用一個普適性的動作識別與過程性分析的視覺識別工具。

為了實現(xiàn)對皮劃艇運動的智能應(yīng)用，每個模塊都提供了相應(yīng)的有效數(shù)據(jù)輸出。例如，感知模塊輸出訓(xùn)練視頻、比賽視頻以及可供人工回看和分析的視頻；處理模塊輸出感興趣圖像和抽樣圖像，能夠快速提供某一時刻的關(guān)鍵圖像信息；識別模塊輸出皮劃艇運動關(guān)鍵點的視頻圖像幀，能夠直觀地比較運動姿勢是否規(guī)范；計算模塊輸出皮劃艇運動動作關(guān)鍵角度的視頻圖像幀，結(jié)合相應(yīng)的專家規(guī)則可以自動分析動作姿勢的優(yōu)勢和缺陷，為后續(xù)訓(xùn)練決策提供有效的指標(biāo)依據(jù)；分析模塊輸出皮劃艇運動周期角度變化的時序圖，可以對比分析前后訓(xùn)練效果以及不同運動員在同一運動周期中的差異等。運動員和教練在各個模塊中都可以獲得來自不同維度的數(shù)據(jù)結(jié)果。這些數(shù)據(jù)輸出為運動員和教練提供了全面的信息，能夠支持他們進(jìn)行訓(xùn)練和決策。通過分析這些數(shù)據(jù)，運動員可以了解自己的訓(xùn)練效果和改進(jìn)空間，教練可以根據(jù)數(shù)據(jù)結(jié)果制定個性化的訓(xùn)練計劃和指導(dǎo)方針。這種不同階段、多維度的數(shù)據(jù)輸出有助于提高皮劃艇運動的智能化水平，促進(jìn)運動員的技術(shù)提升和訓(xùn)練效果的評估。

智能識別應(yīng)用方式

針對皮劃艇運動關(guān)鍵角度智能識別應(yīng)用，本文提出了四種不同的設(shè)計形態(tài)，包括滯后式、固定式、便捷式和跟隨式。如圖2所示，滯后式應(yīng)用方式主要采用事中錄像的方式進(jìn)行數(shù)據(jù)采集，然后將視頻拷貝到計算機中進(jìn)行處理和識別分析。滯后式應(yīng)用方式不需要現(xiàn)場處理與識別設(shè)備，對設(shè)備要求較低，適用于各種不同的場景。它的實施成本相對較低，但實時性較差。

根據(jù)圖3所示，固定式應(yīng)用方式主要適用于以下場景：固定室外訓(xùn)練賽道、固定室外比賽賽道以及室內(nèi)固定訓(xùn)練場所。該方式通過在岸邊或皮劃艇室內(nèi)運動器械旁架設(shè)攝像頭的方式來采集數(shù)據(jù)，并通過有線寬帶將視頻傳輸?shù)奖镜兀ㄟ吘墸┲悄茏R別計算機，包含處理、識別、計算和分析模塊，從而輸出分析結(jié)果。固定式應(yīng)用方式需要在相應(yīng)場所搭設(shè)長期穩(wěn)定的固定式采集和通信設(shè)備，這涉及到場地施工和拉電等工作。為了獲得皮劃艇行進(jìn)過程的多視角數(shù)據(jù)，需要在賽道上布設(shè)多個固定采集和通信點。因此，該方式的成本相對較高，但具有較強的實時性。通過固定式應(yīng)用方式能夠準(zhǔn)確地獲取皮劃艇運動的關(guān)鍵角度信息，并進(jìn)行實時處理與識別分析。這對于訓(xùn)練賽道、比賽賽道和室內(nèi)訓(xùn)練場所的運動員和教練來說非常重要。盡管該方式存在一定的成本和設(shè)備安裝的挑戰(zhàn)，但它提供了高質(zhì)量的角度數(shù)據(jù)和實時反饋，極大地促進(jìn)了皮劃艇運動的智能化發(fā)展。

根據(jù)圖4所示，便攜式應(yīng)用方式主要適用于以下場景：臨時室外訓(xùn)練賽道、臨時室外比賽賽道以及室內(nèi)臨時訓(xùn)練場所。該方式通過支架搭建臨時攝像頭采集裝置，通過無線信號（如WIFI、藍(lán)牙、5G）將視頻傳輸?shù)叫⌒椭悄茏R別邊緣計算終端，該終端包含處理、識別、計算和分析模塊，能夠直接輸出顯示結(jié)果。在不使用的情況下，智能識別邊緣計算終端（帶電池）、攝像頭與支架可以放置在便攜式工具箱中，方便攜帶和安裝使用。這種方式成本適中且具有較強的實時性。通過便攜式應(yīng)用方式，能夠在臨時訓(xùn)練和比賽場地上使用簡便的設(shè)備實現(xiàn)數(shù)據(jù)采集和分析。該方式具有靈活性和便攜性，能夠滿足臨時訓(xùn)練賽道和比賽賽道的需求。同時，使用小型智能識別邊緣計算終端，可以快速獲取并顯示皮劃艇運動的相關(guān)結(jié)果，為運動員和教練提供實時反饋與指導(dǎo)。便攜式應(yīng)用方式不僅成本適中，而且操作簡單，能夠有效推動皮劃艇運動的智能化發(fā)展。

根據(jù)圖5所示，跟隨式應(yīng)用方式采用無人機進(jìn)行皮劃艇的跟隨拍攝，通過5G信號將視頻傳輸?shù)街悄茏R別服務(wù)器，該服務(wù)器包含處理、識別、計算和分析模塊，可以將結(jié)果輸出到分析平板或電腦上。跟隨式應(yīng)用方式無需設(shè)置多個采集點，因為無人機可以在空中跟隨皮劃艇行進(jìn)過程進(jìn)行拍攝。這種方式成本適中且具有較強的實時性。通過使用智能識別服務(wù)器，可以對皮劃艇運動進(jìn)行高效處理與分析，并將結(jié)果直接顯示在分析平板或電腦上。采用跟隨式應(yīng)用方式，可以充分利用無人機技術(shù)實現(xiàn)皮劃艇運動的全方位拍攝與監(jiān)控。無人機的靈活性和高機動性使其能夠跟隨皮劃艇在水上進(jìn)行拍攝，獲取多角度的圖像和視頻數(shù)據(jù)。通過5G信號傳輸，視頻可以實時傳輸?shù)街悄茏R別服務(wù)器進(jìn)行處理和分析。這種方式不僅具有成本適中和實時性強的特點，而且可以提供高質(zhì)量的視角數(shù)據(jù)，為運動員和教練提供準(zhǔn)確的信息支持。采用無人機跟隨式應(yīng)用方式，可以進(jìn)一步提升皮劃艇運動的數(shù)據(jù)采集和分析水平，為訓(xùn)練和比賽提供更準(zhǔn)確、全面的信息參考，推動皮劃艇運動技術(shù)的發(fā)展。

本節(jié)通過總結(jié)四種方式在應(yīng)用場景、室內(nèi)外適用性、通信方式、計算方式、成本與實時性方面的差異，為實際應(yīng)用提供了指導(dǎo)。根據(jù)表1，可以看出不同的應(yīng)用方式在不同方面具有明顯的差異。在應(yīng)用場景方面，便攜式應(yīng)用方式主要適用于臨時場所的訓(xùn)練和比賽，而跟隨式應(yīng)用方式適用于需要全方位監(jiān)控的情況。在室內(nèi)外適用性方面，便攜式和固定式應(yīng)用方式更適合室內(nèi)使用，而無人機和固定式應(yīng)用方式則適用于室外環(huán)境。在通信方式方面，便攜式和固定式應(yīng)用方式可以使用無線信號進(jìn)行數(shù)據(jù)傳輸，而無人機應(yīng)用方式則采用了更先進(jìn)的5G通信技術(shù)。計算方式方面，便攜式和固定式應(yīng)用方式在小型智能邊緣計算終端上進(jìn)行處理與分析，而無人機應(yīng)用方式則通過智能識別服務(wù)器進(jìn)行計算。在成本與實時性方面，便攜式應(yīng)用方式成本適中且具有較強的實時性，而無人機應(yīng)用方式則具有更高的成本和實時性。根據(jù)實際情況，可以選擇不同的應(yīng)用方式以滿足需求。綜上所述，通過對四種應(yīng)用方式在不同方面的差異進(jìn)行總結(jié)與比較，可以根據(jù)實際情況選擇最適合的應(yīng)用方式，以提高皮劃艇運動數(shù)據(jù)采集和分析的效果。

皮劃艇運動關(guān)鍵角度分析與建模

劃槳動作過程分析

為了實現(xiàn)皮劃艇應(yīng)用中的關(guān)鍵角度檢測與分析，需要對劃槳動作進(jìn)行初步分析。皮劃艇運動是一項周期性的、非對稱發(fā)力的劃槳運動，具有高強度、高速度、高技術(shù)等特點。劃槳過程中，槳與槳之間存在密切的聯(lián)系，上一階段槳插入的速度、力度和角度會直接影響下一階段的動作，只有當(dāng)每個階段的技術(shù)達(dá)到一定標(biāo)準(zhǔn)，才能在比賽中取得優(yōu)異成績。為了方便研究，可以根據(jù)動作意義劃分法將劃槳周期進(jìn)行劃分。參考文獻(xiàn)[7]的研究，本文將單個劃槳周期分為抓水階段、拉水階段、回槳前段和回槳后段。抓水階段是指槳尖插入水中并逐漸變?yōu)闃~垂直的過程；拉水階段是指槳葉垂直并逐漸離開水面的過程；回槳前段是指槳尖離開水面并與船沿平行的過程；回槳后段是指槳桿與船沿平行并槳葉再次進(jìn)入水中的過程。皮劃艇可分為皮艇和劃艇兩種類型，皮艇技術(shù)以上肢為主，下肢為輔；而劃艇技術(shù)則以下肢為主，上肢為輔。在劃槳過程中，要求運動員肩、肘、腕、髖、膝、踝等關(guān)節(jié)與肌肉高度協(xié)調(diào)。因此，本研究根據(jù)不同的運動階段結(jié)合歷史研究成果[8-9]，確定了相應(yīng)的人體關(guān)鍵運動部位。

本文重點關(guān)注劃槳過程中的三個階段：抓水階段、拉水階段和回槳階段。在抓水階段，運動員主要依靠上肢力量帶動軀干旋轉(zhuǎn)，并通過雙膝的彎曲與伸直、手臂與劃槳的協(xié)調(diào)完成劃槳動作。在此階段，槳葉與水面形成的夾角在30-45度之間較為合適，運動員需要迅速插槳，將槳的勢能迅速轉(zhuǎn)化為動能，以產(chǎn)生前進(jìn)的動力。插槳后，運動員需要快速調(diào)動身體各個部位的肌力，通過蹬腿、髖部和上肢等部位的發(fā)力來穩(wěn)定槳在水中的支撐點，并推動皮劃艇前進(jìn)。在拉水階段，運動員利用肘關(guān)節(jié)的屈伸來拉槳，并通過下半身的扭轉(zhuǎn)增加力量輸出。同時，需要控制劃槳的有效垂直位置，最佳的角度為槳葉呈90度，這表示槳葉與水的相互作用最大，速度達(dá)到最佳。在槳葉出水時，槳桿與水面形成的角度應(yīng)約為135度，這是較為合適的位置。出水動作應(yīng)干凈利落，盡量減小水花的產(chǎn)生，以避免降低劃水頻率和延長劃槳周期，從而有利于下一階段的入水操作?；貥A段包括回槳前段和回槳后段。在回槳復(fù)位時，運動員需要放松手臂，并利用軀干的旋轉(zhuǎn)帶動槳葉向前移動。同時，需與腿部積極配合，以縮短回槳時間，減少水的阻力，提高劃水的效率和速度。這樣可以保證劃水動作的連貫性和流暢性，并為下一階段的入水做好準(zhǔn)備。

動作角度幾何建模

本文采用了Mediapipe工具庫，其中包含了姿態(tài)估計與識別模型。該工具庫可提供32個人體關(guān)鍵點的定位，包括人臉關(guān)鍵點。圖6展示了這些關(guān)鍵點的布置。

左手的關(guān)節(jié)點對應(yīng)人體關(guān)鍵點中的序號19，右手關(guān)節(jié)點對應(yīng)序號20。手臂角度是以肘關(guān)節(jié)為中心，通過連接肩、肘和腕三個關(guān)節(jié)點而形成的角度。在左手臂中，肩、肘和腕關(guān)節(jié)點對應(yīng)人體關(guān)鍵點中的序號11、13和15，而在右手臂中則對應(yīng)序號12、14和16。蹬腿角度是以膝關(guān)節(jié)為中心，通過連接髖、膝和踝三個關(guān)節(jié)點而形成的角度。在左蹬腿中，髖、膝和踝關(guān)節(jié)點對應(yīng)人體關(guān)鍵點中的序號23、25和27，而在右蹬腿中則對應(yīng)序號24、26和28。髖關(guān)節(jié)角度是以髖關(guān)節(jié)為中心，通過連接肩、髖和膝三個關(guān)節(jié)點而形成的角度。在左髖關(guān)節(jié)角度中，肩、髖和膝關(guān)節(jié)點對應(yīng)人體關(guān)鍵點中的序號11、23和25，而在右髖關(guān)節(jié)角度中則對應(yīng)序號12、24和26。表2詳細(xì)描述了關(guān)鍵角度與人體關(guān)鍵點之間的關(guān)系及其作用。

槳角計算

根據(jù)劃槳動作過程分析結(jié)果顯示，槳角是皮劃艇運動中最重要的關(guān)鍵角度，即指槳與水平面之間形成的夾角。目前，在人工智能技術(shù)中還沒有直接檢測槳角的算法模型。如果要通過識別物體中的槳來檢測槳角，就需要收集大量的圖像樣本，并進(jìn)行標(biāo)注以進(jìn)行檢測。這樣的過程非常耗費時間和精力，并且無法保證獲得良好的效果。因此，本研究采用了一種巧妙的方法，利用成熟的姿態(tài)估計算法來獲取人體的關(guān)鍵點信息，從而確定槳桿的相對位置。

本研究在采集的視頻幀圖像中，以左上方頂點為原點，水平面為X軸，與水平方向垂直的方向為Y軸，建立了一個二維直角坐標(biāo)系。根據(jù)已知信息，設(shè)定皮劃艇底部與水面相接的線為A，并將其表示為公式（1）。

（1）

將左手關(guān)鍵點和右手關(guān)鍵點的二維坐標(biāo)分別表示為與，并將這兩個點連線的直線稱為B，直線B的表達(dá)式如公式（2）所示。

（2）

直線B的斜率可用公式（3）表示。

在所建立的二維坐標(biāo)系下，通過應(yīng)用反正切函數(shù)來計算槳角，其計算公式如公式（4）中所示。其中，表示直線B的斜率，代表了槳與水面之間形成的夾角，即槳角。

（4）

通過將式（1）與式（3）代入式（4），得到計算槳角的最終結(jié)果如公式（5）所示。

本研究將通過連接三個關(guān)節(jié)點計算得出的角度稱為關(guān)節(jié)角，其中包括手臂角度、蹬腿角度和髖關(guān)節(jié)角度。這些關(guān)節(jié)角可以利用兩個關(guān)節(jié)點連線的向量內(nèi)積公式進(jìn)行計算。在建立的二維坐標(biāo)系下，可以通過向量內(nèi)積公式（6）進(jìn)行角度計算。

在本研究中，假設(shè)關(guān)節(jié)點a、中心關(guān)節(jié)點和關(guān)節(jié)點b的二維坐標(biāo)為與，則向量a與b可以分別表示為公式（8）與（9）。

在本研究中，定義了關(guān)節(jié)與關(guān)節(jié)之間的長度為向量的模。具體地，在公式（10）和（11）中給出了關(guān)節(jié)長度的計算方式。公式（10）表示了關(guān)節(jié)點a與中心關(guān)節(jié)點之間的長度，而公式（11）則表示了中心關(guān)節(jié)點與關(guān)節(jié)點b之間的長度。通過這樣的定義和計算方式，可以準(zhǔn)確地確定關(guān)節(jié)之間的長度。

通過將公式（8）至（11）代入公式（7），可得到最終的關(guān)節(jié)角計算結(jié)果，如公式（12）所示。該公式提供了準(zhǔn)確計算關(guān)節(jié)角的方法，并可用于進(jìn)一步研究和分析相關(guān)問題。

實現(xiàn)過程

本文采用了Mediapipe工具庫來進(jìn)行人體關(guān)鍵點的識別。在進(jìn)行人體關(guān)鍵點識別之前，需要對攝像頭實時捕獲的皮劃艇運動或從計算機上讀取的皮劃艇運動視頻進(jìn)行處理。為此，本文選擇了OpenCV視覺庫來讀取和處理皮劃艇運動視頻，該庫提供了圖像的基本操作、圖像信號處理以及機器視覺等多種功能， 能夠有效地獲取皮劃艇運動視頻的幀并進(jìn)行必要的預(yù)處理。這一過程的主要實現(xiàn)如圖7所示，其中包括視頻讀取、幀處理和相關(guān)圖像操作。通過以上實現(xiàn)步驟，能夠獲得適合于后續(xù)人體關(guān)鍵點識別的皮劃艇運動視頻數(shù)據(jù)，并為后續(xù)研究提供了可靠的數(shù)據(jù)基礎(chǔ)。

首先，視頻圖像幀格式默認(rèn)為BGR，需要將其轉(zhuǎn)換為RGB格式以滿足模型輸入要求。其次，采用了多種策略來改善人體姿態(tài)檢測的準(zhǔn)確性和穩(wěn)定性。例如，將Mediapipe姿態(tài)估計與識別模型處理模式設(shè)置為視頻流模式，利用前后幀的信息來提高姿態(tài)檢測結(jié)果；調(diào)整人體姿態(tài)關(guān)鍵點檢測模型的復(fù)雜度，提升關(guān)鍵點位置的精確度；采用平滑關(guān)鍵點處理方法降低圖像中的噪聲，增強圖像質(zhì)量；設(shè)定檢測關(guān)鍵點置信度閾值，過濾掉置信度較低的預(yù)測關(guān)鍵點，提高關(guān)鍵點檢測準(zhǔn)確性；設(shè)置最小跟蹤置信度閾值來跟蹤達(dá)到該閾值的目標(biāo)，確保檢測的穩(wěn)定性。詳細(xì)的Mediapipe姿態(tài)估計與識別模型處理模式參數(shù)設(shè)置如表3所示。通過合理配置這些預(yù)處理策略和參數(shù)，能夠獲得更加清晰、穩(wěn)定、連貫且準(zhǔn)確的視頻圖像。

經(jīng)過處理后獲取的關(guān)鍵點包括x、y和z三個三維坐標(biāo)參數(shù)，但由于假設(shè)場景為二維，因此只使用x和y作為關(guān)鍵點坐標(biāo)信息。此外，可設(shè)置visibility參數(shù)，用于表示關(guān)鍵點的可見程度，取值范圍為0到1，數(shù)值越大表示可見程度越高。在實際應(yīng)用中，由于可能存在關(guān)鍵點被遮擋等情況，為了提高計算的準(zhǔn)確性、穩(wěn)定性和可靠性，需要對關(guān)鍵點進(jìn)行質(zhì)量檢測。本文設(shè)置了一個可見性閾值，只有當(dāng)所需計算角度所涉及的關(guān)鍵點數(shù)量及其可見性值都達(dá)到閾值時，才進(jìn)行角度計算。例如，對左臂角度的計算，首先進(jìn)行關(guān)鍵點質(zhì)量檢測，只有當(dāng)左肩、左肘和左腕三個關(guān)鍵點的可見性值都達(dá)到預(yù)設(shè)閾值（0.7）時，才執(zhí)行下一步的計算操作，否則將視為無法獲得可靠的關(guān)鍵點用于角度計算。在獲得高質(zhì)量的關(guān)鍵點坐標(biāo)后，可以利用角度計算公式和關(guān)節(jié)角計算公式進(jìn)行角度計算。最后，按照時間順序?qū)⒂嬎愕玫降慕嵌冉Y(jié)果寫入CSV文件，以便進(jìn)行后續(xù)的時間序列上的角度變化分析。

結(jié)果分析

劃槳過程人體關(guān)鍵點識別結(jié)果

如圖9所示為劃槳過程中人體關(guān)鍵點的識別結(jié)果。在劃槳過程中的識別結(jié)果，可觀察到如下現(xiàn)象：當(dāng)槳右入水時，左手腕位置較為靠近頭部，導(dǎo)致頭部遮擋了關(guān)鍵點，從而無法被模型檢測到；槳處于右垂直位時，左手臂和腿部的關(guān)鍵點均未能被正確檢測到；槳右出水時，由于肢體伸展，上肢兩側(cè)的關(guān)鍵點能夠較好地被識別，然而腿部關(guān)節(jié)仍然無法被檢測到；槳左入水時，左右手臂及右腿的關(guān)鍵點能夠較好地被識別到；槳位于左垂直位時，左手肘關(guān)節(jié)和腿部的關(guān)鍵點無法被準(zhǔn)確識別；槳左出水時，右側(cè)關(guān)鍵點能夠被較好地識別，但左側(cè)關(guān)節(jié)由于被身體遮擋而無法被識別。從總體上觀察，劃槳過程中的右側(cè)肩部、髖部、肘部和腕部等關(guān)鍵點能夠較為準(zhǔn)確地進(jìn)行識別。這是因為攝像機位于運動員的右側(cè)，導(dǎo)致右側(cè)的肢體能夠被清晰地記錄下來。然而，左側(cè)的關(guān)鍵點由于在劃槳過程中受到身體其他部位的遮擋，無法完整地被識別。此外，腿部的膝關(guān)節(jié)和踝關(guān)節(jié)在整個過程中都受到嚴(yán)重的遮擋，因此識別效果較差。雖然在關(guān)鍵點識別過程中，模型可以根據(jù)已有的33個拓?fù)潢P(guān)鍵點對未識別的關(guān)鍵點進(jìn)行預(yù)測和拓展，但在復(fù)雜多變的背景下，模型的預(yù)測能力會受到數(shù)據(jù)質(zhì)量的限制，以及拓?fù)潢P(guān)鍵點之間相互影響和約束的影響，因此比較難以準(zhǔn)確地識別和預(yù)測。

盡管存在以上問題，根據(jù)本文所提出的角度計算公式，針對圖8中的圖像數(shù)據(jù)，仍可以準(zhǔn)確計算出右手臂角度和槳角。這兩個角度結(jié)果將穩(wěn)定地支持周期性運動過程分析。同時，在部分圖像中，還可以計算出左手臂角度、蹬腿角度和髖關(guān)節(jié)角度。

劃槳動作關(guān)鍵角度計算結(jié)果分析

以右入水到左出水作為一個周期，其中包括右入水、右垂直、右出水、左入水、左垂直和左出水六個關(guān)鍵時間點。本研究選擇了一段皮艇劃槳的視頻，該視頻包含三個完整周期。本文選擇了能穩(wěn)定計算的右手臂角度和槳角來進(jìn)行周期性分析。按照這六個關(guān)鍵時間點的時間順序，對三個周期內(nèi)的右手臂角度和槳角進(jìn)行排序，并繪制成散點折線圖，如圖9所示。

通過觀察圖9，可以得出手臂角度和槳角呈現(xiàn)一定的規(guī)律性變化。在槳角方面，可以看到以下規(guī)律：首先，在槳入水時，三個周期內(nèi)的左右入水時的槳角大約在60度左右（誤差不超過10°），且右入水時的槳角大于左入水時的槳角；其次，當(dāng)槳葉位于垂直位置時，槳角大約為90度；最后，在槳出水時，槳角變化范圍在130度至160度之間，且右出水時的槳角明顯大于左出水時的槳角。此外，左右出水時的槳角隨著時間推移都呈現(xiàn)輕微遞增的趨勢。

在右手臂角度方面，可以得出以下結(jié)論：對于槳入水時，左入水時刻的右手臂角度約為115度，而右入水時刻的右手臂角度約為145度，且右入水時刻的右手臂角度明顯大于左入水時刻的右手臂角度。在槳葉位于垂直位置時，槳葉左垂直位和右垂直位的右手臂角度都在140度左右，總體上該位置的右手臂角度呈略微遞增趨勢。在槳出水時，右出水時刻的右手臂角度約為145度，而左出水時刻的右手臂角度幅度變化較大。

右手臂角度和槳角之間存在內(nèi)在聯(lián)系。在抓水階段，從時序圖可以觀察到，槳角隨著右手臂角度的增大而增大，表現(xiàn)出正相關(guān)關(guān)系。而在拉槳和回槳階段，從時序圖可以觀察到，槳角隨著手臂角度的增大而減小，表現(xiàn)出負(fù)相關(guān)關(guān)系。圖9中三個周期內(nèi)關(guān)鍵時刻點說明如表4所示。

總結(jié)與展望

本文旨在響應(yīng)新時代體育工作中對體育強國目標(biāo)的要求，從信息化和智慧化角度出發(fā)，針對特定的體育運動場景——皮劃艇運動過程進(jìn)行了智能應(yīng)用的設(shè)計與實現(xiàn)。通過采用人工智能技術(shù)，本文成功完成了皮劃艇運動關(guān)鍵角度的檢測與分析任務(wù)，并實現(xiàn)了一系列任務(wù)，包括人體關(guān)鍵點檢測、關(guān)鍵角度建模與計算以及關(guān)鍵角度初步時序分析。這些技術(shù)與實驗成果未來有望進(jìn)一步應(yīng)用于輔助訓(xùn)練工具產(chǎn)品的開發(fā)，為皮劃艇運動員與教練提供訓(xùn)練分析數(shù)據(jù)和決策支持。為進(jìn)一步推動該領(lǐng)域的應(yīng)用研究，未來的工作可以著重在以下方向展開：首先，提升關(guān)鍵點檢測的成功率，以提高系統(tǒng)的準(zhǔn)確性和可靠性；其次，對于3D模型下的檢測計算進(jìn)行改進(jìn)，以更全面地捕捉和分析皮劃艇運動員的動作特征；此外，針對時間序列分析運動員的訓(xùn)練與比賽效果也是一個有價值的研究方向，通過比較不同訓(xùn)練階段和不同運動選手之間的關(guān)鍵角度差異，可以深入了解訓(xùn)練對運動員表現(xiàn)的影響。這些工作的開展將為皮劃艇運動領(lǐng)域的應(yīng)用研究提供更好的支持，為提高訓(xùn)練效果和培養(yǎng)優(yōu)秀的運動員做出貢獻(xiàn)。同時，本研究也為其他體育項目的智能化應(yīng)用提供了啟示和借鑒。

參考文獻(xiàn)

[1]陸明亮.深度學(xué)習(xí)技術(shù)的發(fā)展及應(yīng)用[J].電子技術(shù)，2023，52（02）：322-324.

[2]唐曉彬，沈童.深度學(xué)習(xí)框架發(fā)展綜述[J].調(diào)研世界，2023，No.355（04）：83-88.

[3]張宇，溫光照，米思婭等.基于深度學(xué)習(xí)的二維人體姿態(tài)估計綜述[J].軟件學(xué)報，2022，33（11）：4173-4191.

[4]曹曉瑜，夏端峰.基于深度學(xué)習(xí)的人體姿態(tài)估計方法綜述[J].現(xiàn)代信息科技，2022，6（23）：1-6.

[5]馬雙雙，王佳，曹少中等.基于深度學(xué)習(xí)的二維人體姿態(tài)估計算法綜述[J].計算機系統(tǒng)應(yīng)用，2022，31（10）：36-43.

[6]胡佳琪，王成軍，楊超宇.基于深度學(xué)習(xí)的3D人體姿態(tài)估計研究綜述[J].現(xiàn)代信息科技，2023，7（04）：117-120+124.

[7]裘藝，魏文儀，劉愛杰等.國際大賽中男女皮艇運動員劃槳節(jié)奏的比較研究[J].上海體育學(xué)院學(xué)報，2005（03）：54-59.

[8]黃振東，劉磊，陳黎等.上肢劃槳技術(shù)在無寬度限制皮艇運動中的作用[J].四川體育科學(xué)，2009，No.128（04）：82-83+138.

[9]裘藝，程其練，王兆征等.皮艇劃槳技術(shù)優(yōu)劣的運動學(xué)評判方法和應(yīng)用研究[J].西安體育學(xué)院學(xué)報，2013，30（05）：628-635.