在8月初举行的东京奥运会女子投掷项目比赛中，中国选手巩立姣和刘诗颖发挥出色，分获铅球和标枪金牌。巩立姣更以20米58创造了个人最好成绩，也为中国队赢得奥运会田赛项目首枚金牌。
赛后，中国田径协会发来感谢信，感谢北京体育大学用科技手段为中国投掷运动员在技术环节上找到了实现自我突破的“关键一招”。
“我们用人工智能技术对运动员的动作技术进行分析，提出改进建议，以科技手段助运动员一臂之力。”北京体育大学运动与健康研究院院长刘卉教授说。据了解，这项在东京奥运会崭露头角的技术系统，目前也正在为积极备战北京冬奥会的中国运动员不断改进升级提供服务。
突破传统动作捕捉方法局限
用生物力学方法研究人体运动，需要对所做动作进行定量分析，基础前提离不开数据。
快速高质量地获得运动员动作技术数据，是当前急需攻克的一项关键瓶颈。传统动作捕捉技术，要么需要在人体固定反光标记点或惯性传感器，要么需要人工识别人体关节点。
“前者不能在比赛中使用，后者则因为工作量大、耗时长、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。”刘卉解释道。
如何破困局？刘卉团队利用基于深度学习原理的人工智能技术，建立神经网络模型，实现对动作视频中人体关节点的计算机自动识别，进而建立起适用于竞技体育和一般生物力学研究的计算机系统——无反光点人体运动自动捕捉人工智能系统。
作为科技冬奥重点专项“冬季项目运动员专项能力特征和科学选材关键技术研究”课题负责人，刘卉表示，该系统已应用在国家速度滑冰和越野滑雪项目的训练中，获得超过8000人次的赛时动作技术数据，使机器深度学习越发“得心应手”，对于滑冰与滑雪运动员的动作捕捉与技术分析，既能精准到具体细节，又能快速反馈分析结果。
多项算法技术确保自动识别快速准确
研究中，刘卉团队发现，运动视频自动解析至少需要解决“跟得住”“识别准”“精度高”3个问题。
运动现场拍摄视频，画面环境复杂多样。课题组在常用的运动人体跟踪算法中结合了光流跟踪技术，即通过动作量的多少、动作幅度的大小来准确锁定主ID（身份人物），有效规避快速运动造成的影像模糊，减小复杂背景等因素干扰，确保能够“跟得住”。
同时，对大量已标记的训练数据进行机器学习，利用计算机系统形成神经网络，可识别不同运动姿态的人体关节点，达到“识别准”。
此外，该系统具有对每一帧图像的关节点进行独立计算的功能。如何减小独立计算时关节点位置的随机误差？刘卉介绍，运用算法增加对连续运动的时间约束，即识别出各个关节点的高频误差并把它排除掉，以此修正关节点位置坐标，最终获得高精度计算结果。
“从2019年起，经过数个版本的迭代升级，该系统已能快速准确地自动识别运动视频中的人体关节点，对旋转、翻滚等人体动作也能进行比较好的自动识别。”刘卉说，系统合成并输出所有识别点的三维坐标，支持多视频批量自动解析与指标计算。
如果系统采用的是工业录像机，数据的传输与处理往往在1—3分钟就可完成。“这将对技巧类运动员深刻体验竞技状态、掌握技术要领起到至关重要的作用。”刘卉说。
高空动作捕捉不再是难事
据了解，这一系统还提供多种空间三维标定方案，可解决大范围、高空动作的数据采集问题。
这是多大范围？刘卉表示，纵横20—30米的空间范围都可覆盖。尤其是针对跳台滑雪空中技巧类的项目，能够为教练员很难用肉眼识别的技术细节找寻改进的空间。
目前，该系统已被用于钢架雪车、花样滑冰、跳台滑雪等项目的国家队备战训练工作，将为运动员备战北京冬奥会提供重要科技支撑。
