摘要：競技體育是體育的重要組成部分，對于推動全民健身、提升國際影響力、促進(jìn)國家經(jīng)濟(jì)發(fā)展等具有重要意義。隨著人工智能技術(shù)的發(fā)展，競技體育不斷融入人工智能技術(shù)來促進(jìn) 體育訓(xùn)練的科學(xué)性和競賽的公平性。本文梳理與總結(jié)了近年來人工智能領(lǐng)域中的數(shù)據(jù)挖掘、計(jì)算機(jī)視覺和可穿戴設(shè)備在競技體育中的研究現(xiàn)狀，指出當(dāng)前人工智能應(yīng)用于競技體育在數(shù)據(jù)采集、數(shù)據(jù)安全性、數(shù)據(jù)公開性等方面存在的問題，并對未來研究方向進(jìn)行了展望。

關(guān)鍵詞：人工智能，競技體育，數(shù)據(jù)挖掘，計(jì)算機(jī)視覺，可穿戴設(shè)備

The current research status and prospects of artificial intelligence in competitive sports

Zhao Yantao1，2， Chen Li1

（1． School of Physical Education （Main Campus）， Zhengzhou University， Zhengzhou， Henan， 450001， China; 2. Zhengzhou Sports Vocational College， Zhengzhou， Henan， 450001， China）

Abstract：Competitive sports are an important component of sports and have significant implications for promoting national fitness， enhancing international influence， and advancing national economic development. With the development of artificial intelligence technology， competitive sports continually integrate artificial intelligence technology to promote the scientific nature of sports training and the fairness of competition. We summarized the research status of data mining， computer vision， and wearable devices in the field of artificial intelligence in competitive sports in recent years. We pointed out the existing problems in data collection， data security， and data openness when applying artificial intelligence to competitive sports， and provided prospects for future research directions.

Keywords： artificial intelligence， competitive sports， data mining， computer vision， wearable devices

競技體育是以創(chuàng)造優(yōu)秀運(yùn)動成績、奪取比賽勝利為主要目標(biāo)的體育活動，是體育的重要組成部分。發(fā)展競技體育不僅可以塑造國家形象和民族精神，還可以促進(jìn)公眾健康和城市經(jīng)濟(jì)發(fā)展。2021年10月25日，國家體育總局公布的《國家“十四五”體育發(fā)展規(guī)劃》中指出要“堅(jiān)持舉國體制與市場機(jī)制相結(jié)合，構(gòu)建競技體育發(fā)展新模式，加大科技賦能”。2022年6月第十三屆全國人民代表大會常務(wù)委員會第三十五次會議修訂的《中華人民共和國體育法》中指出：國家要促進(jìn)競技體育發(fā)展，鼓勵運(yùn)動員提高競技水平，在體育賽事中創(chuàng)造優(yōu)異成績，為國家和人民爭取榮譽(yù)。競技體育中如何利用科學(xué)化、智能化手段提高運(yùn)動員在比賽中的成績與如何利用人工智能方法促進(jìn)比賽的公平公正是重要的研究課題。

人工智能旨在開發(fā)計(jì)算機(jī)系統(tǒng)，使其能夠模仿人類智能的特征和執(zhí)行智能任務(wù)，包括機(jī)器學(xué)習(xí)、機(jī)器視覺、自然語言處理等多個子領(lǐng)域。人工智能技術(shù)在競技體育中具有多方面的應(yīng)用：（1）數(shù)據(jù)分析和決策。與傳統(tǒng)人工分析相比，人工智能可快速準(zhǔn)確分析大規(guī)模數(shù)據(jù)，并根據(jù)需求進(jìn)行預(yù)測。（2）輔助制定個性化訓(xùn)練方案。人工智能可挖掘運(yùn)動員個體差異，輔助制定個性化訓(xùn)練計(jì)劃。（3）輔助執(zhí)裁。在比賽或訓(xùn)練中利用攝像頭、傳感器等設(shè)施對比賽過程實(shí)時監(jiān)測，輔助執(zhí)裁。（4）預(yù)防運(yùn)動損傷。通過分析生理數(shù)據(jù)，減少運(yùn)動傷病風(fēng)險。人工智能可為競技體育提供智能化、個性化支持，助力運(yùn)動員和教練在競技領(lǐng)域取得更好成績和促進(jìn)比賽公平。

本文立足于人工智能方法在競技體育中的應(yīng)用，梳理總結(jié)了近年來數(shù)據(jù)挖掘、計(jì)算機(jī)視覺和可穿戴設(shè)備在該領(lǐng)域的研究成果，并對未來研究進(jìn)行了展望。

1 數(shù)據(jù)挖掘在競技體育中的應(yīng)用

數(shù)據(jù)挖掘是指通過挖掘大數(shù)據(jù)中隱含的信息并總結(jié)規(guī)律，來解釋各種現(xiàn)象與預(yù)測未來發(fā)展趨勢的技術(shù)[1]。數(shù)據(jù)挖掘一般利用統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)等進(jìn)行數(shù)據(jù)分析，按照目標(biāo)任務(wù)從大量數(shù)據(jù)中發(fā)現(xiàn)其模式與關(guān)聯(lián)。在競技體育領(lǐng)域中，數(shù)據(jù)挖掘技術(shù)已應(yīng)用于預(yù)測訓(xùn)練成績、預(yù)測運(yùn)動負(fù)荷水平、預(yù)測運(yùn)動疲勞與損傷、輔助優(yōu)化訓(xùn)練過程等方面。在監(jiān)控運(yùn)動員訓(xùn)練過程，降低運(yùn)動員運(yùn)動損傷風(fēng)險，輔助教練員復(fù)盤競賽等方面發(fā)揮重要作用。

在成績預(yù)測方面，主要方法為搜集運(yùn)動員在某一項(xiàng)目上的歷史訓(xùn)練數(shù)據(jù)，采用機(jī)器學(xué)習(xí)方法構(gòu)造預(yù)測模型，以實(shí)現(xiàn)對成績的預(yù)測。嚴(yán)玉清等[2]利用前饋神經(jīng)網(wǎng)絡(luò)預(yù)測三級跳遠(yuǎn)的成績。黃謙[3]等基于關(guān)鍵神經(jīng)網(wǎng)絡(luò)方法，對體能訓(xùn)練成績進(jìn)行了預(yù)測。

在訓(xùn)練負(fù)荷預(yù)測方面，主要方法為收集運(yùn)動員們的生理生化指標(biāo)數(shù)據(jù)，將數(shù)據(jù)經(jīng)過處理后輸入至構(gòu)建的數(shù)據(jù)挖掘模型中進(jìn)行訓(xùn)練與測試。岳志強(qiáng)等[4]選取心率、血紅蛋白、攝氧量等多個生理指標(biāo)，基于支持向量機(jī)算法對運(yùn)動訓(xùn)練效果進(jìn)行評估。李澤檳[5]基于BP神經(jīng)網(wǎng)絡(luò)預(yù)測訓(xùn)練負(fù)荷水平，該方法使用改進(jìn)選擇算子的自適應(yīng)遺傳算法確定初始權(quán)值與閾值，提高了網(wǎng)絡(luò)的全局尋優(yōu)能力。

在運(yùn)動疲勞與損傷預(yù)測方面，主要方法為收集運(yùn)動員的運(yùn)動數(shù)據(jù)，使用機(jī)器學(xué)習(xí)算法構(gòu)建預(yù)測模型，及時識別潛在的疲勞或損傷風(fēng)險，提供個性化的訓(xùn)練建議和休息計(jì)劃，以幫助運(yùn)動員優(yōu)化訓(xùn)練計(jì)劃，避免過度訓(xùn)練，提高訓(xùn)練效果和降低運(yùn)動損傷風(fēng)險。Li等[6]針對田徑運(yùn)動高強(qiáng)度的訓(xùn)練可能會導(dǎo)致不同程度的心肌損傷問題，構(gòu)建了評定心肌損傷程度的模型。Mandorino等[7]持續(xù)六個月監(jiān)測了多名足球運(yùn)動員的訓(xùn)練負(fù)荷參數(shù)，采用多個機(jī)器學(xué)習(xí)方法研究訓(xùn)練負(fù)荷參數(shù)對運(yùn)動員身體恢復(fù)狀況的影響。

在輔助優(yōu)化訓(xùn)練過程方面，數(shù)據(jù)挖掘技術(shù)目前多被應(yīng)用于對賽事進(jìn)行動態(tài)監(jiān)測以及對收集的比賽數(shù)據(jù)進(jìn)行分析挖掘，達(dá)到輔助決策技戰(zhàn)術(shù)的目的[8]。梁成軍等[9]依托Weka數(shù)據(jù)挖掘平臺，使用Apriori算法建立網(wǎng)球擊球落點(diǎn)與得失分之間的關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘模型，為網(wǎng)球比賽中的擊球落點(diǎn)與得失分決策提供科學(xué)依據(jù)。Zhong等[10]提出了一種籃球運(yùn)動動作識別系統(tǒng)，基于人工神經(jīng)網(wǎng)絡(luò)，使用卷積長短時記憶網(wǎng)絡(luò)從視頻中提取籃球運(yùn)動訓(xùn)練的時空信息特征，結(jié)合注意力機(jī)制和長短時記憶網(wǎng)絡(luò)，協(xié)助教練做出技戰(zhàn)術(shù)決策。

綜上所述，數(shù)據(jù)挖掘方法可對競技體育中產(chǎn)生的數(shù)據(jù)進(jìn)行分析，幫助教練和運(yùn)動員分析比賽數(shù)據(jù)，識別弱點(diǎn)和優(yōu)勢，并制定更有效的訓(xùn)練和比賽策略。通過分析運(yùn)動員的生理數(shù)據(jù)和訓(xùn)練歷史數(shù)據(jù)，數(shù)據(jù)挖掘可以預(yù)測傷病發(fā)生的風(fēng)險，延長運(yùn)動員競技生涯壽命。通過對賽事動態(tài)監(jiān)控，數(shù)據(jù)挖掘可輔助教練員進(jìn)行技戰(zhàn)術(shù)決策，降低教練員決策壓力和決策失誤概率。

2 計(jì)算機(jī)視覺在競技體育中的應(yīng)用

計(jì)算機(jī)視覺是指通過對數(shù)字圖像、視頻等分析，達(dá)到對某物體的識別、跟蹤、重建等目的的方法。計(jì)算機(jī)視覺技術(shù)包括：物體檢測，語義分割，運(yùn)動和跟蹤，三維重建，動作識別等。目前在競技體育領(lǐng)域中主要應(yīng)用于協(xié)助裁判員執(zhí)裁、輔助運(yùn)動員評估訓(xùn)練動作完成質(zhì)量等方面。

在協(xié)助執(zhí)裁方面，人工執(zhí)裁在一些極端情況下受限于視野遮擋、反應(yīng)速度等原因，只能靠裁判的個人經(jīng)驗(yàn)和預(yù)判進(jìn)行判罰，易發(fā)生漏判誤判。使用較為廣泛的是Sport VU系統(tǒng)[11]。該系統(tǒng)使用多個高速攝像頭和計(jì)算機(jī)視覺算法，實(shí)時收集和分析運(yùn)動員的位置和動作數(shù)據(jù)，跟蹤和分析體育比賽中運(yùn)動員和球的位置、運(yùn)動軌跡等，協(xié)助執(zhí)裁。

在運(yùn)動員動作識別與追蹤方面，通過計(jì)算機(jī)視覺技術(shù)提高動作完成質(zhì)量的主要方法為使用攝像頭捕捉運(yùn)動員動作視頻或圖像，構(gòu)建模型進(jìn)行動作識別。Chang等[12]提出一種基于深度學(xué)習(xí)的乒乓球戰(zhàn)術(shù)分析系統(tǒng)，通過3D卷積神經(jīng)網(wǎng)絡(luò)自動分類發(fā)球動作類型。陳文繼等[13]基于Radon變換進(jìn)行圖像預(yù)處理，使用支持向量機(jī)算法對健美操跳躍動作進(jìn)行提取和預(yù)測。

在肢體動作評分方面，通過視頻分析和機(jī)器學(xué)習(xí)算法，對運(yùn)動員比賽表現(xiàn)進(jìn)行評價，為運(yùn)動員提高比賽成績和輔助執(zhí)裁提供依據(jù)。Shen 等[14] 提出基于多視圖深度神經(jīng)網(wǎng)絡(luò)的功能運(yùn)動質(zhì)量測試（FMS）自動評估框架。?tepec等[15] 利用人體姿態(tài)估計(jì)方法建立了跳臺滑雪風(fēng)格自動評分模型。

綜上所述，計(jì)算機(jī)視覺技術(shù)已應(yīng)用協(xié)助執(zhí)裁、動作識別與追蹤、肢體動作評分等方面。計(jì)算機(jī)視覺技術(shù)的合理應(yīng)用不僅可以輔助裁判員解決極端情況下的執(zhí)裁，促使執(zhí)裁更加公正合理；還可以將運(yùn)動員比賽和訓(xùn)練過程全程可視化，通過分析運(yùn)動員的動作，及時優(yōu)化技戰(zhàn)術(shù)，提高運(yùn)動員訓(xùn)練質(zhì)量和提高比賽成績等。

3 可穿戴設(shè)備在競技體育中的應(yīng)用

可穿戴設(shè)備指可以佩戴在身體上并與使用者交互的電子設(shè)備。競技體育領(lǐng)域的可穿戴設(shè)備主要是指可佩戴于人體主要部位，采集運(yùn)動員心率、位置、角速度等信息的運(yùn)動裝備。競技體育中可穿戴設(shè)備的作用包括監(jiān)測運(yùn)動員生理指標(biāo)、提供實(shí)時數(shù)據(jù)反饋從而對運(yùn)動過程分析，以改善運(yùn)動訓(xùn)練效果、預(yù)防運(yùn)動損傷、促進(jìn)健康管理等?？纱┐髟O(shè)備產(chǎn)生的數(shù)據(jù)也是數(shù)據(jù)挖掘技術(shù)的主要數(shù)據(jù)來源之一。

目前許多競技體育項(xiàng)目都在嘗試使用可穿戴設(shè)備，如：足球、短跑、自行車、滑雪項(xiàng)目等[16]。Mudeng等[17]基于慣性傳感器對人體步態(tài)進(jìn)行檢測，使用加速度計(jì)測量步行和跑步時的典型腿部角度，使用陀螺儀從時域數(shù)據(jù)中獲取步幅頻率。郝正東[18]等利用慣性傳感器IMU，設(shè)計(jì)了一套皮劃艇技術(shù)動作監(jiān)測系統(tǒng)。

在利用可穿戴設(shè)備提高運(yùn)動員比賽成績方面，陳財(cái)鑫等[19]提出在田徑項(xiàng)目中使用耳部可穿戴設(shè)備，通過發(fā)送刺激大腦的信號，提高田徑運(yùn)動員肌肉的運(yùn)動能力，提高訓(xùn)練成績。Umek 等[20]開發(fā)了一個用于指導(dǎo)高爾夫運(yùn)動員運(yùn)動姿態(tài)的可穿戴訓(xùn)練系統(tǒng)。該系統(tǒng)在運(yùn)動員揮桿期間，向用戶發(fā)出頭部移動錯誤信號，幫助高爾夫球手糾正揮桿期間不需要的頭部動作。

綜上所述，可穿戴設(shè)備技術(shù)目前可應(yīng)用于實(shí)時監(jiān)測運(yùn)動員的心率、血壓、血氧等生理參數(shù)，以及速度、加速度、角速度等運(yùn)動參數(shù)；監(jiān)測運(yùn)動員的運(yùn)動負(fù)荷和恢復(fù)情況，優(yōu)化訓(xùn)練計(jì)劃，避免過度訓(xùn)練；提高運(yùn)動員成績。

4 當(dāng)前存在問題及未來研究方向

4.1存在的問題

人工智能在競技體育領(lǐng)域的廣泛應(yīng)用給競技體育領(lǐng)域帶來諸多便利，同時也帶來了一些問題。

（1）數(shù)據(jù)隱私安全問題。運(yùn)動員數(shù)據(jù)在采集或傳輸過程中可能遭到泄露。應(yīng)構(gòu)建運(yùn)動員數(shù)據(jù)使用確權(quán)體系，規(guī)范和限定運(yùn)動員數(shù)據(jù)的采集和處理；針對不同場景中的數(shù)據(jù)設(shè)置不同等級的隱私保護(hù)措施，最大限度保護(hù)運(yùn)動員的信息[21]。

（2）公開數(shù)據(jù)集較少且數(shù)據(jù)標(biāo)準(zhǔn)化、互通性較低。競技體育項(xiàng)目類別眾多，不同運(yùn)動項(xiàng)目、團(tuán)隊(duì)和設(shè)備使用不同的數(shù)據(jù)格式，并且構(gòu)建數(shù)據(jù)集時大多數(shù)都秉持著自建自用對外保密原則，限制了數(shù)據(jù)共享和集成[22]。

（3）技術(shù)成本高。采用先進(jìn)的人工智能技術(shù)需要可穿戴設(shè)備、視頻捕捉設(shè)備、高精度測試軟件等，這些設(shè)備通常較昂貴，對于小型運(yùn)動團(tuán)隊(duì)或資源有限的體育機(jī)構(gòu)，可能面臨成本上的挑戰(zhàn)，限制了人工智能技術(shù)的普及。

（4）一些人工智能算法的決策過程是黑盒的，難以解釋和理解。在競技體育中，教練和運(yùn)動員通常更傾向于使用能夠提供透明解釋的算法，以更好地理解決策依據(jù)。

4.2未來研究方向

（1）針對數(shù)據(jù)安全問題，未來可發(fā)展數(shù)據(jù)安全技術(shù)，通過在個體數(shù)據(jù)中引入噪聲或擾動，保護(hù)隱私信息；研究數(shù)據(jù)采集和使用相關(guān)法規(guī)和政策制定，明確數(shù)據(jù)使用范圍和目的，保護(hù)運(yùn)動員的隱私權(quán)；研究可控隱私技術(shù)，使運(yùn)動員能夠更主動地掌控其個人數(shù)據(jù)的共享和使用，確保他們對數(shù)據(jù)的控制權(quán)和決策權(quán)。

（2）鼓勵公開數(shù)據(jù)集，完善數(shù)據(jù)使用相關(guān)要求。建設(shè)體育數(shù)據(jù)庫平臺用以公開體育數(shù)據(jù)。數(shù)據(jù)擁有者可將采集到的體育數(shù)據(jù)和數(shù)據(jù)說明上傳至平臺，經(jīng)審核后，按照類別發(fā)布到平臺的不同模塊下。科研人員根據(jù)需要可免費(fèi)下載。

（3）通過校企合作，開發(fā)更加高效、低成本的體育數(shù)據(jù)采集系統(tǒng)和可穿戴設(shè)備。學(xué)校為企業(yè)提供數(shù)據(jù)采集和系統(tǒng)驗(yàn)證的運(yùn)動場景，企業(yè)通過采集到的數(shù)據(jù)研發(fā)適用于體育領(lǐng)域的人工智能模型和裝備，通過不斷迭代優(yōu)化得到精準(zhǔn)的數(shù)據(jù)分析系統(tǒng)和舒適的可穿戴設(shè)備。

（4）開發(fā)具有可解釋性的算法，提高預(yù)測結(jié)果的可解釋性。深度學(xué)習(xí)由于其良好的性能在多個領(lǐng)域得到廣泛應(yīng)用，但其決策過程是“黑盒”的，可解釋性差。而了解預(yù)測背后的原因?qū)τ谠鰪?qiáng)模型信任性非常重要。因此，研究兼具高性能和可解釋性的模型對于促進(jìn)運(yùn)動訓(xùn)練效果至關(guān)重要。

5 總結(jié)

數(shù)據(jù)挖掘、計(jì)算機(jī)視覺和可穿戴設(shè)備在競技體育中的應(yīng)用帶來了許多優(yōu)勢。數(shù)據(jù)挖掘技術(shù)可用于優(yōu)化訓(xùn)練計(jì)劃、預(yù)防傷病、分析戰(zhàn)術(shù)以及評估訓(xùn)練效果等。計(jì)算機(jī)視覺技術(shù)可輔助執(zhí)裁，提高比賽公平性，識別與跟蹤運(yùn)動員訓(xùn)練動作、優(yōu)化技戰(zhàn)術(shù)等。可穿戴設(shè)備可實(shí)時監(jiān)測運(yùn)動員的生理參數(shù)，幫助預(yù)防運(yùn)動損傷，記錄比賽數(shù)據(jù)，提高訓(xùn)練質(zhì)量。然而，當(dāng)前還存在數(shù)據(jù)隱私保護(hù)、數(shù)據(jù)孤島、設(shè)備佩戴舒適性、技術(shù)成本較高等問題。隨著人工智能技術(shù)不斷發(fā)展，人工智能應(yīng)用在競技體育中的潛力將繼續(xù)擴(kuò)大，為運(yùn)動員和教練提供更多軟硬件設(shè)備來提高訓(xùn)練效果和比賽成績。

參考文獻(xiàn)

[1]Chunmei Yuan， Yikun Yang and Yang Liu. Sports decision-making model based on data mining and neural network[J]. Neural Computing and Applications， 2021， 33： 3911-3924.

[2]嚴(yán)玉清， 蔡廣基， 周小平等. 神經(jīng)網(wǎng)絡(luò)模型在競技運(yùn)動理論中的應(yīng)用[J]. 華南理工大學(xué)學(xué)報(bào)（自然科學(xué)版）， 1999（09）： 104-110.

[3]黃謙， 石勇. 數(shù)據(jù)挖掘在體育訓(xùn)練指導(dǎo)中的應(yīng)用研究[J]. 廣州體育學(xué)院學(xué)報(bào)， 2009， 29（06）： 106-110.

[4]岳志強(qiáng).基于機(jī)器學(xué)習(xí)算法的運(yùn)動員訓(xùn)練效果評估研究[J].電子設(shè)計(jì)工程，2021，29（20）：110-114.

[5]李澤檳. 自行車運(yùn)動員訓(xùn)練負(fù)荷預(yù)測模型研究及應(yīng)用[D].鄭州大學(xué)，2019.

[6]Guanguan Li. Machine Leaning-Based Optimization Algorithm for Myocardial Injury under High-Intensity Exercise in Track and Field Athletes， Computational Intelligence and Neuroscience， 2022： 1-9.

[7]Mauro Mandorino， A. Figueiredo， G. Cima， et al. Analysis of Relationship between Training Load and Recovery Status in Adult Soccer Players： a Machine Learning Approach. International Journal of Computer Science in Sport， 2022， 21（2） ：1-16.

[8]韓伯臻. 基于大數(shù)據(jù)技術(shù)的體育賽事安全風(fēng)險動態(tài)監(jiān)測及隱患防范與評估[D].西北民族大學(xué)， 2023.

[9]梁成軍， 虞麗娟， 王繼紅.網(wǎng)球技戰(zhàn)術(shù)關(guān)聯(lián)分析數(shù)據(jù)挖掘研究[J]. 計(jì)算機(jī)工程與應(yīng)用， 2012， 48（07）： 246-248.

[10]Si Zhong， Application of Artificial Intelligence and Big Data Technology in Basketball Sports Training， Wireless Communications and Mobile Computing， 2022， 1-10.

[11]張凱林. CUBA與NCAA聯(lián)賽大數(shù)據(jù)應(yīng)用的研究[D]. 哈爾濱體育學(xué)院， 2022.

[12]Chunlin Qin and Shenglu Huo. Detection Method of Limb Movement in Competitive Sports Training Based on Deep Learning， Journal of Mathematics， 2022， 1-8.

[13]陳文繼.基于Radon變換的健美操跳躍動作軌跡實(shí)時提取方法[J].自動化技術(shù)與應(yīng)用，2023，42（01）：60-63+81.

[14]YuanYuan Shen， QingJun Xing and YanFei Shen. Markerless vision-based functional movement screening movements evaluation with deep neural networks， iScience， 2024， 27（1）： 108705.

[15]Dejan ?tepec and Sko?a Danijel. Video-Based Ski Jump Style Scoring from Pose Trajectory. 2022 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops （WACVW）， Waikoloa， HI， USA， 2022， pp. 682-690.

[16]馬冉， 劉宏超. 國際競技訓(xùn)練領(lǐng)域內(nèi)可穿戴設(shè)備的應(yīng)用及未來發(fā)展趨勢[J]. 湖北體育科技， 2020， 39（12）： 1113-1117.

[17]Vicky Mudeng， Imam M. Hakim， Sena S. Suprapto， et al. An Alternative Athlete Monitoring System Using Cost-Effective Inertial Sensing Instrumentation. Journal of Electrical Engineering amp; Technology， 2022， 17： 3581–3592.

[18]郝正東. 基于可穿戴計(jì)算的皮劃艇技術(shù)動作識別與評價[D].大連理工大學(xué)，2021.

[19]陳財(cái)鑫.可穿戴設(shè)備對體育教學(xué)和運(yùn)動訓(xùn)練的積極影響研究[C]//中國體育科學(xué)學(xué)會體育管理分會.2023年第十一屆全國體育管理科學(xué)大會論文摘要集.成都體育學(xué)院;，2023：2.DOI：10.26914/c.cnkihy.2023.022377.

[20]Anton Umek， Sa?o Toma?i? and Anton Kos . Wearable training system with real-time biofeedback and gesture user interface， Personal and Ubiquitous Computing， 2015， 19： 989–998.

[21]蘭帥輝， 張麟. 智能技術(shù)賦能體育傳媒產(chǎn)業(yè)研究[J]. 體育文化導(dǎo)刊， 2023， （12）： 96-103.

[22]鄭霖豪，莊家熾，任羽卓.人工智能賦能體育產(chǎn)業(yè)升級：理論邏輯與實(shí)踐路徑[J].科技管理研究，2023，43（24）：107-116.