Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

文章图片

Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

文章图片

Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

文章图片

Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

文章图片

Windows|揭秘冬奥会上的一项AI黑科技,正从神坛走向大众

现代体育赛事是运动员之间争分夺秒的比拼 , 更是赛场背后各种高科技大比武 。 近年来 , 我们看到每届奥运会都有各种新科技亮相 , 不仅给人们带来了更刺激的观赛体验 , 而且一次次帮助运动员突破身体极限 , 生动诠释了“更快、更高、更强”的奥林匹克精神 。
以不久前结束的北京冬奥会为例 , 在速度滑冰男子500米比赛中 , 中国队以34秒32的成绩打破奥运会纪录 , 并夺得中国男子速度滑冰历史上的首枚冬奥会金牌 , 那一刻真是令人热泪盈眶 , 无比自豪 , 至今难以忘怀 。

这枚来之不易的金牌背后 , 是运动员日复一日挥洒的汗水 , 也是教练员们幕后默默的专业指导和鼓励 。 但你可能不知道的是 , 这背后还有一项AI黑科技的功劳 , 它一次次精准地帮助运动员们调整细微技术动作 , 大幅提升了训练效率和质量 。

简单易用的“AI教练”

在过去的体育训练模式中 , 教练全靠肉眼观察运动员的表现 , 并凭借经验反复对运动员的动作细节进行调整、纠正 , 没有客观、具体的量化数据分析 , 欠缺训练针对性和效率 。 最近二十年来 , 为了精确了解运动员的体能状况、动作细节以及分析对手风格、预测战术等 , 数据科学逐渐被引入到体育运动中 。 随着体育运动越来越依赖数据驱动 , 为了更好的收集数据 , 利用可穿戴设备收集运动员的运动数据成为一种常见方式 。 但这种方式的弊端是显而易见的 , 将传感器放置在高速奔跑的短跑、速滑等运动员的身体关键部位 , 不仅可能会干扰运动员的运动过程 , 而且成本较高 。
那有没有一种更简单易用的方法来收集并精准分析运动数据?英特尔?3DAT运动员追踪技术正是在这样的背景下应运而生的技术 。 据悉 , 从去年冬季开始 , 中国速度滑冰队已在日常训练中采用了这套技术系统 。

以速度滑冰为例 , 该项目训练和比赛场地空间范围大 , 赛道一圈大概400米 , 且运动员的运动速度很高 , 动作幅度很大 , 如果每个运动员都采用可穿戴设备采集数据 , 必然会给运动员增加额外的负担 。 同时 , 速度滑冰是一项技术性很强的体育项目 , 一个轻微的技术动作处理不当可能就会影响整个比赛结果 , 这要求动作捕捉系统能实时、精准生成可视化、量化的数据 , 以供教练和运动员参考 。
而3DAT首先可以通过摄像机甚至智能手机来获取训练视频样本 , 无需运动员佩戴可穿戴设备 , 无疑为获取运动数据开辟了一条简单、轻量的路径 。 更重要的是 , 其基于机器视觉和AI技术 , 能从拍摄的标准视频中提取运动员的骨骼和肌肉形状及运动轨迹 , 重建运动员2D及3D骨骼的运动姿态及轨迹模型 , 并生成生物力学数据 , 从而能让教练和运动专家们精准地评估运动员在运动时的身体状态 , 并进行更有针对性的指导 。

具体而言 , 在速度滑冰项目中 , 起跑和直线加速阶段是影响运动员成绩的关键 , 也是教练员最关心的重点 。 在起跑阶段 , 3DAT技术通过机器视觉和AI技术从视频画面中抽取和识别人体和人体关节点 , 生成2D骨骼 , 再利用场地、相机参数等信息重建三维运动姿态 , 并能通过生物力学算法计算出双脚与起跑线的夹角、双腿蹲屈的幅度、双臂的位置、重心摆放等起跑姿势参数集 , 以及包括步频、蹬冰时间、悬空时间、地面时间、膝关节角速度、起跑角速度等各种起跑后的参数集 , 从而让教练和运动专家们既能多视角回放观看运动员的动作和姿势 , 也能通过量化数据精准分析起跑姿态对速度的影响 。

相关经验推荐