體育人工智能領(lǐng)域關(guān)鍵技術(shù)的研究現(xiàn)狀和發(fā)展方向

霍波 李彥鋒 高騰 王子鑫 杜澤華 孫紀(jì)元

摘? ? 要? ?隨著人工智能技術(shù)在體育領(lǐng)域的逐步推廣，體育人工智能學(xué)科已初現(xiàn)端倪，具體是指以人工智能技術(shù)為手段，通過(guò)感知、歸納、分析、挖掘人類(lèi)體育運(yùn)動(dòng)的數(shù)據(jù)，揭示人體運(yùn)動(dòng)規(guī)律、評(píng)估運(yùn)動(dòng)表現(xiàn)效果、形成科學(xué)運(yùn)動(dòng)的方案、研發(fā)輔助運(yùn)動(dòng)訓(xùn)練的裝備，以此提升競(jìng)技體育運(yùn)動(dòng)表現(xiàn)及實(shí)現(xiàn)健身科學(xué)化和主動(dòng)健康。首先介紹人工智能及體育人工智能學(xué)科的發(fā)展歷程，進(jìn)而基于檢索到的855篇學(xué)術(shù)論文，針對(duì)體育人工智能領(lǐng)域的3類(lèi)主要技術(shù)——計(jì)算機(jī)視覺(jué)技術(shù)、智能可穿戴設(shè)備和大數(shù)據(jù)技術(shù)，歸納了不同技術(shù)的數(shù)據(jù)獲取方式，介紹了包括深度學(xué)習(xí)在內(nèi)的機(jī)器學(xué)習(xí)等人工智能算法，梳理了其在競(jìng)技體育、學(xué)校體育、全民健身領(lǐng)域中的應(yīng)用現(xiàn)狀和研究方向，最后分別分析了上述3類(lèi)主要技術(shù)在當(dāng)前的應(yīng)用中面臨的挑戰(zhàn)及未來(lái)的主要發(fā)展方向。

關(guān)鍵詞? ?人工智能；體育人工智能；體醫(yī)工融合；主動(dòng)健康；競(jìng)技體育；學(xué)校體育；全民健身

中圖分類(lèi)號(hào)：G 80-3；TP3? ? ? ? ? ?學(xué)科代碼：040302? ? ? ? ? ? 文獻(xiàn)標(biāo)志碼：A

DOI：10.14036/j.cnki.cn11-4513.2023.03.001

Abstract? ?With the gradual promotion and application of artificial intelligence technology in the field of sports science， the discipline of artificial intelligence in sports has been emerging. Specifically， it refers to the use of artificial intelligence technology as the approach to perceive， summarize， analyze and excavate the data in the sports activities of human being， in order to reveal the rules of human movement， evaluate the effect of sports performance， establish scientific sports programs， and develop auxiliary training equipment. Finally， it aims to improve the performance of competitive sports and achieve scientific exercise and proactive health. This article firstly introduces the history of artificial intelligence as well as artificial intelligence in sports. Furthermore， by analyzing the 855 academic papers， the data acquisition methods of three mainstream technologies in the field of artificial intelligence in sports are summarized， i.e. computer vision， intelligent wearable devices， and big data technology. The data acquisition methods of different technologies are summarized. The relevant artificial intelligence algorithms including machine learning are introduced. The application and research directions of these technologies in competitive sports， school physical education， national fitness， and other fields are reviewed. Finally， the challenges for the three types of technologies are analyzed respectively， and the future development trend of this field is predicted.

Keywords? ?artificial intelligence; artificial intelligence in sports; integration of sport， medicine and engineering; proactive health; competitive sports; school physical education; national fitness

人工智能是指通過(guò)研究開(kāi)發(fā)能夠模擬、延伸和擴(kuò)展人類(lèi)智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)，使機(jī)器能做人類(lèi)需要智力才能完成的工作的新的技術(shù)科學(xué)［1］。作為新一輪科技革命與產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力，人工智能技術(shù)正在深刻地影響人類(lèi)的社會(huì)生活［2］。體育是人類(lèi)促進(jìn)自身健康、探索運(yùn)動(dòng)極限的重要方式，同時(shí)也是以豐富人類(lèi)社會(huì)文化和精神文明為目的的一種有意識(shí)、有組織的社會(huì)活動(dòng)［3］。近年來(lái)，隨著人工智能技術(shù)在體育科技領(lǐng)域的逐步應(yīng)用，體育學(xué)的研究和教學(xué)也在發(fā)生著巨大變化，體育人工智能學(xué)科已經(jīng)初現(xiàn)端倪。國(guó)家體育總局于2021年10月印發(fā)的《“十四五”體育發(fā)展規(guī)劃》中明確提出：信息技術(shù)在體育領(lǐng)域廣泛應(yīng)用［4］。這說(shuō)明人工智能與體育持續(xù)、全面、深層次的融合已成為助力體育事業(yè)發(fā)展的必然趨勢(shì)。基于此，將體育人工智能定義為：面向人類(lèi)體育活動(dòng)，基于人工智能技術(shù)，應(yīng)用參數(shù)監(jiān)測(cè)和感知的關(guān)鍵技術(shù)，通過(guò)建立數(shù)據(jù)分析和挖掘的理論與方法揭示人體運(yùn)動(dòng)規(guī)律、評(píng)估運(yùn)動(dòng)表現(xiàn)、形成科學(xué)的運(yùn)動(dòng)方案、研發(fā)輔助訓(xùn)練裝備，以提升競(jìng)技體育運(yùn)動(dòng)表現(xiàn)、實(shí)現(xiàn)全民科學(xué)運(yùn)動(dòng)和主動(dòng)健康。

體育學(xué)的主要應(yīng)用場(chǎng)景包括競(jìng)技體育、學(xué)校體育、全民健身，在這3個(gè)方面體育人工智能都已經(jīng)開(kāi)展相關(guān)的理論研究和技術(shù)研發(fā)。在競(jìng)技體育領(lǐng)域，面向運(yùn)動(dòng)員、教練員、裁判員，基于人體動(dòng)作捕捉、識(shí)別和分析開(kāi)發(fā)的訓(xùn)練輔助系統(tǒng)、陪練機(jī)器人、戰(zhàn)術(shù)優(yōu)化系統(tǒng)、智能裁判與輔助判罰系統(tǒng)等已在訓(xùn)練、競(jìng)賽及執(zhí)裁方面得到了廣泛應(yīng)用［5］；在學(xué)校體育領(lǐng)域，依托人工智能和大數(shù)據(jù)打造的體育教學(xué)生態(tài)系統(tǒng)，能幫助學(xué)生開(kāi)展個(gè)性化的體育學(xué)習(xí)與訓(xùn)練、輔助體育教師提高教學(xué)質(zhì)量、協(xié)助管理者實(shí)現(xiàn)高效的教學(xué)管理，促進(jìn)學(xué)校、家庭、社會(huì)3個(gè)方面的同向協(xié)力［6］；在全民健身領(lǐng)域，各類(lèi)基于人體數(shù)據(jù)的健身APP大量上線，智能化可穿戴設(shè)備逐漸普及，智能化運(yùn)動(dòng)場(chǎng)館開(kāi)始興起，人工智能為解決體育資源分布不平衡的問(wèn)題提供了新的思路，使我國(guó)人民群眾享受到了現(xiàn)實(shí)可行的體育資源獲取渠道。

本文主要梳理體育人工智能發(fā)展歷程、人工智能技術(shù)在體育各個(gè)領(lǐng)域的應(yīng)用現(xiàn)狀，以期為體育科技工作者進(jìn)一步探索和研究體育人工智能的理論、技術(shù)及應(yīng)用提供借鑒與參考。

1? ?文獻(xiàn)研究法

本研究選取全球最具影響力和權(quán)威性的引文數(shù)據(jù)庫(kù)——WOS核心合集數(shù)據(jù)庫(kù)（SCI、SSCI和A&HCI）作為數(shù)據(jù)獲取來(lái)源。因人工智能學(xué)科和體育學(xué)科各自都特有多學(xué)科交叉屬性，所覆蓋應(yīng)用領(lǐng)域范圍較廣，如果僅以“sports artificial intelligence”為關(guān)鍵詞進(jìn)行檢索無(wú)法全面分析體育人工智能領(lǐng)域的研究現(xiàn)狀，所以根據(jù)當(dāng)前人工智能的熱點(diǎn)研究方向，例如：機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)技術(shù)、大數(shù)據(jù)、智能可穿戴設(shè)備、自然語(yǔ)言處理等，提煉出熱點(diǎn)詞以確定檢索詞。檢索條件為主題，即TS=（Sport*OR Exercise*OR Fitness OR“Physical activity”）AND（“Artificial Intelligence”O(jiān)R“Machine Learning”O(jiān)R“Deep Learning”O(jiān)R“Computer Vision”O(jiān)R“Inertial Measurement Unit”O(jiān)R“Big Data”），時(shí)間跨度為2002—2022年，語(yǔ)種為“English”，檢索時(shí)將文獻(xiàn)類(lèi)型限定為“Article”。在上述檢索條件下，經(jīng)人工精煉后共選取了855篇論文。

基于以上這些論文的研究結(jié)果，本研究主要針對(duì)體育人工智能領(lǐng)域的3類(lèi)主流技術(shù)——計(jì)算機(jī)視覺(jué)技術(shù)、智能可穿戴設(shè)備技術(shù)和大數(shù)據(jù)技術(shù)，歸納其數(shù)據(jù)獲取的方式，介紹包括深度學(xué)習(xí)在內(nèi)的機(jī)器學(xué)習(xí)等人工智能相關(guān)算法，進(jìn)而梳理其在競(jìng)技體育、學(xué)校體育、全民健身等幾個(gè)領(lǐng)域中的研究現(xiàn)狀和應(yīng)用現(xiàn)狀，最后分析上述技術(shù)在當(dāng)前面臨的挑戰(zhàn)，預(yù)測(cè)該領(lǐng)域的未來(lái)發(fā)展趨勢(shì)。

2? ?體育人工智能的發(fā)展歷程

人工智能正在成為推動(dòng)人類(lèi)進(jìn)入智能時(shí)代的決定性力量，誕生至今已有60余年的發(fā)展歷程，可簡(jiǎn)單分為3個(gè)階段。

在二十世紀(jì)四十年代，人工自動(dòng)機(jī)理論出現(xiàn)。直至1956年，美國(guó)達(dá)特茅斯學(xué)院召開(kāi)了第一次人工智能學(xué)術(shù)會(huì)議，標(biāo)志著人工智能領(lǐng)域的形成。這一時(shí)期的人工智能相關(guān)研究關(guān)注的是證明幾何定理、解決代數(shù)應(yīng)用問(wèn)題及語(yǔ)言學(xué)習(xí)問(wèn)題，主要體現(xiàn)出教育用途［7］。第一臺(tái)人形機(jī)器人“WABOT”（早稻田機(jī)器人）于1973年在日本早稻田大學(xué)誕生。該事件標(biāo)志著人工智能技術(shù)向工業(yè)制造領(lǐng)域的介入，但囿于計(jì)算機(jī)內(nèi)存和運(yùn)算速度的不足，需要人耗費(fèi)大量時(shí)間與精力對(duì)設(shè)備不斷地進(jìn)行調(diào)試，且多位專(zhuān)家對(duì)此公開(kāi)批評(píng)，從而導(dǎo)致人工智能技術(shù)進(jìn)入第一次發(fā)展停滯期［8］。在二十世紀(jì)八十年代，計(jì)算機(jī)內(nèi)存容量與運(yùn)行速度呈指數(shù)式增長(zhǎng)，局域網(wǎng)技術(shù)創(chuàng)新提速，人工智能迎來(lái)發(fā)展契機(jī)。人工智能領(lǐng)域的研究者在這一時(shí)期開(kāi)始將研究重點(diǎn)轉(zhuǎn)向?yàn)椴煌南到y(tǒng)提供其所在領(lǐng)域的專(zhuān)業(yè)知識(shí)上，試圖通過(guò)將專(zhuān)業(yè)知識(shí)與推理機(jī)制相結(jié)合達(dá)到專(zhuān)家水平?？▋?nèi)基梅隆大學(xué)于1980年為某數(shù)字設(shè)備企業(yè)開(kāi)發(fā)的用戶訂單配置系統(tǒng)-XCON取得了巨大成功，是這一時(shí)期的標(biāo)志性事件。至此，各式各樣的專(zhuān)家系統(tǒng)如雨后春筍般應(yīng)用于工業(yè)領(lǐng)域，但是好景不長(zhǎng)，除了計(jì)算機(jī)軟硬件和資金方面的限制，沒(méi)有開(kāi)源軟件和公開(kāi)的數(shù)據(jù)標(biāo)準(zhǔn)可以使不同系統(tǒng)共享數(shù)據(jù)和策略，以及人類(lèi)知識(shí)結(jié)構(gòu)的復(fù)雜性均大大制約了專(zhuān)家系統(tǒng)及人工智能技術(shù)的進(jìn)一步發(fā)展。佛瑞德·布魯克斯于1986年發(fā)表的論文中提出了一個(gè)經(jīng)典論斷——“沒(méi)有銀彈”，即指沒(méi)有任何一項(xiàng)技術(shù)或一種方法可以使軟件工程的生產(chǎn)力在10年內(nèi)提高10倍。這一論斷質(zhì)疑了學(xué)術(shù)界多年來(lái)的關(guān)于自動(dòng)編程可以很快實(shí)現(xiàn)的幻想，同時(shí)也拉開(kāi)了人工智能第二次受到冷遇的序幕［9］。進(jìn)入二十一世紀(jì)，互聯(lián)網(wǎng)開(kāi)始普及，網(wǎng)絡(luò)數(shù)據(jù)量與業(yè)務(wù)量的暴漲推動(dòng)著計(jì)算機(jī)軟硬件性能升級(jí)，物聯(lián)網(wǎng)及傳感技術(shù)的發(fā)展加速了物理世界量化進(jìn)程，人類(lèi)進(jìn)入大數(shù)據(jù)時(shí)代，知識(shí)的自動(dòng)獲取成為現(xiàn)實(shí)。Hinton于2006年提出了一種基于深度信念網(wǎng)絡(luò)（DBN）的無(wú)監(jiān)督學(xué)習(xí)訓(xùn)練方法，促使學(xué)界開(kāi)始深入研究深度學(xué)習(xí)［10］。使用DBN和深度自動(dòng)編碼器檢索文件可以顯示單詞特征，與廣泛應(yīng)用的語(yǔ)義分析相比具有明顯優(yōu)勢(shì)，可使文獻(xiàn)檢索更容易。這一思想已被初步擴(kuò)展到音頻文件檢索和解決語(yǔ)音文件識(shí)別問(wèn)題中。該方法可通過(guò)逐層預(yù)訓(xùn)練有效克服深層神經(jīng)網(wǎng)絡(luò)在有監(jiān)督訓(xùn)練模型時(shí)學(xué)習(xí)特定任務(wù)的困難，從此出現(xiàn)了深度神經(jīng)網(wǎng)絡(luò)的研究，即通過(guò)分類(lèi)、聚類(lèi)、特征提取算法從大數(shù)據(jù)中獲取知識(shí)的深度學(xué)習(xí)技術(shù)［11-12］。至此，人工智能技術(shù)逐漸應(yīng)用于各個(gè)領(lǐng)域，深刻影響著人類(lèi)的生活。

自1951年克里斯托弗·斯特雷奇編寫(xiě)了第一款能下西洋跳棋的計(jì)算機(jī)程序，到2016年Alpha Go擊敗圍棋世界冠軍李世石，可以說(shuō)，體育始終是人工智能技術(shù)的實(shí)驗(yàn)與應(yīng)用對(duì)象?？v觀體育人工智能發(fā)展史，伴隨著人工智能技術(shù)的產(chǎn)生、興起、沉寂和復(fù)興，體育人工智能技術(shù)也相應(yīng)體現(xiàn)出階段性特征（如圖1所示）。

1）萌芽期（二十世紀(jì)五十年代至八十年代）。人工智能技術(shù)誕生之初，以西蒙和紐厄爾為代表的理性學(xué)派認(rèn)為，人腦與計(jì)算機(jī)可以視為信息處理器，任何能夠以一定的邏輯規(guī)則描述的問(wèn)題都可以通過(guò)人工智能程序解決。而棋類(lèi)游戲恰恰是這種形式化符號(hào)問(wèn)題的典型，因此，體育在人工智能領(lǐng)域被用作理性學(xué)派的試驗(yàn)場(chǎng)，用來(lái)驗(yàn)證算法的優(yōu)越性?？茖W(xué)家艾倫·紐厄爾和奧利弗·塞弗里奇于1955年分別作了下棋與計(jì)算機(jī)模式識(shí)別的研究［13］。阿瑟·塞繆爾于1956年提出了機(jī)器學(xué)習(xí)理論，并編寫(xiě)了能夠與人類(lèi)下西洋跳棋的程序。這套程序在1959年擊敗了設(shè)計(jì)者本人，又于1962年戰(zhàn)勝了美國(guó)某州的州冠軍［14］。之后，隨著人工智能發(fā)展出現(xiàn)第一次低潮，體育與人工智能的結(jié)合也陷入20年的沉寂。

2）形成期（二十世紀(jì)八十年代至二十一世紀(jì)前十年）。在二十世紀(jì)八十年代，競(jìng)技體育蓬勃發(fā)展、大眾健康意識(shí)增強(qiáng)、專(zhuān)家系統(tǒng)廣泛應(yīng)用，推動(dòng)人工智能技術(shù)開(kāi)始應(yīng)用于提取和分析運(yùn)動(dòng)、飲食、運(yùn)動(dòng)損傷、疲勞方面的數(shù)據(jù)。由此，體育與人工智能的結(jié)合開(kāi)始趨向深入。在科學(xué)訓(xùn)練方面，Nobbe于1988年編寫(xiě)了綜合程序，用于分析和改善運(yùn)動(dòng)過(guò)程中生物力學(xué)、生理學(xué)及心理學(xué)表現(xiàn)，以有效地輔助運(yùn)動(dòng)訓(xùn)練［15］。此后，Takashi從技能模擬、負(fù)荷監(jiān)測(cè)、動(dòng)作分析等角度系統(tǒng)歸納了人工智能技術(shù)在健身活動(dòng)中具有的功能和特點(diǎn)、發(fā)展方向等［16］。在醫(yī)療和傷病預(yù)防方面，Irler等基于健康信息大數(shù)據(jù)，通過(guò)概率模型預(yù)測(cè)鍛煉活動(dòng)的風(fēng)險(xiǎn)［17］；Zelieii等基于機(jī)器學(xué)習(xí)算法開(kāi)發(fā)了可實(shí)際應(yīng)用的運(yùn)動(dòng)損傷診斷專(zhuān)家系統(tǒng)［18］。在比賽預(yù)測(cè)方面，Mccabe使用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了一種人工智能模型，用于預(yù)測(cè)特定運(yùn)動(dòng)比賽的結(jié)果［19］；Reed等的研究表明，人工智能和計(jì)算機(jī)化方法預(yù)測(cè)體育比賽結(jié)果的能力首次超過(guò)了人類(lèi)，建議建立一個(gè)體育信息數(shù)據(jù)庫(kù)以實(shí)現(xiàn)人工智能在體育領(lǐng)域的應(yīng)用［20］。總體來(lái)說(shuō)，體育與人工智能的融合在這一時(shí)期取得了一定成效，主要體現(xiàn)在促進(jìn)科學(xué)訓(xùn)練、醫(yī)療保健、預(yù)測(cè)體育比賽結(jié)果等。同時(shí)，數(shù)據(jù)記錄、算法、應(yīng)用方案、軟硬件技術(shù)等條件尚未成熟，使得體育人工智能技術(shù)并未形成整體化和系統(tǒng)化的應(yīng)用局面。

3）全面融合期（二十一世紀(jì)前十年之后至今）。隨著深度學(xué)習(xí)算法、大數(shù)據(jù)、云計(jì)算、虛擬現(xiàn)實(shí)、傳感器、物聯(lián)網(wǎng)等新技術(shù)的發(fā)展，體育人工智能技術(shù)進(jìn)入高速發(fā)展期，在競(jìng)技體育、學(xué)校體育、全民健身領(lǐng)域逐步呈現(xiàn)整體化、系統(tǒng)化、精細(xì)化的應(yīng)用局面。例如：在體育賽事轉(zhuǎn)播、智能判罰、競(jìng)技體育訓(xùn)練、體育教學(xué)、智能體育場(chǎng)館、個(gè)性化健康管理等方面成果豐碩。在競(jìng)技體育的技術(shù)訓(xùn)練與戰(zhàn)術(shù)建模方面，無(wú)線傳感的運(yùn)動(dòng)監(jiān)測(cè)裝備已得到初步應(yīng)用。NBA早在2013年就引入“Sport VU”系統(tǒng)，將3D高清攝像頭、各類(lèi)傳感器與超級(jí)攝像機(jī)相連，通過(guò)動(dòng)態(tài)捕捉、跟蹤分析、提取數(shù)據(jù)建立戰(zhàn)術(shù)模型，并最終輸入NBA數(shù)據(jù)庫(kù)。在學(xué)校體育方面，以大數(shù)據(jù)為核心的人工智能領(lǐng)域的各種技術(shù)應(yīng)用于教育教學(xué)后取得了顯著的成效，不但推動(dòng)了學(xué)校體育課程改革，而且加快了體育教育現(xiàn)代化建設(shè)，以科技手段和智能技術(shù)促進(jìn)學(xué)校體育各方面的發(fā)展，改善現(xiàn)有的體育教學(xué)模式，降低體育教學(xué)中的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)，確保學(xué)生安全而愉快地進(jìn)行體育鍛煉。在全民健身方面，圍繞健身計(jì)劃生成、實(shí)時(shí)動(dòng)作反饋、健身膳食安排、健身效果評(píng)估的智能算法與虛擬現(xiàn)實(shí)（VR）技術(shù)相繼落地應(yīng)用，用戶可以通過(guò)APP軟件在沉浸式、數(shù)字化的虛擬運(yùn)動(dòng)訓(xùn)練環(huán)境中健身，不僅可以實(shí)時(shí)監(jiān)測(cè)熱量消耗、步頻、心率等，而且還能選擇最合適的運(yùn)動(dòng)強(qiáng)度健身服務(wù)方案［21］。此外，隨著智能建筑的開(kāi)發(fā)與建設(shè)，智能化和數(shù)字化的體育場(chǎng)館的研究也進(jìn)一步深入。該階段能突破之前體育與人工智能結(jié)合的局限得益于信息技術(shù)的快速發(fā)展和互聯(lián)網(wǎng)的普及，尤其是算力突破、算法強(qiáng)化等使輸入的數(shù)據(jù)可以自行模擬和構(gòu)建相應(yīng)的模型，并且精準(zhǔn)度大大提高，實(shí)現(xiàn)了體育與人工智能多方位、深層次、立體化的融合。

3? ?計(jì)算機(jī)視覺(jué)技術(shù)在體育領(lǐng)域的應(yīng)用

計(jì)算機(jī)視覺(jué)技術(shù)是人工智能領(lǐng)域的重要分支，主要使用攝像機(jī)對(duì)目標(biāo)對(duì)象進(jìn)行測(cè)量，并通過(guò)人工智能算法進(jìn)行圖形處理和人體動(dòng)作識(shí)別。近年來(lái)，基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型在大規(guī)模圖像分類(lèi)和身體姿勢(shì)識(shí)別方面取得了標(biāo)志性進(jìn)展，不僅能夠精準(zhǔn)地識(shí)別和檢測(cè)人體運(yùn)動(dòng)動(dòng)作，而且在訓(xùn)練效果反饋和輔助決策中發(fā)揮著越來(lái)越重要的作用。

3.1? 數(shù)據(jù)獲取與分析

當(dāng)前，人們主要采用高速相機(jī)獲取視覺(jué)圖像，包括基于反光標(biāo)記追蹤的紅外三維動(dòng)作捕捉和無(wú)標(biāo)記動(dòng)作捕捉2種方式?；诜垂鈽?biāo)記追蹤的紅外三維動(dòng)作捕捉主要通過(guò)多個(gè)攝像頭聚焦到同一公共捕獲區(qū)域，追蹤特定的標(biāo)記點(diǎn)，通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)方法計(jì)算得到標(biāo)記點(diǎn)的三維位置信息。該方式的優(yōu)點(diǎn)主要是對(duì)捕獲目標(biāo)的運(yùn)動(dòng)區(qū)域無(wú)限制，且有較高的采樣頻率和毫米級(jí)的精度，但是不足之處在于：操作系統(tǒng)價(jià)格過(guò)于昂貴，前期標(biāo)定過(guò)程較繁瑣，后期需要處理的數(shù)據(jù)體量較大、耗時(shí)過(guò)長(zhǎng)。無(wú)標(biāo)記動(dòng)作捕捉是基于計(jì)算機(jī)視覺(jué)技術(shù)的機(jī)器學(xué)習(xí)算法對(duì)視頻進(jìn)行自動(dòng)分析和信息提取，其特點(diǎn)是具有較高的準(zhǔn)確性、魯棒性且易于操作，并以較低的成本實(shí)現(xiàn)對(duì)日常訓(xùn)練比賽中人體動(dòng)作的無(wú)干擾識(shí)別。

目前主流的基于計(jì)算機(jī)視覺(jué)技術(shù)的運(yùn)動(dòng)捕捉系統(tǒng)有Vicon、Qualysis、Microsoft Kinect等［22］，其大多依靠攝像機(jī)拍攝二維平面圖像，然后再將多個(gè)相機(jī)拍攝的二維圖像進(jìn)行三維合成，以進(jìn)行人體運(yùn)動(dòng)動(dòng)作識(shí)別和分析［23］。如果要更精準(zhǔn)地捕捉和識(shí)別運(yùn)動(dòng)員的動(dòng)作，監(jiān)測(cè)用的攝像機(jī)在運(yùn)動(dòng)場(chǎng)地中的擺放位置非常關(guān)鍵。例如，Kasuya［24］、Montoliu［25］及Leo［26］在體育場(chǎng)設(shè)置了多個(gè)攝像頭（如圖2所示），以鳥(niǎo)瞰視角采集整個(gè)體育場(chǎng)的運(yùn)動(dòng)圖像。有多項(xiàng)研究顯示，運(yùn)動(dòng)攝像機(jī)的典型采集頻率在25～250 Hz，使用過(guò)快的采集頻率會(huì)導(dǎo)致過(guò)大的數(shù)據(jù)量，但是對(duì)極為快速的運(yùn)動(dòng)則應(yīng)采用高速攝像機(jī)［27-32］。

傳統(tǒng)的二維相機(jī)只能拍攝到相機(jī)鏡頭視角內(nèi)的物體，但是無(wú)法測(cè)量物體到相機(jī)的實(shí)際距離。而深度相機(jī)可以通過(guò)無(wú)接觸、基于光反射的方法獲取物體到相機(jī)的實(shí)際距離參數(shù)。結(jié)合特定點(diǎn)在二維平面圖像中的坐標(biāo)便可獲取圖像中每個(gè)點(diǎn)的三維空間坐標(biāo)，并依此重構(gòu)三維圖像，實(shí)現(xiàn)真實(shí)場(chǎng)景還原及目標(biāo)對(duì)象定位和識(shí)別。因此，深度相機(jī)憑借較少的相機(jī)數(shù)量、簡(jiǎn)易的操作流程及低廉的成本，開(kāi)始廣泛應(yīng)用于計(jì)算機(jī)視覺(jué)技術(shù)領(lǐng)域。當(dāng)前，市場(chǎng)上的深度相機(jī)主要有3類(lèi)：結(jié)構(gòu)光、光飛行時(shí)間法、雙目立體視覺(jué)法。

有專(zhuān)家提出，基于視覺(jué)的人體動(dòng)作識(shí)別主要有以下3個(gè)步驟：1）從圖像幀中檢測(cè)運(yùn)動(dòng)信息并提取底層特征；2）對(duì)行為模式或動(dòng)作進(jìn)行建模；3）建立底層視覺(jué)特征與動(dòng)作類(lèi)別等語(yǔ)義信息之間的對(duì)應(yīng)關(guān)系［33］。實(shí)際上，目標(biāo)檢測(cè)是在視頻的每一幀中定位目標(biāo)對(duì)象，這是視頻監(jiān)控的第一步；之后再對(duì)目標(biāo)對(duì)象進(jìn)行分類(lèi)和跟蹤并檢測(cè)出運(yùn)動(dòng)目標(biāo)［34］。應(yīng)該注意的是，在運(yùn)動(dòng)目標(biāo)檢測(cè)時(shí)存在噪聲、光照強(qiáng)度變化、動(dòng)態(tài)背景、遮擋、陰影等問(wèn)題。而提取圖像特征主要是通過(guò)機(jī)器學(xué)習(xí)算法對(duì)攝像機(jī)捕獲的視頻數(shù)據(jù)進(jìn)行預(yù)處理（例如消除噪音等）并生成一個(gè)用于分類(lèi)的降維空間。相關(guān)研究表明，為了獲得球員的精確動(dòng)作或與之相互作用的球的軌跡，最常用的方法是使用光流提取特征信息，其主要思想為計(jì)算幀內(nèi)目標(biāo)監(jiān)測(cè)點(diǎn)的速度，并估計(jì)該目標(biāo)監(jiān)測(cè)點(diǎn)在下一幀中的位置［35-37］。隨著信息技術(shù)的進(jìn)步，深度學(xué)習(xí)算法能自動(dòng)化地進(jìn)行圖像的特征提取和信息的整合歸類(lèi)，包括進(jìn)行檢測(cè)識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)（CNN）［38］、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）［39］等。具體操作步驟包括將拍攝到的人體動(dòng)作二維圖像進(jìn)行轉(zhuǎn)換、輸入分割后的圖像特征數(shù)據(jù)信息等，在借助深度學(xué)習(xí)算法識(shí)別人體動(dòng)作后，便可以構(gòu)建人體運(yùn)動(dòng)學(xué)模型，這是視頻監(jiān)控的第二步。最后，根據(jù)已提取的底層視覺(jué)特征獲取連續(xù)圖像中的運(yùn)動(dòng)學(xué)參數(shù)，預(yù)測(cè)或估計(jì)目標(biāo)對(duì)象在圖像序列中的位置和方向，并與視頻數(shù)據(jù)集中的動(dòng)作類(lèi)別等語(yǔ)義信息進(jìn)行對(duì)比，通過(guò)識(shí)別連續(xù)圖像中具有相同或相近特征的目標(biāo)，自動(dòng)化地通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)識(shí)別人體動(dòng)作，以便后期針對(duì)個(gè)人專(zhuān)項(xiàng)技術(shù)進(jìn)行優(yōu)化。

3.2? 在競(jìng)技體育領(lǐng)域的應(yīng)用現(xiàn)狀

3.2.1? 構(gòu)建智能輔助決策系統(tǒng)，預(yù)測(cè)運(yùn)動(dòng)技術(shù)和戰(zhàn)術(shù)

隨著計(jì)算機(jī)視覺(jué)技術(shù)在競(jìng)技體育中的廣泛應(yīng)用，通過(guò)高清攝像頭對(duì)快速運(yùn)動(dòng)的球和運(yùn)動(dòng)員進(jìn)行拍攝，并通過(guò)相關(guān)算法對(duì)快速運(yùn)動(dòng)的球和運(yùn)動(dòng)員進(jìn)行識(shí)別與追蹤，顯著提高了對(duì)球員移動(dòng)軌跡分析的精準(zhǔn)性，并且可以提高運(yùn)動(dòng)隊(duì)使用比賽錄像進(jìn)行球隊(duì)?wèi)?zhàn)術(shù)分析及效果評(píng)判的效率［40-41］。精準(zhǔn)且高效地對(duì)球員和球的運(yùn)動(dòng)軌跡進(jìn)行識(shí)別是技戰(zhàn)術(shù)預(yù)測(cè)的前提，在運(yùn)動(dòng)隊(duì)中的應(yīng)用尤為凸顯。針對(duì)足球比賽視頻中集體運(yùn)動(dòng)特征識(shí)別困難的問(wèn)題，Takahashi等在2013年首次提出了一種用于識(shí)別籃球比賽中運(yùn)動(dòng)特征的方法，并側(cè)重于分析人的動(dòng)作和攝像機(jī)運(yùn)動(dòng)之間的關(guān)系，稱為時(shí)空多尺度袋（STMB）［42］。通過(guò)這種方法能將在時(shí)空子區(qū)域中提取的關(guān)鍵點(diǎn)變化軌跡作為運(yùn)動(dòng)特征，而后能將STMB中的一個(gè)子區(qū)域的全局表示與局部表示相結(jié)合創(chuàng)建全局成對(duì)表示（GPR）。相關(guān)研究表明，使用基于STMB的GPR訓(xùn)練的兩階段支持向量機(jī)對(duì)動(dòng)作進(jìn)行分類(lèi)與識(shí)別，能夠可靠地檢測(cè)視頻中的特定行為［42］。因此，基于機(jī)器學(xué)習(xí)智能算法能實(shí)現(xiàn)在復(fù)雜場(chǎng)景下的運(yùn)動(dòng)目標(biāo)跟蹤，為后續(xù)進(jìn)行的動(dòng)作識(shí)別、特征提取奠定了堅(jiān)實(shí)基礎(chǔ)。

計(jì)算機(jī)視覺(jué)領(lǐng)域的某視頻分析企業(yè)研發(fā)了一套系統(tǒng)，能通過(guò)智能AI算法綜合分析訓(xùn)練與比賽（包含自己的和對(duì)手的）中的統(tǒng)計(jì)數(shù)據(jù)和視頻數(shù)據(jù)，可以從中發(fā)現(xiàn)比賽中的技戰(zhàn)術(shù)安排或執(zhí)行上的缺陷，量化評(píng)估陣容搭配或戰(zhàn)術(shù)策略的效果（得分增加、獲勝概率等），并據(jù)此提出有關(guān)比賽排兵布陣的方案，最終通過(guò)平板電腦等載體可視化呈現(xiàn)比賽數(shù)據(jù)分析結(jié)果，為教練員的賽前備戰(zhàn)和臨場(chǎng)技戰(zhàn)術(shù)調(diào)整提供支撐［43］。

綜上所述，特定運(yùn)動(dòng)項(xiàng)目的比賽技戰(zhàn)術(shù)分析與預(yù)測(cè)及教練員的臨場(chǎng)指揮主要依賴教練員的個(gè)人經(jīng)驗(yàn)，而將傳統(tǒng)的技戰(zhàn)術(shù)分析、預(yù)測(cè)方法與人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)算法的計(jì)算機(jī)視頻分析技術(shù)相結(jié)合可以從日常訓(xùn)練和正式比賽中收集和分析運(yùn)動(dòng)員的各項(xiàng)數(shù)據(jù)指標(biāo)，并且據(jù)此可以構(gòu)建更具精細(xì)分析功能的智能輔助決策系統(tǒng)，有助于教練組結(jié)合自身豐富的實(shí)戰(zhàn)經(jīng)驗(yàn)精準(zhǔn)而高效地制定比賽中的應(yīng)對(duì)策略和球隊(duì)?wèi)?zhàn)術(shù)。

3.2.2? 研發(fā)智能輔助訓(xùn)練系統(tǒng)，評(píng)估運(yùn)動(dòng)員動(dòng)作質(zhì)量

運(yùn)動(dòng)員的動(dòng)作質(zhì)量和訓(xùn)練效果可基于計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行評(píng)估，并可以開(kāi)發(fā)智能輔助訓(xùn)練系統(tǒng)，以針對(duì)運(yùn)動(dòng)員進(jìn)行個(gè)性化的動(dòng)作分析和訓(xùn)練。在相關(guān)研究中，通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)獲取運(yùn)動(dòng)學(xué)信息最常見(jiàn)的方法是根據(jù)運(yùn)動(dòng)生物力學(xué)原理運(yùn)用三維動(dòng)作捕捉技術(shù)獲取，即在實(shí)驗(yàn)室環(huán)境下追蹤黏附在人體表面骨性標(biāo)志點(diǎn)的反光點(diǎn)，然后基于人工修正后的標(biāo)記點(diǎn)進(jìn)行三維坐標(biāo)構(gòu)建，形成構(gòu)建人體骨架模型的技術(shù)［44-45］。然而，在正式比賽中不允許運(yùn)動(dòng)員佩戴附著在身體上影響其運(yùn)動(dòng)表現(xiàn)的標(biāo)記物，這些限制促使運(yùn)動(dòng)分析系統(tǒng)轉(zhuǎn)向應(yīng)用深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)的自主與無(wú)標(biāo)記的方法。

無(wú)標(biāo)記動(dòng)作捕捉方法是應(yīng)用視頻跟蹤技術(shù)量化運(yùn)動(dòng)學(xué)指標(biāo)，通過(guò)深度學(xué)習(xí)算法對(duì)多個(gè)特定動(dòng)作指標(biāo)進(jìn)行連續(xù)性的追蹤觀測(cè)，并精準(zhǔn)重建人體三維模型，這樣便可確保定量化分析動(dòng)作質(zhì)量的可靠性，而且能提高獲取相關(guān)運(yùn)動(dòng)數(shù)據(jù)的精確性［46-47］。在實(shí)現(xiàn)精準(zhǔn)識(shí)別數(shù)據(jù)的基礎(chǔ)上，Baclig等更進(jìn)一步地將姿態(tài)自動(dòng)識(shí)別算法運(yùn)用到識(shí)別視頻中每一幀的人體關(guān)節(jié)點(diǎn)，并首次將深度學(xué)習(xí)和計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于優(yōu)秀壁球運(yùn)動(dòng)員的運(yùn)動(dòng)學(xué)指標(biāo)評(píng)估中，計(jì)算出運(yùn)動(dòng)員在整場(chǎng)比賽中的平均移動(dòng)速度，揭示了優(yōu)秀壁球運(yùn)動(dòng)員在比賽中必須具備令人難以置信的速度和耐力水平［48］。此外，計(jì)算機(jī)視覺(jué)技術(shù)還可助力構(gòu)建智能教練系統(tǒng)。例如：中國(guó)“跳水夢(mèng)之隊(duì)”使用的“3D＋AI”跳水訓(xùn)練系統(tǒng)可以通過(guò)高速相機(jī)、計(jì)算機(jī)視覺(jué)技術(shù)、3D建模技術(shù)等設(shè)備和技術(shù)從360°全方位地采集運(yùn)動(dòng)員在1～2 s內(nèi)完成的跳水動(dòng)作指標(biāo)，并能完成身體姿勢(shì)的三維重建及量化評(píng)估［49］。除此之外，還構(gòu)建了其他運(yùn)動(dòng)項(xiàng)目的智能教練系統(tǒng)，例如：在籃球運(yùn)動(dòng)員訓(xùn)練時(shí)，可以通過(guò)人工智能教練系統(tǒng)攝像機(jī)錄制到的球員投籃動(dòng)作，實(shí)時(shí)監(jiān)測(cè)運(yùn)動(dòng)員投籃的發(fā)力順序、出手角度等，如果動(dòng)作未達(dá)標(biāo)，可以通過(guò)指示器發(fā)出的聲音或振動(dòng)提示球員［46］?；赩R技術(shù)的排球運(yùn)動(dòng)訓(xùn)練模擬系統(tǒng)能通過(guò)捕捉動(dòng)作數(shù)據(jù)的方式收集運(yùn)動(dòng)員的相關(guān)參數(shù)，結(jié)合人體運(yùn)動(dòng)學(xué)理論檢查動(dòng)作的合理性［44］。VR感知交互模型能夠識(shí)別運(yùn)動(dòng)員是否動(dòng)作規(guī)范且達(dá)到標(biāo)準(zhǔn)，同時(shí)還可以對(duì)訓(xùn)練過(guò)程中未達(dá)到動(dòng)作標(biāo)準(zhǔn)的運(yùn)動(dòng)員進(jìn)行提示，以提高訓(xùn)練質(zhì)量和效率。

可見(jiàn)，基于深度學(xué)習(xí)的人體關(guān)鍵點(diǎn)檢測(cè)算法在解決競(jìng)技體育的非接觸測(cè)量方面已有突破性進(jìn)展。目前廣泛應(yīng)用于運(yùn)動(dòng)生物力學(xué)方面的研究中，主要是結(jié)合地面反作用力進(jìn)行逆動(dòng)力學(xué)計(jì)算，分析關(guān)節(jié)和肌肉受力情況及通過(guò)識(shí)別到的運(yùn)動(dòng)員技術(shù)動(dòng)作參數(shù)進(jìn)行運(yùn)動(dòng)員的運(yùn)動(dòng)效果評(píng)估和技術(shù)動(dòng)作優(yōu)化。開(kāi)發(fā)基于計(jì)算機(jī)視覺(jué)技術(shù)的智能輔助訓(xùn)練系統(tǒng)將會(huì)提高訓(xùn)練質(zhì)量及訓(xùn)練效率，優(yōu)化教練團(tuán)隊(duì)職能，有利于取得更加優(yōu)異的競(jìng)賽成績(jī)。

3.2.3? 構(gòu)建視頻輔助裁判系統(tǒng)，提高體育賽事判罰準(zhǔn)確性

囿于人眼的視野范圍、反應(yīng)速度及遮擋問(wèn)題，當(dāng)前已經(jīng)開(kāi)始采用人工智能技術(shù)建立視頻輔助裁判系統(tǒng)來(lái)提高判罰的準(zhǔn)確性。例如，2006年美國(guó)網(wǎng)球公開(kāi)賽首次應(yīng)用“鷹眼系統(tǒng)”，人工智能技術(shù)協(xié)助裁判員多次解決了重大比賽中難以抉擇的判罰，起到了舉足輕重的作用。近年來(lái)，原本排斥“鷹眼系統(tǒng)”判罰的紅土場(chǎng)網(wǎng)球賽事也開(kāi)始采用“鷹眼系統(tǒng)”輔助邊線判罰，并進(jìn)行網(wǎng)球運(yùn)動(dòng)軌跡和落地位置還原。例如：美國(guó)職業(yè)棒球大聯(lián)盟（MLB）基于“鷹眼系統(tǒng)”的快速捕捉能力，在正式比賽中嘗試使用人工智能驅(qū)動(dòng)的自動(dòng)判罰系統(tǒng)（ABS）。美國(guó)男子籃球職業(yè)聯(lián)賽也開(kāi)始通過(guò)“鷹眼系統(tǒng)”和可穿戴設(shè)備打造能夠還原比賽爭(zhēng)議場(chǎng)景的三維動(dòng)畫(huà)系統(tǒng)，用以輔助裁判決策。

在同場(chǎng)對(duì)抗類(lèi)運(yùn)動(dòng)項(xiàng)目中（例如：籃球、足球等），犯規(guī)和違例往往是判罰中極具爭(zhēng)議的部分。隨著視頻輔助判罰技術(shù)在歐洲足球協(xié)會(huì)聯(lián)盟于2016年舉辦的賽事中初次亮相，該技術(shù)逐步進(jìn)入研究者的視野。視頻助理裁判（VAR）是由現(xiàn)役裁判擔(dān)任，負(fù)責(zé)通過(guò)回放視頻向主裁判提供信息，協(xié)助主裁判判斷足球賽場(chǎng)上的形勢(shì)，提高判罰的準(zhǔn)確性。該技術(shù)主要依靠遍布在球場(chǎng)上的多個(gè)攝像機(jī)，從多機(jī)位和多角度捕捉球員的動(dòng)作。在2022年卡塔爾世界杯舉辦時(shí)，作為VAR系統(tǒng)的延伸，半自動(dòng)越位識(shí)別技術(shù)（SAOT）被廣泛應(yīng)用。該系統(tǒng)運(yùn)用視頻動(dòng)作捕捉技術(shù)，通過(guò)球場(chǎng)頂部的12臺(tái)特制攝像機(jī)，定位29個(gè)與判罰相關(guān)的不同部位以形成數(shù)據(jù)采集點(diǎn)，并以50次/s的頻率發(fā)送數(shù)據(jù)，能實(shí)時(shí)追蹤足球和球員的位置、自動(dòng)劃出虛擬越位線并生成三維圖像，可以精確展示足球與其附近球員的位置。同時(shí)，當(dāng)監(jiān)測(cè)到球員越位后，SAOT便會(huì)將信息通知VAR，幫助裁判作出決定［50］。

綜上所述，競(jìng)技體育始終要最大程度地營(yíng)造公平與公正的比賽環(huán)境，因此，運(yùn)用高新技術(shù)構(gòu)建視頻輔助裁判系統(tǒng)是所有競(jìng)技體育賽事發(fā)展的趨勢(shì)。例如“鷹眼系統(tǒng)”的開(kāi)發(fā)，顯著杜絕了乒乓球、網(wǎng)球等球類(lèi)運(yùn)動(dòng)項(xiàng)目中有失公允的漏判和誤判的發(fā)生。使用高科技手段輔助裁判員執(zhí)裁成為了現(xiàn)實(shí)，并且其判罰準(zhǔn)確性也有了質(zhì)的提升。

3.3? 在學(xué)校體育領(lǐng)域的應(yīng)用現(xiàn)狀

3.3.1? 構(gòu)建學(xué)校運(yùn)動(dòng)訓(xùn)練與教學(xué)系統(tǒng)，改善體育課堂教學(xué)效果

現(xiàn)階段為了提高學(xué)校體育教學(xué)和運(yùn)動(dòng)訓(xùn)練的效率，運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)為學(xué)生提供的人機(jī)交互的運(yùn)動(dòng)訓(xùn)練教學(xué)系統(tǒng)，可以使學(xué)生通過(guò)此類(lèi)系統(tǒng)深化自己的認(rèn)知和了解自己的不足，以更好地完成訓(xùn)練和學(xué)習(xí)任務(wù)。人機(jī)交互（HCI）是通過(guò)計(jì)算機(jī)輸入與輸出設(shè)備有效地實(shí)現(xiàn)人與計(jì)算機(jī)互動(dòng)的技術(shù)。其將語(yǔ)音識(shí)別技術(shù)、手勢(shì)識(shí)別技術(shù)、人體識(shí)別技術(shù)與人機(jī)交互相結(jié)合，可以為學(xué)生學(xué)習(xí)專(zhuān)業(yè)知識(shí)和運(yùn)動(dòng)訓(xùn)練提供數(shù)據(jù)支撐［51-52］。HCI不僅能自動(dòng)分析學(xué)生的訓(xùn)練和學(xué)習(xí)效果，還能為學(xué)生提供相應(yīng)的建議，幫助學(xué)生迅速改進(jìn)當(dāng)前的不足。有一個(gè)基于人工智能的運(yùn)動(dòng)訓(xùn)練教學(xué)模型（如圖3所示）能運(yùn)用基于人工智能驅(qū)動(dòng)的攝像頭系統(tǒng)及配套分析軟件自動(dòng)檢測(cè)學(xué)生在體育課堂的身體活動(dòng)情況（例如：跑動(dòng)距離、能量消耗等）。在此類(lèi)智能體育課堂實(shí)踐中，相機(jī)可以監(jiān)督學(xué)生訓(xùn)練和測(cè)試的整個(gè)過(guò)程。每個(gè)操作完成后，學(xué)生可以在現(xiàn)場(chǎng)屏幕中以可視化的方式看到自身運(yùn)動(dòng)過(guò)程的數(shù)據(jù)、運(yùn)動(dòng)能力評(píng)估結(jié)果和運(yùn)動(dòng)處方［53］。該模型可以根據(jù)采集到的學(xué)生的運(yùn)動(dòng)信息結(jié)合其歷史運(yùn)動(dòng)成績(jī)，制定出合理的個(gè)性化訓(xùn)練方案，提高學(xué)生的訓(xùn)練效率。因此，通過(guò)構(gòu)建基于計(jì)算機(jī)視覺(jué)技術(shù)的運(yùn)動(dòng)訓(xùn)練與教學(xué)系統(tǒng)，對(duì)于教師而言，可以在學(xué)生未覺(jué)察的情況下監(jiān)控體育課堂的運(yùn)動(dòng)負(fù)荷，甚至可以幫助體育教師監(jiān)控學(xué)生的技術(shù)動(dòng)作完成質(zhì)量，從而從整體提高體育課堂教學(xué)質(zhì)量；對(duì)于學(xué)生而言，該系統(tǒng)在為其提供個(gè)性化的和精準(zhǔn)的運(yùn)動(dòng)處方的同時(shí)，還能可視化學(xué)生在體育鍛煉過(guò)程中的進(jìn)步情況，能更好地激發(fā)學(xué)生的學(xué)習(xí)興趣。

3.3.2? 構(gòu)建體育課堂智能預(yù)測(cè)系統(tǒng)，準(zhǔn)確評(píng)估學(xué)生的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)

學(xué)校體育課程在體育教育與體育教學(xué)中起著非常重要的作用，而針對(duì)體育活動(dòng)過(guò)程中的運(yùn)動(dòng)損傷情況的調(diào)查、預(yù)測(cè)乃至形成預(yù)防措施已然成為學(xué)界的熱點(diǎn)議題。然而基于經(jīng)驗(yàn)的運(yùn)動(dòng)損傷預(yù)判容易出現(xiàn)偏差，所以應(yīng)將計(jì)算機(jī)視覺(jué)技術(shù)與機(jī)器學(xué)習(xí)算法相結(jié)合對(duì)運(yùn)動(dòng)損傷風(fēng)險(xiǎn)進(jìn)行有效評(píng)估及預(yù)測(cè)，根據(jù)有針對(duì)性的評(píng)估結(jié)果調(diào)整課程內(nèi)容，可以大幅度提高體育教學(xué)水平，最終促進(jìn)學(xué)生體質(zhì)健康水平提高。因此，完善學(xué)校體育教學(xué)中的運(yùn)動(dòng)損傷評(píng)估手段是降低運(yùn)動(dòng)損傷風(fēng)險(xiǎn)、改善體育教學(xué)效果的重要途徑［54］。例如，可以通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)捕捉學(xué)生的運(yùn)動(dòng)姿勢(shì)，并與“視頻集”中的錯(cuò)誤運(yùn)動(dòng)姿勢(shì)進(jìn)行對(duì)比，實(shí)時(shí)發(fā)出警報(bào)聲，同時(shí)自動(dòng)生成多種干預(yù)方法，以降低學(xué)生在體育鍛煉過(guò)程中的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)［55］。

已有研究表明，應(yīng)用視覺(jué)傳感技術(shù)預(yù)測(cè)學(xué)生在體育課中的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)是切實(shí)可行的［56］。從圖4可以看出，在評(píng)估學(xué)生的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)過(guò)程中，首先需要通過(guò)圖像采集技術(shù)采集學(xué)生的身體形態(tài)信息、運(yùn)動(dòng)學(xué)和生理信息，并實(shí)時(shí)發(fā)送到數(shù)據(jù)處理系統(tǒng)。進(jìn)而使用不同的圖像處理技術(shù)處理所采集的圖像，對(duì)處理后的圖像進(jìn)行綜合分析與評(píng)價(jià)［57］。綜上所述，學(xué)校運(yùn)用視覺(jué)傳感技術(shù)輔助構(gòu)建學(xué)生運(yùn)動(dòng)損傷預(yù)測(cè)系統(tǒng)能有效地對(duì)學(xué)生的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)和評(píng)估。

3.4? 在全民健身領(lǐng)域的應(yīng)用現(xiàn)狀

3.4.1? 構(gòu)建沉浸式運(yùn)動(dòng)健身系統(tǒng)，打造“AI＋健身”元宇宙

VR技術(shù)能使用戶在運(yùn)動(dòng)中體驗(yàn)到前所未有的沉浸感。該技術(shù)為居民個(gè)人健身提供了豐富的運(yùn)動(dòng)場(chǎng)景，可增強(qiáng)運(yùn)動(dòng)樂(lè)趣，滿足體育運(yùn)動(dòng)項(xiàng)目向數(shù)字化與智慧化轉(zhuǎn)型的需求，能為體育產(chǎn)業(yè)的高質(zhì)量發(fā)展賦予新動(dòng)能。例如，虛擬健身俱樂(lè)部可以將VR技術(shù)與運(yùn)動(dòng)健身相結(jié)合［58］，通過(guò)智能視頻技術(shù)和Kinect體感技術(shù)實(shí)時(shí)采集用戶動(dòng)作信息，再通過(guò)機(jī)器學(xué)習(xí)中的K近鄰空間插值算法（KNN）和人工神經(jīng)網(wǎng)絡(luò)算法進(jìn)行動(dòng)作評(píng)分和技術(shù)指導(dǎo)。已有研究表明，虛擬健身俱樂(lè)部體驗(yàn)系統(tǒng)可能會(huì)減少實(shí)體健身房產(chǎn)生的將近70%的資源耗費(fèi)［58］。如果再出現(xiàn)疫情，可以通過(guò)VR技術(shù)輔助使健身者足不出戶地參與多種健身活動(dòng)，在運(yùn)動(dòng)中享受樂(lè)趣，也可以與線上的朋友一起運(yùn)動(dòng)，塑造一個(gè)更新穎的“體育新世界”，打造智慧健身元宇宙。

3.4.2? 研發(fā)智能健身教練系統(tǒng)，提供科學(xué)的健身指導(dǎo)

隨著現(xiàn)代科學(xué)技術(shù)的日益進(jìn)步，基于計(jì)算機(jī)視覺(jué)技術(shù)的動(dòng)作監(jiān)測(cè)與識(shí)別技術(shù)能精準(zhǔn)地捕捉人體運(yùn)動(dòng)時(shí)的動(dòng)作細(xì)節(jié)，可以通過(guò)圖像識(shí)別算法對(duì)攝像頭采集到的圖片或視頻進(jìn)行實(shí)時(shí)解碼分析，為用戶生成體適能與運(yùn)動(dòng)損傷風(fēng)險(xiǎn)評(píng)估的可視化報(bào)告，并提供科學(xué)的健身指導(dǎo)。

廣場(chǎng)舞作為全民健身活動(dòng)之一，尤其受到女性的喜愛(ài)。有學(xué)者發(fā)現(xiàn)，運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建模型對(duì)識(shí)別多人且具有難度的動(dòng)作用時(shí)更短、效果更好，由此可以更加準(zhǔn)確地識(shí)別運(yùn)動(dòng)軌跡，進(jìn)而判斷動(dòng)作的質(zhì)量［59］。例如：Flores等研發(fā)了一個(gè)移動(dòng)應(yīng)用程序“Verum Fitness”并應(yīng)用于健身房中。該應(yīng)用程序可以通過(guò)手機(jī)上的攝像頭實(shí)時(shí)記錄健身愛(ài)好者的運(yùn)動(dòng)狀態(tài)，將每一幀圖像反饋到模糊推理系統(tǒng)（FIS）并能告知用戶是否在進(jìn)行正確的鍛煉，也可以間接預(yù)防相關(guān)運(yùn)動(dòng)損傷［60］。還有一個(gè)商用移動(dòng)智能籃球館系統(tǒng)（如圖5所示）能通過(guò)球場(chǎng)上多臺(tái)攝像機(jī)記錄整場(chǎng)比賽，可以使用支持向量機(jī)預(yù)測(cè)高光分?jǐn)?shù)的估計(jì)值，能實(shí)現(xiàn)比賽場(chǎng)景的實(shí)時(shí)自動(dòng)監(jiān)測(cè)、球員高光時(shí)刻捕捉、精彩視頻剪輯及用戶與球友進(jìn)行線上互動(dòng)［61］。

綜上所述，計(jì)算機(jī)視覺(jué)技術(shù)是通過(guò)動(dòng)作捕捉系統(tǒng)，以身體姿勢(shì)識(shí)別技術(shù)分析人體的運(yùn)動(dòng)過(guò)程，并且能將采集到的數(shù)據(jù)作為運(yùn)動(dòng)愛(ài)好者體能訓(xùn)練和運(yùn)動(dòng)康復(fù)的重要量化支撐。通過(guò)人工智能模型自動(dòng)進(jìn)行的運(yùn)動(dòng)過(guò)程分析與運(yùn)動(dòng)損傷風(fēng)險(xiǎn)評(píng)估，可以提高健身指導(dǎo)服務(wù)效率和科學(xué)運(yùn)動(dòng)水平，響應(yīng)主動(dòng)健康的國(guó)家戰(zhàn)略，以科技賦能促進(jìn)居民健康水平提高。

4? ?智能可穿戴設(shè)備在體育領(lǐng)域的應(yīng)用

智能可穿戴設(shè)備是采用智能化嵌入式技術(shù)對(duì)普通運(yùn)動(dòng)裝備進(jìn)行智能化設(shè)計(jì)，使運(yùn)動(dòng)監(jiān)測(cè)傳感器可穿戴于人體各部位，再通過(guò)全球定位系統(tǒng)、加速度計(jì)、心率檢測(cè)儀等采集人體運(yùn)動(dòng)和生理數(shù)據(jù)。自2016年起，可穿戴技術(shù)在美國(guó)運(yùn)動(dòng)醫(yī)學(xué)學(xué)會(huì)（ACSM）發(fā)布的全球健身趨勢(shì)榜單中位居前三，近兩年穩(wěn)居第一，智能可穿戴設(shè)備在全民健身領(lǐng)域的消費(fèi)者之多不言而喻［62］。在互聯(lián)網(wǎng)技術(shù)和傳感器技術(shù)尚未高度智能化時(shí)期，采集各類(lèi)運(yùn)動(dòng)項(xiàng)目運(yùn)動(dòng)員的數(shù)據(jù)時(shí)常常面臨運(yùn)動(dòng)速度快、時(shí)間短、監(jiān)測(cè)范圍大等困難，對(duì)設(shè)備的更新率提出了更為嚴(yán)苛的要求。

傳統(tǒng)的基于GPS的定位系統(tǒng)已無(wú)法對(duì)運(yùn)動(dòng)員的場(chǎng)上位置、速度、運(yùn)動(dòng)軌跡等參數(shù)信息進(jìn)行精準(zhǔn)采集和低延時(shí)傳輸與分析。隨著人工智能技術(shù)的迅猛發(fā)展，多模式AI立體聯(lián)合定位系統(tǒng)通過(guò)內(nèi)置的慣性傳感器和智能定位卡片很好地解決了這一難題。研究人員使用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等數(shù)據(jù)分析手段，分析了不同運(yùn)動(dòng)負(fù)荷類(lèi)型數(shù)據(jù)的特征，并且可以對(duì)不同運(yùn)動(dòng)負(fù)荷的具體數(shù)值進(jìn)行概括，以數(shù)字化和可視化的方式呈現(xiàn)運(yùn)動(dòng)員的運(yùn)動(dòng)負(fù)荷，使教練員對(duì)訓(xùn)練過(guò)程有更為直觀的認(rèn)識(shí)，進(jìn)而為后續(xù)個(gè)性化訓(xùn)練提供數(shù)據(jù)支撐，而且可以實(shí)時(shí)追蹤運(yùn)動(dòng)員的場(chǎng)上位置及采集動(dòng)作與身體姿勢(shì)數(shù)據(jù)進(jìn)行技術(shù)動(dòng)作評(píng)估。與正確的和合理的運(yùn)動(dòng)姿勢(shì)進(jìn)行比對(duì)，得出的比對(duì)結(jié)果能為運(yùn)動(dòng)員規(guī)范技術(shù)動(dòng)作和糾正細(xì)節(jié)提供參考。

4.1? 數(shù)據(jù)獲取與分析

可穿戴設(shè)備按照使用對(duì)象和應(yīng)用情境可分為普通型、訓(xùn)練型和科研型。不同類(lèi)型可穿戴設(shè)備的需求、測(cè)量精度、操作復(fù)雜程度各不相同?？纱┐髟O(shè)備按照身體穿戴部位可以分為頭部可穿戴設(shè)備、手部可穿戴設(shè)備、軀干可穿戴設(shè)備、下肢可穿戴設(shè)備，以此可以實(shí)現(xiàn)全方位和立體化的人機(jī)交互。

隨著多傳感器AI融合算法的魯棒性、運(yùn)算速度及精度進(jìn)一步提升，采集到的運(yùn)動(dòng)指標(biāo)或運(yùn)動(dòng)生物學(xué)指標(biāo)數(shù)據(jù)可集成于同一可穿戴設(shè)備中。隨著傳感器的類(lèi)型越來(lái)越豐富、精度越來(lái)越高、體積越來(lái)越小，基于可穿戴傳感器的動(dòng)作識(shí)別及生理指標(biāo)監(jiān)控逐漸成為學(xué)界研究的熱點(diǎn)。圖6清晰地顯示了當(dāng)前市場(chǎng)中銷(xiāo)售的可穿戴設(shè)備在競(jìng)技體育領(lǐng)域的應(yīng)用現(xiàn)狀，能更為全面地體現(xiàn)不同類(lèi)型傳感器如何全方位和多維度地采集運(yùn)動(dòng)過(guò)程中的各項(xiàng)指標(biāo)數(shù)據(jù)。同時(shí)，還可以通過(guò)AI算法充分挖掘這些數(shù)據(jù)中的信息，以此提供專(zhuān)項(xiàng)訓(xùn)練建議和優(yōu)化運(yùn)動(dòng)員的運(yùn)動(dòng)表現(xiàn)。

4.2? 在競(jìng)技體育領(lǐng)域的應(yīng)用現(xiàn)狀

4.2.1? 構(gòu)建“可穿戴設(shè)備+AI”運(yùn)動(dòng)傷病管理系統(tǒng)，實(shí)現(xiàn)運(yùn)動(dòng)負(fù)荷監(jiān)測(cè)和運(yùn)動(dòng)風(fēng)險(xiǎn)預(yù)測(cè)智能化

運(yùn)動(dòng)負(fù)荷是指在運(yùn)動(dòng)過(guò)程中機(jī)體所承受的內(nèi)外部刺激的總和，貫穿于運(yùn)動(dòng)訓(xùn)練和體育比賽的全過(guò)程，也是決定競(jìng)技運(yùn)動(dòng)表現(xiàn)的關(guān)鍵影響因素。有專(zhuān)家提出［63］，運(yùn)動(dòng)負(fù)荷的量化調(diào)節(jié)和精細(xì)化控制是當(dāng)前運(yùn)動(dòng)訓(xùn)練科學(xué)化的一個(gè)主要發(fā)展趨勢(shì)。有學(xué)者使用文獻(xiàn)計(jì)量法分析得出，早期體育人工智能研究的主要載體為智能可穿戴設(shè)備，目的是對(duì)人體運(yùn)動(dòng)狀態(tài)的相關(guān)參數(shù)進(jìn)行采集，并自動(dòng)構(gòu)建數(shù)字模型以進(jìn)行簡(jiǎn)單有效的監(jiān)控與評(píng)估［64］。可穿戴設(shè)備對(duì)人體內(nèi)部負(fù)荷的監(jiān)控指標(biāo)可以分為3類(lèi)，即心肺指標(biāo)、體液指標(biāo)和神經(jīng)肌肉指標(biāo)。例如，光電容積脈搏波（PPG）傳感器結(jié)合AI技術(shù)，除了可以持續(xù)監(jiān)測(cè)血氧和心率，還可以評(píng)估最大攝氧量、訓(xùn)練負(fù)荷、恢復(fù)時(shí)長(zhǎng)等指標(biāo)，因而成了監(jiān)測(cè)運(yùn)動(dòng)健康狀況的得力“助手”。與此同時(shí)，對(duì)外部負(fù)荷的監(jiān)控通常以GPS、陀螺儀和加速度計(jì)3種傳感器為主，并且可以對(duì)運(yùn)動(dòng)員的跑動(dòng)能力、變向次數(shù)、負(fù)荷累積等相關(guān)指標(biāo)進(jìn)行分析，以評(píng)估運(yùn)動(dòng)員的身體活動(dòng)能力及進(jìn)行運(yùn)動(dòng)損傷預(yù)警。

如何使運(yùn)動(dòng)員避免傷病并能以最佳狀態(tài)上場(chǎng)比賽、延長(zhǎng)運(yùn)動(dòng)員的職業(yè)生涯是競(jìng)技體育領(lǐng)域長(zhǎng)久以來(lái)關(guān)注的問(wèn)題。大多數(shù)教練員對(duì)新興人工智能技術(shù)并不了解，仍然依賴自身多年的訓(xùn)練經(jīng)驗(yàn)預(yù)估運(yùn)動(dòng)員所能承受的極限運(yùn)動(dòng)負(fù)荷及指導(dǎo)運(yùn)動(dòng)員在低受傷風(fēng)險(xiǎn)的情況下達(dá)到最佳運(yùn)動(dòng)成績(jī)。這種方法雖然有效，但是風(fēng)險(xiǎn)太大且成功率太低，一旦某個(gè)環(huán)節(jié)出現(xiàn)紕漏便會(huì)導(dǎo)致運(yùn)動(dòng)損傷的發(fā)生，在嚴(yán)重的情況下，可能會(huì)影響到運(yùn)動(dòng)員的整個(gè)職業(yè)生涯。相關(guān)數(shù)據(jù)顯示，美國(guó)職業(yè)棒球聯(lián)盟在1年中用于運(yùn)動(dòng)員傷病治療就要花費(fèi)10億美元［65］。鑒于此，有效應(yīng)用現(xiàn)代科學(xué)技術(shù)設(shè)計(jì)最佳訓(xùn)練方案及進(jìn)行傷病預(yù)防是十分必要的，即需要打造“智能可穿戴設(shè)備+AI”傷病管理系統(tǒng)。

人體是一個(gè)極其精妙且復(fù)雜的系統(tǒng)，而人體運(yùn)動(dòng)損傷產(chǎn)生機(jī)制仍未完全明確。因此，可穿戴設(shè)備不僅要不斷優(yōu)化硬件以精準(zhǔn)采集動(dòng)作、心率及肌電數(shù)據(jù)，還應(yīng)關(guān)注由AI驅(qū)動(dòng)的軟件分析系統(tǒng)。由AI驅(qū)動(dòng)的軟件分析系統(tǒng)能基于采集到的數(shù)據(jù)進(jìn)行有效的運(yùn)動(dòng)負(fù)荷評(píng)估，并可以提出有針對(duì)性的訓(xùn)練計(jì)劃調(diào)整建議，減小運(yùn)動(dòng)傷病發(fā)生的概率。當(dāng)今學(xué)界主要通過(guò)構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型以識(shí)別與判定動(dòng)作類(lèi)別及能量消耗［66-67］，從海量的“數(shù)據(jù)集”中通過(guò)數(shù)據(jù)驅(qū)動(dòng)的學(xué)習(xí)過(guò)程識(shí)別變量的非線性變化，從而可以構(gòu)建復(fù)雜系統(tǒng)模型，能從多視角診斷運(yùn)動(dòng)損傷成因并可以有效地預(yù)測(cè)運(yùn)動(dòng)損傷的發(fā)生。因此，應(yīng)用人工智能技術(shù)輔助教練員在訓(xùn)練中及時(shí)而有效地進(jìn)行運(yùn)動(dòng)負(fù)荷控制并給予運(yùn)動(dòng)員適時(shí)的反饋，不僅可以避免過(guò)度訓(xùn)練和降低運(yùn)動(dòng)損傷風(fēng)險(xiǎn)，還能增強(qiáng)運(yùn)動(dòng)員的內(nèi)在動(dòng)機(jī)和產(chǎn)生更好的神經(jīng)肌肉適應(yīng)性。

綜上所述，近年來(lái)，大量的可穿戴設(shè)備運(yùn)用了數(shù)字技術(shù)、智能化手段及大數(shù)據(jù)技術(shù)，尤其通過(guò)人工智能技術(shù)建立了各種運(yùn)動(dòng)負(fù)荷控制及預(yù)測(cè)模型，在很大程度上促進(jìn)了訓(xùn)練負(fù)荷的量化，而只有對(duì)運(yùn)動(dòng)負(fù)荷強(qiáng)度進(jìn)行精準(zhǔn)測(cè)量，才能實(shí)現(xiàn)對(duì)競(jìng)技訓(xùn)練的有效控制，才可以追根溯源地解決運(yùn)動(dòng)負(fù)荷的量化問(wèn)題，也才能深入了解運(yùn)動(dòng)員在運(yùn)動(dòng)表現(xiàn)方面的短板和優(yōu)勢(shì)，從而使運(yùn)動(dòng)員不僅可以提升運(yùn)動(dòng)表現(xiàn)，還能預(yù)防運(yùn)動(dòng)損傷和延長(zhǎng)運(yùn)動(dòng)壽命。

4.2.2? 研發(fā)一體化智能可穿戴設(shè)備，提高使用舒適度

運(yùn)動(dòng)員不僅需要進(jìn)行高強(qiáng)度的運(yùn)動(dòng)訓(xùn)練，甚至在一些運(yùn)動(dòng)項(xiàng)目訓(xùn)練中需要激烈的身體對(duì)抗，所以要求可穿戴設(shè)備要盡可能地縮小體積和減輕重量，以減少運(yùn)動(dòng)員穿戴時(shí)的不適感，降低對(duì)運(yùn)動(dòng)員的運(yùn)動(dòng)表現(xiàn)的影響［68-70］。同樣，可穿戴設(shè)備獲取的信息量決定了監(jiān)控質(zhì)量，在智能傳感器集約化技術(shù)未成熟前，為了實(shí)現(xiàn)對(duì)運(yùn)動(dòng)訓(xùn)練過(guò)程的最優(yōu)化控制，往往需要運(yùn)動(dòng)員一次性穿戴多種監(jiān)控設(shè)備以獲取生理、運(yùn)動(dòng)訓(xùn)練學(xué)等方面更為全面的指標(biāo)參數(shù)。這就對(duì)如何將現(xiàn)有可穿戴設(shè)備進(jìn)行高度集成及構(gòu)建全面的自動(dòng)化測(cè)試指標(biāo)體系提出了新的挑戰(zhàn)，而且已然成為可穿戴設(shè)備在競(jìng)技運(yùn)動(dòng)訓(xùn)練領(lǐng)域應(yīng)用面臨的重要瓶頸。

為了在不影響運(yùn)動(dòng)員正常發(fā)揮的前提下采集數(shù)據(jù)，傳感器功能的集成化和外觀的微型化便顯得尤為重要。例如，在監(jiān)控外部負(fù)荷時(shí)，某企業(yè)研發(fā)的內(nèi)嵌幾十片微型傳感器的高水平運(yùn)動(dòng)員運(yùn)動(dòng)表現(xiàn)分析系統(tǒng)已被中國(guó)自由式滑雪空中技巧國(guó)家隊(duì)采用［71］。該系統(tǒng)主要通過(guò)內(nèi)嵌智能微型傳感器的動(dòng)作捕捉緊身衣、緊身褲、鞋墊、手套來(lái)收集記錄穿戴者的肢體各部位的加速度、角速度等數(shù)據(jù)。相比傳統(tǒng)的光學(xué)傳感器，應(yīng)用慣性傳感器的智能服裝具有信息數(shù)據(jù)捕捉更準(zhǔn)確、全天候、抗干擾能力強(qiáng)等更多優(yōu)勢(shì)。為了不影響運(yùn)動(dòng)員比賽，隱藏在智能可穿戴設(shè)備中的傳感器重量?jī)H有0.9 g，體積也只有1元硬幣的1/3。同樣，在監(jiān)控內(nèi)部負(fù)荷時(shí)，某品牌的智能健身衣已在國(guó)內(nèi)外市場(chǎng)有了大量消費(fèi)者。該健身衣內(nèi)置呼吸和肌電傳感器，不僅可以計(jì)步、監(jiān)測(cè)心率，還能監(jiān)測(cè)人體不同部位肌肉力量的訓(xùn)練情況，并可以將數(shù)據(jù)同步至APP以轉(zhuǎn)化為可視化圖表，實(shí)現(xiàn)對(duì)身體鍛煉情況的精準(zhǔn)把控，輔助教練員及時(shí)調(diào)整訓(xùn)練計(jì)劃［72］。同時(shí)，該健身衣還具有高延展性，材料透氣、防水且防曬，100%機(jī)洗也不會(huì)破損。

隨著可穿戴設(shè)備的不斷更新，汗液乳酸的測(cè)定可以為血液乳酸測(cè)定提供一種無(wú)創(chuàng)的檢測(cè)方法，且可以作為肌肉組織受損的預(yù)警指標(biāo)。高偉等發(fā)現(xiàn)的一種實(shí)時(shí)可穿戴汗液分析傳感陣列（FISA）可以選擇性篩選汗液中的各種代謝物及電解質(zhì)，能將乳酸氧化酶固定在殼聚糖滲透膜上，通過(guò)傳感器產(chǎn)生的電流與代謝物形成比例關(guān)系，可以進(jìn)行乳酸濃度分析［73］。還有已應(yīng)用于訓(xùn)練及比賽中的某種可穿戴皮膚貼片（重量?jī)H為14 g）能通過(guò)監(jiān)測(cè)汗液乳酸和出汗率自動(dòng)進(jìn)行疲勞預(yù)警，同時(shí)可以為用戶提供運(yùn)動(dòng)過(guò)程中的實(shí)時(shí)水合反應(yīng)數(shù)據(jù)和個(gè)性化補(bǔ)水建議。

綜上所述，隨著可穿戴設(shè)備數(shù)據(jù)采集材料等硬件和智能算法的日益進(jìn)步，應(yīng)加強(qiáng)相關(guān)學(xué)科之間的密切融合，以“安全、準(zhǔn)確、穩(wěn)定、便攜、可視化、實(shí)時(shí)反饋”為研發(fā)標(biāo)準(zhǔn)，結(jié)合教練員和運(yùn)動(dòng)員的切實(shí)需要，致力于實(shí)現(xiàn)可穿戴設(shè)備無(wú)創(chuàng)、無(wú)干擾、智能化驅(qū)動(dòng)精準(zhǔn)訓(xùn)練的科技助力理念。

4.2.3? 構(gòu)建智能一體化運(yùn)動(dòng)訓(xùn)練管理系統(tǒng)，監(jiān)測(cè)運(yùn)動(dòng)訓(xùn)練全過(guò)程多源參數(shù)

大量研究者認(rèn)為，多傳感器訓(xùn)練信息融合分析技術(shù)已成為當(dāng)前科學(xué)化訓(xùn)練的前沿技術(shù)［74-81］。囿于單一傳感器監(jiān)控訓(xùn)練過(guò)程的局限性，使用多傳感器融合互聯(lián)技術(shù)，從全方位捕捉訓(xùn)練信息、優(yōu)化訓(xùn)練監(jiān)控準(zhǔn)確度已經(jīng)成為學(xué)界共識(shí)，所以如何應(yīng)用人體傳感網(wǎng)絡(luò)（BSNs）技術(shù)將單一節(jié)點(diǎn)傳感器采集到的運(yùn)動(dòng)參數(shù)和生理參數(shù)通過(guò)信號(hào)處理和機(jī)器學(xué)習(xí)等智能算法匯總至一個(gè)數(shù)據(jù)處理平臺(tái)（為構(gòu)建智能一體化訓(xùn)練管理系統(tǒng)）已成為智能可穿戴設(shè)備在競(jìng)技體育方面的研究熱點(diǎn)和新興的前沿應(yīng)用方向。

多源信息融合系統(tǒng)是借助各類(lèi)傳感器采集到的信息，運(yùn)用神經(jīng)網(wǎng)絡(luò)、模糊推理等智能算法將那些在時(shí)間和空間上相關(guān)的信息進(jìn)行有效組合，提高系統(tǒng)預(yù)測(cè)結(jié)果的信效度及穩(wěn)定性。傳統(tǒng)的訓(xùn)練評(píng)估方法依靠單一傳感器采集單一訓(xùn)練指標(biāo)，不利于進(jìn)行訓(xùn)練負(fù)荷監(jiān)控和競(jìng)技狀態(tài)評(píng)估，并且采集到的數(shù)據(jù)無(wú)法為教練員制定訓(xùn)練計(jì)劃提供支撐［82］。實(shí)際上，隨著各類(lèi)智能可穿戴設(shè)備廣泛應(yīng)用于競(jìng)技運(yùn)動(dòng)訓(xùn)練實(shí)踐中，運(yùn)動(dòng)數(shù)據(jù)維度的監(jiān)測(cè)愈見(jiàn)完善。需注意的是，為了避免采集運(yùn)動(dòng)數(shù)據(jù)時(shí)陷入盲人摸象的困局，一些學(xué)者提出應(yīng)采用多傳感器融合技術(shù)，通過(guò)信息融合算法使訓(xùn)練信息資源得以高效協(xié)同利用，構(gòu)建更智能化的輔助決策系統(tǒng)［80-81，83］。例如：有研究者通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)，即便單個(gè)傳感器使用了更高的采樣頻率、更精細(xì)的特征集和分類(lèi)器，多個(gè)傳感器在動(dòng)作識(shí)別方面的精確度及效率都超過(guò)了單個(gè)傳感器［74］。已有文獻(xiàn)顯示，訓(xùn)練量化評(píng)價(jià)的有效性和可靠性受限于場(chǎng)地范圍過(guò)大、身體對(duì)抗激烈、惡劣極寒天氣等不利因素，使用單一傳感器難以確保對(duì)運(yùn)動(dòng)員跑動(dòng)能力測(cè)評(píng)的準(zhǔn)確性。例如，受試者僅佩戴裝有GPS的可穿戴設(shè)備進(jìn)行不同移動(dòng)速度的非線性運(yùn)動(dòng)時(shí)，監(jiān)測(cè)結(jié)果與實(shí)際線性運(yùn)動(dòng)相比存在明顯誤差，并且隨著運(yùn)動(dòng)強(qiáng)度的增大，測(cè)量誤差也顯著增加［69，84-86］。有研究者認(rèn)為，從根源上解決傳統(tǒng)單一采集方式精確度低的問(wèn)題，可以使用多類(lèi)傳感器協(xié)同采集，以機(jī)器學(xué)習(xí)等算法進(jìn)行訓(xùn)練信息整合［75-77，81］。近年來(lái)，大量科研人員使用穿戴在軀干上的三軸加速度計(jì)測(cè)量運(yùn)動(dòng)負(fù)荷［87-88］，但是會(huì)導(dǎo)致下肢的力學(xué)載荷無(wú)法得以精確量化［89］，例如小腿段的加速度和垂直地面反作用力（VGRF），所以為了更為精準(zhǔn)地進(jìn)行生物力學(xué)評(píng)估，當(dāng)今學(xué)界通過(guò)在四肢上穿戴同步微型傳感器，運(yùn)用智能算法融合傳感器信息并建模以計(jì)算關(guān)節(jié)力矩，并深入了解肌肉-肌腱和關(guān)節(jié)的接觸力，不斷彌合實(shí)驗(yàn)室和訓(xùn)練現(xiàn)場(chǎng)測(cè)試之間的鴻溝，以使研究能夠準(zhǔn)確量化實(shí)際運(yùn)動(dòng)過(guò)程中的機(jī)械負(fù)荷。基于此，Imeasureu［83］、孫晉海等［82］通過(guò)開(kāi)發(fā)多傳感器皮劃艇訓(xùn)練信息集成分析系統(tǒng)，可以同步分析各傳感器采集的訓(xùn)練信息，并能將采集的心率、槳頻等數(shù)據(jù)以圖表的形式呈現(xiàn)，進(jìn)而將其融合至同一個(gè)交互界面中，以輔助教練員使用該系統(tǒng)進(jìn)行決策及進(jìn)行運(yùn)動(dòng)負(fù)荷、運(yùn)動(dòng)技術(shù)質(zhì)量、運(yùn)動(dòng)成績(jī)?nèi)灰惑w的集成式分析。該系統(tǒng)基于生物力學(xué)路徑的架構(gòu)見(jiàn)圖7。

綜上所述，體育科技工作者應(yīng)該應(yīng)用人體傳感網(wǎng)絡(luò)技術(shù)將單一傳感器采集到的運(yùn)動(dòng)參數(shù)和生理參數(shù)通過(guò)信號(hào)處理和機(jī)器學(xué)習(xí)等智能算法匯總至一個(gè)數(shù)據(jù)處理平臺(tái)中，實(shí)現(xiàn)“萬(wàn)物互聯(lián)”，加速研發(fā)智能一體化訓(xùn)練管理系統(tǒng)，為競(jìng)技體育的發(fā)展增效賦能。

4.3? 在學(xué)校體育領(lǐng)域的應(yīng)用現(xiàn)狀

4.3.1? 構(gòu)建高校體育教學(xué)負(fù)荷監(jiān)控系統(tǒng)，實(shí)現(xiàn)運(yùn)動(dòng)負(fù)荷監(jiān)測(cè)可視化

傳統(tǒng)體育課堂教學(xué)在運(yùn)動(dòng)負(fù)荷等方面的監(jiān)測(cè)主要依靠體育教師的主觀觀察，運(yùn)動(dòng)數(shù)據(jù)的監(jiān)測(cè)缺乏精確性和連續(xù)性。因此，體育教師根據(jù)大學(xué)生在體育課中的實(shí)際運(yùn)動(dòng)狀態(tài)進(jìn)行動(dòng)態(tài)負(fù)荷調(diào)整的難度較大且缺乏客觀性。而將人工智能技術(shù)嵌入智能可穿戴設(shè)備，并構(gòu)建高校體育教學(xué)負(fù)荷監(jiān)控系統(tǒng)，就可以使這一問(wèn)題得到有效解決。

近年來(lái)，智能可穿戴設(shè)備逐步被應(yīng)用于體育課堂教學(xué)中，能使授課教師獲取有關(guān)學(xué)生的運(yùn)動(dòng)負(fù)荷參數(shù)和身體活動(dòng)水平數(shù)據(jù)，有助于授課教師實(shí)時(shí)掌握學(xué)生的課堂活動(dòng)時(shí)間、運(yùn)動(dòng)強(qiáng)度等指標(biāo)，為動(dòng)態(tài)調(diào)整教學(xué)目標(biāo)和教學(xué)內(nèi)容及組織教學(xué)活動(dòng)提供客觀數(shù)據(jù)支撐。愈加成熟的可穿戴設(shè)備和運(yùn)動(dòng)APP可以使學(xué)生在鍛煉時(shí)快速地向體育教師反饋有關(guān)數(shù)據(jù)，體育教師無(wú)需再做相關(guān)測(cè)試和逐一登記成績(jī)的工作，能成倍提升體育教學(xué)效率［90］。在體育教學(xué)中，為了降低體育課的運(yùn)動(dòng)損傷風(fēng)險(xiǎn)，向?qū)W生提供個(gè)性化的運(yùn)動(dòng)指導(dǎo)，可以使學(xué)生佩戴內(nèi)嵌GPS及加速度計(jì)的運(yùn)動(dòng)手環(huán)、智能手表等，測(cè)評(píng)其不同運(yùn)動(dòng)狀態(tài)下的跑動(dòng)能力和運(yùn)動(dòng)負(fù)荷。當(dāng)前，更為精準(zhǔn)地監(jiān)控學(xué)生在體育課堂中的運(yùn)動(dòng)負(fù)荷已成為提升體質(zhì)健康水平的重要任務(wù)。隨著人工智能相關(guān)領(lǐng)域技術(shù)的快速發(fā)展，智能可穿戴設(shè)備更加先進(jìn)，針對(duì)學(xué)生在體育課中的身體活動(dòng)的生理生化指標(biāo)分析將更為全面和準(zhǔn)確。例如，在學(xué)生進(jìn)行高強(qiáng)度運(yùn)動(dòng)時(shí)，體育教師可以對(duì)學(xué)生的血氧飽和度進(jìn)行實(shí)時(shí)和無(wú)創(chuàng)檢測(cè)，從而能及時(shí)地了解學(xué)生的身體健康狀況。隨著AI算法持續(xù)升級(jí)和硬件設(shè)備不斷更新，多數(shù)研究者運(yùn)用自適應(yīng)濾波等去噪算法對(duì)采集到的光電容積脈搏波信號(hào)進(jìn)行抗運(yùn)動(dòng)干擾處理［91-92］。這也使得智能血氧運(yùn)動(dòng)指環(huán)得以廣泛應(yīng)用于實(shí)時(shí)監(jiān)控學(xué)生課堂活動(dòng)的血氧情況［93］。上述設(shè)備能夠精準(zhǔn)地監(jiān)測(cè)學(xué)生在體育活動(dòng)過(guò)程中的行走、跑步、跳躍的肌肉運(yùn)動(dòng)傳感信號(hào)，以此生成可視化分析圖表，對(duì)學(xué)生在體育課運(yùn)動(dòng)過(guò)程中的健康狀況進(jìn)行跟蹤、分析和評(píng)估［94］。此外，使用智能可穿戴設(shè)備可以增強(qiáng)學(xué)生對(duì)運(yùn)動(dòng)的興趣，通過(guò)可視化自身運(yùn)動(dòng)數(shù)據(jù)和進(jìn)步情況實(shí)現(xiàn)運(yùn)動(dòng)正強(qiáng)化（積極強(qiáng)化），有助于規(guī)范技術(shù)動(dòng)作。

因此，研發(fā)高校體育課堂教學(xué)運(yùn)動(dòng)負(fù)荷監(jiān)控系統(tǒng)能夠準(zhǔn)確地評(píng)估學(xué)生的課堂活動(dòng)負(fù)荷和能量代謝狀況，有助于提升學(xué)生的體質(zhì)健康水平，同時(shí)還可以預(yù)防體育課上潛在的運(yùn)動(dòng)損害風(fēng)險(xiǎn)和意外事故，以確保學(xué)生在體育課中的安全，所以基于智能可穿戴設(shè)備打造的新型體育教學(xué)模式不僅能增強(qiáng)體質(zhì)和健全人格，而且對(duì)未來(lái)的高校體育教學(xué)也將產(chǎn)生深遠(yuǎn)影響。

4.3.2? 推進(jìn)構(gòu)建運(yùn)動(dòng)技能虛擬仿真學(xué)習(xí)系統(tǒng)，實(shí)現(xiàn)虛擬現(xiàn)實(shí)與體育教育的深度融合

校園體育是我國(guó)教育體系的重要組成部分，因此，推動(dòng)學(xué)校體育教學(xué)體系的科學(xué)化、現(xiàn)代化、智能化建設(shè)不僅有利于提升體育教育的有效性，還能促進(jìn)青少年體質(zhì)健康水平的提高。傳統(tǒng)的運(yùn)動(dòng)技能學(xué)習(xí)主要通過(guò)教師講解與示范動(dòng)作、學(xué)生模仿動(dòng)作、教師糾正錯(cuò)誤的過(guò)程實(shí)現(xiàn)，這種教學(xué)方式很難充分調(diào)動(dòng)學(xué)生的學(xué)習(xí)興趣和積極性。此外，當(dāng)前在體育教學(xué)過(guò)程中還存在教學(xué)方法單一、遠(yuǎn)程教學(xué)能力不足的問(wèn)題。由此，可以結(jié)合智能可穿戴設(shè)備和虛擬現(xiàn)實(shí)技術(shù)設(shè)計(jì)一個(gè)由物聯(lián)網(wǎng)、云平臺(tái)和移動(dòng)客戶端組成的體育虛擬現(xiàn)實(shí)系統(tǒng)。

虛擬現(xiàn)實(shí)技術(shù)應(yīng)用的最終目的是實(shí)現(xiàn)物理世界與虛擬世界的融合。這一理念及衍生產(chǎn)品已廣泛應(yīng)用于教育及體育領(lǐng)域，主要是使學(xué)生通過(guò)更直觀的視覺(jué)體驗(yàn)加深對(duì)運(yùn)動(dòng)技能的認(rèn)識(shí)［95］，不僅有助于學(xué)生形成運(yùn)動(dòng)表象，還有利于優(yōu)化教育資源配置。通過(guò)頭戴式顯示設(shè)備，應(yīng)用人機(jī)交互技術(shù)能使學(xué)生感受真實(shí)運(yùn)動(dòng)中的視覺(jué)、觸覺(jué)、聽(tīng)覺(jué)，獲得身臨其境的互動(dòng)體驗(yàn)，并且能激發(fā)學(xué)生的學(xué)習(xí)興趣，將學(xué)生從被動(dòng)接受轉(zhuǎn)化為主動(dòng)學(xué)習(xí)。例如，通過(guò)構(gòu)建VR體育課堂（如圖8所示），結(jié)合中小學(xué)生身心發(fā)展特點(diǎn)構(gòu)建場(chǎng)景化的基于任務(wù)的學(xué)習(xí)環(huán)境，寓教于樂(lè)，提高學(xué)生的學(xué)習(xí)興趣。

綜上所述，校園體育虛擬現(xiàn)實(shí)系統(tǒng)通過(guò)從物聯(lián)網(wǎng)中收集相關(guān)數(shù)據(jù)，在云平臺(tái)中儲(chǔ)存海量運(yùn)動(dòng)數(shù)據(jù)，并采用云渲染技術(shù)實(shí)現(xiàn)與虛擬現(xiàn)實(shí)場(chǎng)景的實(shí)時(shí)交互，最后通過(guò)移動(dòng)終端體驗(yàn)近乎真實(shí)參與的運(yùn)動(dòng)項(xiàng)目。此種VR體育課堂能使學(xué)生身臨其境，在虛擬環(huán)境中感受、體驗(yàn)及學(xué)習(xí)技術(shù)動(dòng)作，并且不再受學(xué)校場(chǎng)地有限而導(dǎo)致相關(guān)運(yùn)動(dòng)項(xiàng)目無(wú)法進(jìn)行教學(xué)的局限，能使學(xué)生從以往的被動(dòng)練習(xí)轉(zhuǎn)變?yōu)橹鲃?dòng)體驗(yàn)交互式學(xué)習(xí)模式。以上均說(shuō)明校園體育虛擬現(xiàn)實(shí)系統(tǒng)具有良好的應(yīng)用與推廣意義，能全面加強(qiáng)和改進(jìn)新時(shí)代學(xué)校體育工作，同時(shí)可以為深化學(xué)校體育改革提供參考。

4.4? 在全民健身領(lǐng)域的應(yīng)用現(xiàn)狀

4.4.1? 研發(fā)智能可穿戴設(shè)備，監(jiān)測(cè)健身運(yùn)動(dòng)數(shù)據(jù)

當(dāng)今，智能可穿戴設(shè)備不是僅局限于簡(jiǎn)單地記錄運(yùn)動(dòng)者的步數(shù)、心率等，還能通過(guò)將“知識(shí)圖譜+深度學(xué)習(xí)算法”嵌入至智能可穿戴設(shè)備中使其更動(dòng)態(tài)、完整地監(jiān)測(cè)與記錄健身活動(dòng)全過(guò)程，并且可以通過(guò)構(gòu)建的算法模型對(duì)采集的數(shù)據(jù)進(jìn)行處理與分析，從而能更加智能化、專(zhuān)業(yè)化、個(gè)性化地針對(duì)用戶在體育鍛煉過(guò)程中的身體活動(dòng)狀況進(jìn)行監(jiān)測(cè)，并能實(shí)時(shí)提供反饋建議和進(jìn)行錯(cuò)誤動(dòng)作糾正。因此，使用智能可穿戴設(shè)備可以監(jiān)測(cè)身體活動(dòng)狀況和能量消耗，同時(shí)還可以預(yù)防運(yùn)動(dòng)損傷。

大量文獻(xiàn)表明，現(xiàn)今市場(chǎng)中銷(xiāo)售的智能可穿戴設(shè)備無(wú)法滿足消費(fèi)者在有效預(yù)測(cè)能量消耗方面的需求［96-98］。例如，某企業(yè)生產(chǎn)的智能可穿戴設(shè)備應(yīng)用了多傳感器信息融合技術(shù)［84］，可以精確地測(cè)量加速度、心率及能量消耗。然而，有研究人員通過(guò)調(diào)查發(fā)現(xiàn)，使用此類(lèi)融合傳感器測(cè)量能量消耗的有效性主要受控于實(shí)驗(yàn)室環(huán)境［97］。Chevance等通過(guò)分析52項(xiàng)研究同樣表明，該傳感器對(duì)能量消耗的測(cè)量并不準(zhǔn)確［96］。隨著人工智能技術(shù)的快速發(fā)展，可以通過(guò)構(gòu)建深度學(xué)習(xí)能耗預(yù)測(cè)模型將AI驅(qū)動(dòng)的軟件分析系統(tǒng)嵌入至可穿戴設(shè)備中，能提高健身過(guò)程中能量消耗監(jiān)測(cè)結(jié)果的信效度。

綜上所述，運(yùn)動(dòng)愛(ài)好者可根據(jù)自身健身需求及具體運(yùn)動(dòng)場(chǎng)景選擇適合的智能可穿戴設(shè)備，精準(zhǔn)量化分析運(yùn)動(dòng)數(shù)據(jù)，能最大限度地發(fā)揮體質(zhì)健康監(jiān)測(cè)設(shè)備的作用。

4.4.2? 研發(fā)智能化可穿戴運(yùn)動(dòng)設(shè)備，輔助運(yùn)動(dòng)障礙人群健身

當(dāng)前，人口老齡化程度加劇，因年齡增長(zhǎng)而出現(xiàn)的各種疾?。ㄐ姆喂δ芟陆怠⒐琴|(zhì)疏松等）是導(dǎo)致運(yùn)動(dòng)障礙的主要因素。世界衛(wèi)生組織（WHO）的相關(guān)調(diào)查顯示：中國(guó)腦中風(fēng)發(fā)病率排名世界第一［99］。還有相關(guān)研究顯示：腦卒中發(fā)病已趨于年輕化，鼓勵(lì)患者在身體狀況允許的情況下保證適當(dāng)?shù)捏w育鍛煉，例如：抗阻訓(xùn)練、有氧訓(xùn)練、身體運(yùn)動(dòng)功能性活動(dòng)等，以降低高血壓、血糖、血脂及防止冠狀動(dòng)脈粥樣硬化，是避免二次復(fù)發(fā)的主要方式［99］。因此，依據(jù)精細(xì)化和智能化的可穿戴設(shè)備實(shí)時(shí)監(jiān)控的運(yùn)動(dòng)障礙人群在體育鍛煉時(shí)的機(jī)體狀況制定個(gè)性化方案輔助患者盡快康復(fù)更顯彌足珍貴。Burridge等研發(fā)的嵌入式慣性傳感器可以通過(guò)收集患者運(yùn)動(dòng)時(shí)的各部分?jǐn)?shù)據(jù)用以設(shè)計(jì)益于助其康復(fù)的功能性運(yùn)動(dòng)［100］。在此基礎(chǔ)上，Burns等研發(fā)的另一種監(jiān)測(cè)患者運(yùn)動(dòng)的可穿戴設(shè)備可以為腦和脊髓損傷的患者制定運(yùn)動(dòng)計(jì)劃，以恢復(fù)其運(yùn)動(dòng)能力［101］。此類(lèi)可穿戴設(shè)備可以在患者運(yùn)動(dòng)時(shí)記錄其生理指標(biāo)數(shù)據(jù)，并能通過(guò)5G網(wǎng)絡(luò)向醫(yī)生發(fā)送，以供醫(yī)生根據(jù)收到的遠(yuǎn)程數(shù)據(jù)進(jìn)行監(jiān)督［101］。

此外，智能可穿戴設(shè)備近年來(lái)結(jié)合智能機(jī)器學(xué)習(xí)算法能使運(yùn)動(dòng)障礙患者實(shí)現(xiàn)個(gè)體化診療和遠(yuǎn)程醫(yī)療［102］。例如，某企業(yè)研發(fā)了一種可穿戴的外骨骼，用戶在鍛煉過(guò)程中可以通過(guò)按鈕控制外骨骼支架，使小型電機(jī)驅(qū)動(dòng)外骨骼支架以促進(jìn)膝蓋和臀部運(yùn)動(dòng)。同時(shí)，嵌入至外骨骼的機(jī)器學(xué)習(xí)算法模型能結(jié)合用戶的運(yùn)動(dòng)障礙情況及運(yùn)動(dòng)狀態(tài)自動(dòng)調(diào)節(jié)外骨骼助力閾值，由此輔助患者重建神經(jīng)肌肉運(yùn)動(dòng)模式。

鑒于此，今后應(yīng)以主動(dòng)健康為導(dǎo)向，應(yīng)用人工智能技術(shù)制定個(gè)性化運(yùn)動(dòng)處方，積極推動(dòng)智能化可穿戴運(yùn)動(dòng)設(shè)備的研發(fā)。

5? ?大數(shù)據(jù)技術(shù)在體育領(lǐng)域的應(yīng)用

大數(shù)據(jù)技術(shù)的核心理念是挖掘數(shù)據(jù)并探究其中規(guī)律，以解釋當(dāng)前現(xiàn)象和預(yù)測(cè)未來(lái)［103］。應(yīng)用大數(shù)據(jù)技術(shù)探究海量的體育運(yùn)動(dòng)數(shù)據(jù)之間的內(nèi)在邏輯和關(guān)聯(lián)，并預(yù)測(cè)風(fēng)險(xiǎn)事件發(fā)生的可能性，相較數(shù)據(jù)量小且因果關(guān)系簡(jiǎn)單的傳統(tǒng)運(yùn)動(dòng)訓(xùn)練理念更有優(yōu)勢(shì)。運(yùn)動(dòng)訓(xùn)練的本質(zhì)特性是復(fù)雜的，由運(yùn)動(dòng)員選材的高效性到運(yùn)動(dòng)員的身體素質(zhì)提升，再到運(yùn)動(dòng)成績(jī)突破，大數(shù)據(jù)技術(shù)作為重要手段貫穿始終。因此，競(jìng)技體育領(lǐng)域的海量運(yùn)動(dòng)訓(xùn)練數(shù)據(jù)的研究以復(fù)雜性為攻艱關(guān)鍵，以人工智能技術(shù)為分析方法，可以基于多層次和多維度的數(shù)據(jù)建立運(yùn)動(dòng)訓(xùn)練分析與預(yù)測(cè)模型。

由于基于慣性傳感器的可穿戴設(shè)備、基于計(jì)算機(jī)視覺(jué)技術(shù)的運(yùn)動(dòng)智能捕捉系統(tǒng)和基于機(jī)器學(xué)習(xí)的智能算法等設(shè)備或技術(shù)的持續(xù)更新，通過(guò)數(shù)據(jù)分析與評(píng)估運(yùn)動(dòng)訓(xùn)練效果已較為普遍。例如，在競(jìng)技體育領(lǐng)域，國(guó)際足聯(lián)（FIFA）等體育賽事組織已使用無(wú)線傳感器技術(shù)監(jiān)測(cè)球員位置和生理參數(shù)；而在學(xué)校體育和全民健身領(lǐng)域，隨著智慧校園的逐步完善和城市建設(shè)，視覺(jué)動(dòng)作捕捉技術(shù)和傳感器技術(shù)被廣泛應(yīng)用于智能識(shí)別和健身指導(dǎo)服務(wù)中。因此，如何將上述各領(lǐng)域的冗雜數(shù)據(jù)進(jìn)行有效整合，并通過(guò)數(shù)據(jù)挖掘、數(shù)字孿生等技術(shù)進(jìn)行分析和呈現(xiàn)結(jié)果［104］，輔助構(gòu)建預(yù)測(cè)模型，進(jìn)而據(jù)此探析競(jìng)技運(yùn)動(dòng)項(xiàng)目規(guī)律、促進(jìn)提高青少年體質(zhì)健康水平、構(gòu)建與完善主動(dòng)健康模式，是目前亟待解決的問(wèn)題。

5.1? 數(shù)據(jù)獲取與分析

在現(xiàn)代信息技術(shù)和大數(shù)據(jù)技術(shù)還未充分與體育融合時(shí)，傳統(tǒng)的運(yùn)動(dòng)表現(xiàn)評(píng)估方法是專(zhuān)家通過(guò)觀察人工收集數(shù)據(jù)并基于個(gè)人經(jīng)驗(yàn)評(píng)估運(yùn)動(dòng)表現(xiàn)，但是相關(guān)變量缺乏普遍共識(shí)［105-106］，評(píng)估結(jié)論欠缺客觀性［107］。此外，競(jìng)技比賽中攻防疾速轉(zhuǎn)換，人工記錄數(shù)據(jù)耗時(shí)費(fèi)力，因此，亟需采用自動(dòng)化、精確化、定量化的方法獲取和分析有關(guān)數(shù)據(jù)［108］。據(jù)此，從數(shù)據(jù)采集、數(shù)據(jù)傳輸、數(shù)據(jù)處理3個(gè)方面論述數(shù)據(jù)獲取過(guò)程。首先，數(shù)據(jù)采集要能精準(zhǔn)地感知運(yùn)動(dòng)情境和收集運(yùn)動(dòng)數(shù)據(jù)?，F(xiàn)代智能化設(shè)備采集運(yùn)動(dòng)數(shù)據(jù)時(shí)是基于計(jì)算機(jī)視覺(jué)技術(shù)和智能傳感器識(shí)別人體運(yùn)動(dòng)，并以智能算法進(jìn)行運(yùn)動(dòng)監(jiān)測(cè)、特征提取及數(shù)據(jù)化處理視頻圖像和濾波?，F(xiàn)有運(yùn)動(dòng)捕捉跟蹤系統(tǒng)主要用于監(jiān)測(cè)運(yùn)動(dòng)軌跡，兼以微型傳感器技術(shù)收集參數(shù)、評(píng)估動(dòng)作質(zhì)量及監(jiān)控運(yùn)動(dòng)負(fù)荷。其次，高效能的數(shù)據(jù)傳輸機(jī)制在競(jìng)技體育賽事的相關(guān)信息的實(shí)時(shí)反饋中至關(guān)重要。階段性戰(zhàn)術(shù)報(bào)告、運(yùn)動(dòng)員的瞬時(shí)機(jī)能狀況等數(shù)據(jù)信息皆需即時(shí)傳輸至存儲(chǔ)系統(tǒng)，以用于分析。隨著無(wú)線網(wǎng)絡(luò)、量子通信等技術(shù)的創(chuàng)新，在復(fù)雜通信條件下亦可實(shí)現(xiàn)高速、安全、穩(wěn)定的數(shù)據(jù)傳輸。最后，數(shù)據(jù)處理則是指在數(shù)據(jù)處理時(shí)設(shè)計(jì)過(guò)濾器，以聚類(lèi)分析或關(guān)聯(lián)分析的規(guī)則將無(wú)用或錯(cuò)誤的數(shù)據(jù)剔除［109-110］，以此高效地傳輸、存儲(chǔ)和挖掘數(shù)據(jù)。

在數(shù)據(jù)分析層面，多數(shù)學(xué)者認(rèn)為，運(yùn)動(dòng)科學(xué)一部分功能就是將訓(xùn)練的過(guò)程通過(guò)數(shù)據(jù)進(jìn)行量化，并歸納出規(guī)律［63， 69，111-115］。運(yùn)動(dòng)訓(xùn)練方面的大數(shù)據(jù)研究在應(yīng)用研究層面不以數(shù)據(jù)本身為研究目的，而是作為一種研究工具和手段探究事物本身的內(nèi)在規(guī)律。仇乃民等提出了數(shù)據(jù)密集型的科研范式（即不斷采集、更新和分析數(shù)據(jù)），并且認(rèn)為：運(yùn)用數(shù)據(jù)驅(qū)動(dòng)的方法盡可能多地采集人體運(yùn)動(dòng)信息，相較理論假設(shè)驅(qū)動(dòng)的研究策略（即通過(guò)小樣本推測(cè)總體）可能更適合對(duì)復(fù)雜的人體運(yùn)動(dòng)現(xiàn)象展開(kāi)研究［116］。所以有專(zhuān)家提出了“數(shù)據(jù)驅(qū)動(dòng)精準(zhǔn)訓(xùn)練”的理論范式，系統(tǒng)地陳述了智能科學(xué)訓(xùn)練決策系統(tǒng)應(yīng)以收集多維訓(xùn)練指標(biāo)數(shù)據(jù)為前提條件、以通過(guò)深度挖掘算法處理和分析訓(xùn)練數(shù)據(jù)為基本路徑、以提供有價(jià)值的信息促進(jìn)訓(xùn)練效能提升為核心目的［117］。

5.2? 在競(jìng)技體育領(lǐng)域的應(yīng)用現(xiàn)狀

5.2.1? 構(gòu)建個(gè)性化運(yùn)動(dòng)訓(xùn)練模型，分析運(yùn)動(dòng)訓(xùn)練及比賽中的規(guī)律

隨著大數(shù)據(jù)技術(shù)的發(fā)展，面對(duì)運(yùn)動(dòng)訓(xùn)練中的復(fù)雜問(wèn)題，不應(yīng)只強(qiáng)調(diào)因果關(guān)系，而應(yīng)通過(guò)數(shù)據(jù)采集與數(shù)據(jù)驅(qū)動(dòng)的方法，確保數(shù)據(jù)的多維度及實(shí)時(shí)性［116］。在如今的競(jìng)技體育數(shù)據(jù)分析領(lǐng)域，數(shù)據(jù)和AI技術(shù)缺一不可，兩者相輔相成、相互促進(jìn)。沒(méi)有優(yōu)質(zhì)的數(shù)據(jù)，再好的算法模型也難以發(fā)揮作用；而沒(méi)有Al技術(shù)的加持，再多的數(shù)據(jù)也難以從中獲得真正有價(jià)值的信息，所以通過(guò)數(shù)據(jù)分析運(yùn)動(dòng)訓(xùn)練及比賽中的復(fù)雜規(guī)律，實(shí)現(xiàn)對(duì)整體比賽技戰(zhàn)術(shù)的優(yōu)化和控制、對(duì)運(yùn)動(dòng)訓(xùn)練過(guò)程中難以解決的復(fù)雜問(wèn)題作出相應(yīng)預(yù)測(cè)和解釋。例如如何解決運(yùn)動(dòng)員在多周期訓(xùn)練和比賽的問(wèn)題、頂尖運(yùn)動(dòng)員的技術(shù)動(dòng)作難以復(fù)制及運(yùn)動(dòng)損傷的問(wèn)題［117］，已然成為現(xiàn)今學(xué)界的熱點(diǎn)議題。

人體在運(yùn)動(dòng)訓(xùn)練過(guò)程中的競(jìng)技能力存在周期性變化。因此，有必要收集運(yùn)動(dòng)員開(kāi)始從事競(jìng)技體育訓(xùn)練前的各項(xiàng)數(shù)據(jù)到退役后的數(shù)據(jù)，應(yīng)用大數(shù)據(jù)技術(shù)結(jié)合機(jī)器學(xué)習(xí)等智能算法構(gòu)建針對(duì)運(yùn)動(dòng)訓(xùn)練全過(guò)程實(shí)施精確控制的個(gè)性化訓(xùn)練模型（如圖9所示）。例如，從運(yùn)動(dòng)員選材之前就可以通過(guò)人工智能技術(shù)結(jié)合多組學(xué)技術(shù)輔助預(yù)測(cè)今后運(yùn)動(dòng)損傷的風(fēng)險(xiǎn)，進(jìn)而可以在賽前的智能化訓(xùn)練備戰(zhàn)階段通過(guò)構(gòu)建“AI＋大數(shù)據(jù)”智能教練模型對(duì)訓(xùn)練過(guò)程中運(yùn)動(dòng)員的營(yíng)養(yǎng)、心理及機(jī)體狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，實(shí)現(xiàn)精準(zhǔn)化監(jiān)控訓(xùn)練和大幅提升備戰(zhàn)效率；還可以在比賽過(guò)程中通過(guò)深度學(xué)習(xí)算法進(jìn)行技戰(zhàn)術(shù)預(yù)測(cè)并輔助教練員決策，同時(shí)還能將數(shù)據(jù)傳輸至大數(shù)據(jù)云平臺(tái)，自動(dòng)生成《可視化比賽表現(xiàn)數(shù)據(jù)分析報(bào)告》。此外，還能通過(guò)使用AI智能算法結(jié)合大數(shù)據(jù)技術(shù)構(gòu)建智能化精準(zhǔn)訓(xùn)練數(shù)據(jù)庫(kù)，評(píng)估運(yùn)動(dòng)員在整個(gè)訓(xùn)練周期的運(yùn)動(dòng)表現(xiàn)，為下一步調(diào)整《訓(xùn)練計(jì)劃》提供參考。應(yīng)當(dāng)注意的是，可以從2個(gè)視角審視圖9中的AI模型對(duì)競(jìng)技運(yùn)動(dòng)訓(xùn)練全過(guò)程的科技賦能。首先，從橫向而言，可以通過(guò)AI結(jié)合大數(shù)據(jù)構(gòu)建“冠軍模型”，并結(jié)合多組學(xué)技術(shù)挖掘天賦出眾且易于培養(yǎng)的運(yùn)動(dòng)員后備人才，而后通過(guò)“AI＋大數(shù)據(jù)”全過(guò)程記錄運(yùn)動(dòng)員成長(zhǎng)過(guò)程中的各項(xiàng)數(shù)據(jù)指標(biāo)，再深度分析培養(yǎng)過(guò)程中的優(yōu)劣勢(shì)，從而進(jìn)一步完善該“冠軍模型”。從縱向而言，運(yùn)動(dòng)員的競(jìng)技狀態(tài)變化由“準(zhǔn)備期→比賽期→恢復(fù)期”組成，而以傳統(tǒng)教練員的經(jīng)驗(yàn)為導(dǎo)向的運(yùn)動(dòng)員競(jìng)技狀態(tài)變化全過(guò)程監(jiān)控難以挖掘到更深層的信息。因此，由“AI＋大數(shù)據(jù)”構(gòu)成的新興個(gè)性化訓(xùn)練模型能進(jìn)行全方位評(píng)估，可以助力運(yùn)動(dòng)員競(jìng)技運(yùn)動(dòng)表現(xiàn)持續(xù)提高。

綜上所述，各水平的運(yùn)動(dòng)隊(duì)?wèi)?yīng)積極將人工智能技術(shù)與大數(shù)據(jù)技術(shù)相結(jié)合，以構(gòu)建個(gè)性化訓(xùn)練模型。隨著競(jìng)技體育領(lǐng)域的可監(jiān)測(cè)數(shù)據(jù)愈漸豐富，智能動(dòng)態(tài)視頻捕捉系統(tǒng)和可穿戴設(shè)備并不是孤立存在的個(gè)體，而是基于大數(shù)據(jù)背景下的科技產(chǎn)物，通過(guò)兩者采集訓(xùn)練信息僅僅是科學(xué)監(jiān)控的外在表現(xiàn)，而運(yùn)用科學(xué)的數(shù)據(jù)處理方法對(duì)所得的原始數(shù)據(jù)進(jìn)行提取和計(jì)算才是監(jiān)控的核心所在［69］，也是進(jìn)行數(shù)據(jù)分析的底層邏輯。當(dāng)今，數(shù)據(jù)規(guī)模的增大已然成為一種普遍現(xiàn)象，誰(shuí)掌握了數(shù)據(jù)變化的趨勢(shì)及能預(yù)測(cè)各類(lèi)因素對(duì)競(jìng)技能力的影響，誰(shuí)就掌握了主動(dòng)權(quán)，例如：訓(xùn)練時(shí)的監(jiān)控、比賽時(shí)的決策輔助、對(duì)運(yùn)動(dòng)員身體狀況進(jìn)行的長(zhǎng)期追蹤、分析對(duì)手競(jìng)技狀態(tài)的變化等。

5.2.2? 定量化預(yù)測(cè)和控制運(yùn)動(dòng)負(fù)荷，實(shí)現(xiàn)運(yùn)動(dòng)損傷的智能化預(yù)防

隨著競(jìng)技運(yùn)動(dòng)訓(xùn)練科學(xué)化的發(fā)展，對(duì)運(yùn)動(dòng)負(fù)荷的精準(zhǔn)測(cè)量和有效控制是降低運(yùn)動(dòng)損傷風(fēng)險(xiǎn)的關(guān)鍵要素。Thornton等以訓(xùn)練負(fù)荷為預(yù)測(cè)指標(biāo)，運(yùn)用決策樹(shù)分類(lèi)器的方法預(yù)測(cè)了職業(yè)橄欖球運(yùn)動(dòng)員的運(yùn)動(dòng)損傷發(fā)生率［118］。kautz等使沙灘排球運(yùn)動(dòng)員佩戴可穿戴式傳感器以監(jiān)測(cè)其運(yùn)動(dòng)負(fù)荷數(shù)據(jù)，并通過(guò)人工神經(jīng)網(wǎng)絡(luò)建模進(jìn)行運(yùn)動(dòng)損傷風(fēng)險(xiǎn)的預(yù)測(cè)，其精度達(dá)到83%以上［119］。Ruddy等通過(guò)對(duì)362名精英足球運(yùn)動(dòng)員的腘繩肌在離心時(shí)的力量強(qiáng)度進(jìn)行評(píng)估，并應(yīng)用機(jī)器學(xué)習(xí)技術(shù)預(yù)測(cè)造成腘繩肌拉傷的各種因素［120］。現(xiàn)有研究在有效量化預(yù)測(cè)橄欖球比賽中的身體碰撞方面存在較大的差異，所以如何量化高強(qiáng)度身體碰撞過(guò)程中的負(fù)荷是作為當(dāng)今學(xué)界亟待解決的熱點(diǎn)問(wèn)題。Naughton使用微技術(shù)設(shè)備（GPS和慣性傳感器IMU的結(jié)合）通過(guò)機(jī)器學(xué)習(xí)多傳感器融合方法將運(yùn)動(dòng)員的動(dòng)作效率、整體運(yùn)動(dòng)概況及訓(xùn)練和比賽中的峰值運(yùn)動(dòng)量進(jìn)行了整合分類(lèi)，以此量化碰撞的頻率和強(qiáng)度［121］。英格蘭足球超級(jí)聯(lián)賽球隊(duì)廣泛使用的一種訓(xùn)練背心可以監(jiān)測(cè)運(yùn)動(dòng)員熱身時(shí)的步頻、步幅、雙腳的壓力負(fù)荷等指標(biāo)，并且會(huì)在熱身開(kāi)始15 min后生成反饋報(bào)告，以評(píng)估運(yùn)動(dòng)員的訓(xùn)前準(zhǔn)備狀態(tài)，有助于團(tuán)隊(duì)科學(xué)合理地安排后續(xù)訓(xùn)練任務(wù)。英格蘭足球超級(jí)聯(lián)賽的各個(gè)參賽俱樂(lè)部在使用這種訓(xùn)練背心后，單賽季球員訓(xùn)練傷病的發(fā)生風(fēng)險(xiǎn)降低了約50%［122］。Tammimi等的研究發(fā)現(xiàn)，前交叉韌帶損傷患者的脛骨后部外側(cè)的斜率和外側(cè)半月板的斜率增加，內(nèi)、外側(cè)半月板高度降低，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)建立了前交叉韌帶損傷的預(yù)測(cè)算法，準(zhǔn)確率達(dá)到90%以上［123］。

在構(gòu)建傷病管理軟件系統(tǒng)方面，某企業(yè)研發(fā)了足球運(yùn)動(dòng)風(fēng)險(xiǎn)預(yù)警和損傷分析軟件系統(tǒng)，能憑借收集到的運(yùn)動(dòng)數(shù)據(jù)和生理數(shù)據(jù)，結(jié)合比賽數(shù)據(jù)、醫(yī)療檔案、天氣、場(chǎng)地等信息，通過(guò)自創(chuàng)的Al算法評(píng)估運(yùn)動(dòng)員的傷病風(fēng)險(xiǎn)，并能找出可能導(dǎo)致傷病的因素［124］。例如，使用該系統(tǒng)后，西甲赫塔菲在2017—2018賽季減少了65％的球員因傷缺陣時(shí)間，并對(duì)80%的最終發(fā)生的傷病進(jìn)行了提前預(yù)警；在2020賽季使用該系統(tǒng)后，減少了全隊(duì)57％的傷病案例，并提前一周對(duì)仍舊出現(xiàn)的13例傷病中的9例作出了高風(fēng)險(xiǎn)預(yù)警。

綜上所述，基于深度學(xué)習(xí)算法對(duì)數(shù)據(jù)進(jìn)行處理和挖掘，可明晰運(yùn)動(dòng)員在訓(xùn)練和比賽中機(jī)體所承受的內(nèi)外部負(fù)荷與運(yùn)動(dòng)損傷存在的內(nèi)在關(guān)聯(lián)，通過(guò)把握負(fù)荷閾值，能使運(yùn)動(dòng)員在突破身體運(yùn)動(dòng)極限的同時(shí)避免運(yùn)動(dòng)損傷的發(fā)生，以此提高訓(xùn)練的科學(xué)化水平。

5.2.3? 構(gòu)建智能化精準(zhǔn)訓(xùn)練服務(wù)平臺(tái)，分析運(yùn)動(dòng)員競(jìng)技狀態(tài)

AI賦能競(jìng)技體育的最終目標(biāo)是將傳感器采集到的運(yùn)動(dòng)參數(shù)、生理參數(shù)、歷史成績(jī)等信息通過(guò)多模態(tài)機(jī)器學(xué)習(xí)集成到智能化精準(zhǔn)訓(xùn)練服務(wù)平臺(tái)中，為運(yùn)動(dòng)員提供自動(dòng)的、即時(shí)的評(píng)估和反饋信息［125］。這一平臺(tái)主要是應(yīng)用大數(shù)據(jù)技術(shù)對(duì)運(yùn)動(dòng)員的競(jìng)技狀態(tài)數(shù)據(jù)進(jìn)行處理，應(yīng)用5G通信技術(shù)低功耗實(shí)時(shí)傳輸相關(guān)數(shù)據(jù)，而后將數(shù)據(jù)輸入AI算法模型中，之后可以將關(guān)鍵信息發(fā)送給教練員及科研人員。例如，目前已有一些優(yōu)秀運(yùn)動(dòng)隊(duì)采用“Smartabase”大數(shù)據(jù)管理平臺(tái)對(duì)運(yùn)動(dòng)員在訓(xùn)練中的各項(xiàng)指標(biāo)進(jìn)行一體化管理，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)員的數(shù)據(jù)進(jìn)行采集、分類(lèi)、統(tǒng)計(jì)及建模的全面覆蓋，可以精準(zhǔn)地進(jìn)行運(yùn)動(dòng)員選材、球員飲食營(yíng)養(yǎng)管理、訓(xùn)練計(jì)劃制定、競(jìng)技狀態(tài)及運(yùn)動(dòng)損傷風(fēng)險(xiǎn)預(yù)測(cè)［126］。在數(shù)據(jù)集成方面，應(yīng)用云計(jì)算方法可以實(shí)現(xiàn)數(shù)據(jù)之間的相互流通，能使用戶將時(shí)間和精力更多地用于數(shù)據(jù)分析上而不是整理數(shù)據(jù)，用戶只需將訓(xùn)練數(shù)據(jù)傳輸?shù)綌?shù)據(jù)平臺(tái)即可，之后就可以等待平臺(tái)通過(guò)數(shù)據(jù)擬合和分析后提供相關(guān)反饋信息，通過(guò)算法自動(dòng)生成與運(yùn)動(dòng)員競(jìng)技水平相匹配的個(gè)性化訓(xùn)練方案，并將運(yùn)動(dòng)員競(jìng)技狀態(tài)、身體機(jī)能恢復(fù)情況等各方面數(shù)據(jù)以可視化面板的方式呈現(xiàn)。如此一來(lái)，不僅能輔助教練員深度洞悉訓(xùn)練全過(guò)程，糾正訓(xùn)練計(jì)劃在細(xì)節(jié)方面的紕漏，還能采用實(shí)時(shí)反饋的數(shù)字化訓(xùn)練方法顯著地提升運(yùn)動(dòng)員的運(yùn)動(dòng)表現(xiàn)，增強(qiáng)運(yùn)動(dòng)員積極的心理定向并強(qiáng)化其內(nèi)在動(dòng)機(jī)，使運(yùn)動(dòng)員的潛能被進(jìn)一步激發(fā)。

鑒于此，運(yùn)動(dòng)員的運(yùn)動(dòng)數(shù)據(jù)分析的戰(zhàn)略意義不在于掌握海量的數(shù)據(jù)，而是基于此要構(gòu)建智能化精準(zhǔn)訓(xùn)練服務(wù)平臺(tái)，通過(guò)多模態(tài)AI智能模型使基于傳統(tǒng)經(jīng)驗(yàn)預(yù)測(cè)的不確定性得以量化，探究隱含的規(guī)律與邏輯，實(shí)現(xiàn)運(yùn)動(dòng)數(shù)據(jù)從數(shù)字化分析到智能化分析的演變。

5.3? 在學(xué)校體育領(lǐng)域的應(yīng)用現(xiàn)狀

5.3.1? 構(gòu)建計(jì)算機(jī)輔助體育教學(xué)系統(tǒng)，改善體育課程教學(xué)效果

計(jì)算機(jī)輔助系統(tǒng)（CAI）在教學(xué)活動(dòng)中的應(yīng)用主要是指使用計(jì)算機(jī)及其技術(shù)傳輸教學(xué)過(guò)程中的信息，達(dá)到教育目的，完成教學(xué)任務(wù)。人工智能在專(zhuān)家系統(tǒng)領(lǐng)域的成功應(yīng)用為CAI的廣泛應(yīng)用創(chuàng)造了新的條件，網(wǎng)絡(luò)化和智能化已成為CAI的升級(jí)方向。而隨著多媒體技術(shù)和網(wǎng)絡(luò)技術(shù)的日益成熟，多媒體輔助教學(xué)和網(wǎng)絡(luò)課程已成為高等院校的教學(xué)方法和教學(xué)手段。CAI結(jié)合多媒體技術(shù)則是通過(guò)展示圖片、視頻等方式將動(dòng)作的重點(diǎn)和難點(diǎn)以慢放或者連續(xù)播放的形式展現(xiàn)給學(xué)生，使學(xué)生以可視化的方式更為清晰地學(xué)習(xí)技術(shù)動(dòng)作的重點(diǎn)和難點(diǎn)，便于學(xué)生掌握正確動(dòng)作和糾正錯(cuò)誤動(dòng)作。與此同時(shí)，基于人工智能的自主干預(yù)模型可以客觀地評(píng)價(jià)學(xué)生在課堂中的運(yùn)動(dòng)表現(xiàn)并實(shí)時(shí)對(duì)錯(cuò)誤的技術(shù)動(dòng)作進(jìn)行監(jiān)測(cè)，自動(dòng)提出更改建議和解決方法。在體育課程教學(xué)中，可以使用計(jì)算機(jī)輔助系統(tǒng)將學(xué)生認(rèn)知模型輸出的信息輸入至神經(jīng)網(wǎng)絡(luò)模型，通過(guò)智能搜索與推理動(dòng)態(tài)生成適于個(gè)體化教學(xué)的內(nèi)容與策略，輔助體育教師對(duì)學(xué)生提出針對(duì)性的學(xué)習(xí)建議。不止于此，在體育課程教學(xué)中應(yīng)用這種技術(shù)還可以激發(fā)學(xué)生的學(xué)習(xí)興趣，使學(xué)生更直觀地領(lǐng)悟動(dòng)作要領(lǐng)，產(chǎn)生更好的教學(xué)效果。

5.3.2? 集成展示校園體育教學(xué)場(chǎng)景，以數(shù)字孿生技術(shù)構(gòu)建智慧體育校園平臺(tái)

智慧校園平臺(tái)建設(shè)是以全面貫徹“互聯(lián)網(wǎng)+”的基本理念，充分應(yīng)用互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等現(xiàn)代信息技術(shù)，打造“人人學(xué)習(xí)、隨時(shí)學(xué)習(xí)、不停課的校園” ［127］。在當(dāng)前的研究實(shí)踐中，有學(xué)者已經(jīng)在探究大數(shù)據(jù)背景下的高校智慧體育校園的概念，分析了高校智慧校園的典型特征和發(fā)展目標(biāo)，設(shè)計(jì)了物理空間與數(shù)字空間相結(jié)合的數(shù)字孿生式智慧體育校園架構(gòu)，并且探討了以AI賦能高校實(shí)現(xiàn)智慧校園的關(guān)鍵［128］。例如，某企業(yè)設(shè)計(jì)的體育信息化課堂［129］（如圖10所示）就使用了一些可穿戴設(shè)備，實(shí)時(shí)記錄學(xué)生的身體狀況及運(yùn)動(dòng)密度，通過(guò)可穿戴設(shè)備采集生理參數(shù)，而后通過(guò)無(wú)線傳輸技術(shù)將學(xué)生的相關(guān)數(shù)據(jù)傳輸至后臺(tái)，應(yīng)用人工智能技術(shù)匹配學(xué)生的個(gè)人信息，最終呈現(xiàn)在可視化平臺(tái)上，有利于教師監(jiān)控體育課中的運(yùn)動(dòng)密度及訓(xùn)練強(qiáng)度，便于教師通過(guò)實(shí)時(shí)監(jiān)控得到課堂教學(xué)效果反饋，使學(xué)校體育工作更加科學(xué)化和精準(zhǔn)化。又例如，應(yīng)用人工智能、物聯(lián)網(wǎng)、5G通信、大數(shù)據(jù)、云平臺(tái)等技術(shù)打造的智慧操場(chǎng)的數(shù)字孿生反饋系統(tǒng)［130］，旨在增強(qiáng)體育課堂的安全性、科學(xué)性與針對(duì)性及提高教學(xué)效率與學(xué)生的依從度。

綜上所述，要從智能化入手建設(shè)體育教學(xué)的智慧校園平臺(tái)。隨著新興計(jì)算機(jī)技術(shù)的出現(xiàn)，智慧體育校園平臺(tái)將突破空間的限制，有助于體育教師全面把握“教會(huì)、勤練、常賽”一體化系統(tǒng)性教學(xué)思路與方式，掌握教學(xué)規(guī)律，實(shí)施更有效的教學(xué)和全面提高教學(xué)質(zhì)量。

5.4? 在全民健身領(lǐng)域的應(yīng)用現(xiàn)狀

5.4.1? 構(gòu)建多平臺(tái)互聯(lián)互通的全民健身智慧化空間，以實(shí)現(xiàn)信息不斷迭代和更新

2019年國(guó)務(wù)院辦公廳印發(fā)的《體育強(qiáng)國(guó)建設(shè)綱要》中明確提出：推進(jìn)全民健身智慧化發(fā)展［131］。運(yùn)用物聯(lián)網(wǎng)、云計(jì)算等新信息技術(shù)，推進(jìn)智慧健身路徑、智慧健身步道、智慧體育公園建設(shè)［131］。可見(jiàn)，建設(shè)“AI＋大數(shù)據(jù)”驅(qū)動(dòng)的全民健身綜合管理平臺(tái)和全民健身公共服務(wù)平臺(tái)可以說(shuō)是構(gòu)建全民健身智慧化空間的主要路徑。已有研究顯示，可以通過(guò)將云計(jì)算、物聯(lián)網(wǎng)、AI、大數(shù)據(jù)等新一代智能信息技術(shù)結(jié)合市級(jí)體育賽事活動(dòng)、體育社會(huì)組織、體育場(chǎng)館及設(shè)施、國(guó)民體質(zhì)監(jiān)測(cè)與健身記錄、運(yùn)動(dòng)處方等信息資源建立體育大數(shù)據(jù)中心，并將其嵌入至公共體育基礎(chǔ)設(shè)施中（例如：體育場(chǎng)館、體育公園、健身步道），同時(shí)可以通過(guò)數(shù)據(jù)挖掘及融合的方式構(gòu)建智能數(shù)字模型，將原有的基礎(chǔ)設(shè)施、運(yùn)動(dòng)環(huán)境、居民鍛煉習(xí)慣及愛(ài)好、訓(xùn)練狀態(tài)等信息輸入模型中，以實(shí)現(xiàn)信息不斷迭代和更新。在實(shí)際應(yīng)用層面，大數(shù)據(jù)結(jié)合AI算法是有效推動(dòng)全民健身智慧化空間升級(jí)的關(guān)鍵因素。有研究者提出，可以設(shè)計(jì)與開(kāi)發(fā)體育公園全民健身數(shù)據(jù)庫(kù)，例如根據(jù)某市的體質(zhì)健康監(jiān)測(cè)數(shù)據(jù)和居民日常健身數(shù)據(jù)圈定正常范圍值，采集前往體育公園健身的居民的體質(zhì)健康數(shù)據(jù)和運(yùn)動(dòng)數(shù)據(jù)后，與正常范圍值進(jìn)行比對(duì)，通過(guò)AI算法自動(dòng)生成體育鍛煉計(jì)劃。而智能體育場(chǎng)館不論是在豐富居民體育鍛煉體驗(yàn)，還是在體育賽事舉辦過(guò)程中增強(qiáng)球迷參與度，均已成為運(yùn)動(dòng)愛(ài)好者的迫切需要。例如，某大學(xué)的研究團(tuán)隊(duì)將研發(fā)的新型增強(qiáng)現(xiàn)實(shí)技術(shù)廣播系統(tǒng)（TEBS）嵌入至校園的智能體育場(chǎng)，以使球迷獲得沉浸式觀看比賽的體驗(yàn)［132］（如圖11所示）。該系統(tǒng)可以通過(guò)5G實(shí)時(shí)傳輸、AI、大數(shù)據(jù)等技術(shù)將比賽過(guò)程實(shí)時(shí)影像和運(yùn)動(dòng)員數(shù)據(jù)傳輸至終端，并通過(guò)即時(shí)回放技術(shù)和網(wǎng)絡(luò)直播結(jié)合增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)可以根據(jù)場(chǎng)館座位分布情況將處理好的比賽影像投放于屏幕。此外，還可以通過(guò)局域網(wǎng)技術(shù)高效低延遲地將視頻傳輸至移動(dòng)用戶端，以便用戶線上通過(guò)電視機(jī)、手機(jī)屏幕進(jìn)行觀賽和互動(dòng)。

5.4.2? 構(gòu)建個(gè)性化運(yùn)動(dòng)處方管理系統(tǒng)，完善主動(dòng)健康模式

以主動(dòng)健康為導(dǎo)向制定個(gè)性化運(yùn)動(dòng)方案已成為解決健康問(wèn)題的新策略。有專(zhuān)家提出，在運(yùn)動(dòng)促進(jìn)健康的實(shí)施路徑中，需建立面向不同人群的運(yùn)動(dòng)處方庫(kù)，提高運(yùn)動(dòng)處方的個(gè)性化和精準(zhǔn)化，有助于不同人群在體育鍛煉時(shí)結(jié)合自身的身體狀況、醫(yī)療情況等全方位和智能化地選擇體育運(yùn)動(dòng)［133］?；ヂ?lián)網(wǎng)技術(shù)的快速發(fā)展為生成個(gè)性化運(yùn)動(dòng)指南帶來(lái)了極大的便利?；凇癆I+大數(shù)據(jù)”構(gòu)建的個(gè)性化運(yùn)動(dòng)處方管理系統(tǒng)能在采集到用戶身體各項(xiàng)數(shù)據(jù)時(shí)快速地進(jìn)行診斷并形成《運(yùn)動(dòng)健康報(bào)告》，最終可以生成用戶的個(gè)性化運(yùn)動(dòng)指南。此外，有研究者提出，應(yīng)以個(gè)性化和精準(zhǔn)化的運(yùn)動(dòng)處方為基礎(chǔ)，研發(fā)智能健康管理系統(tǒng)［134］。對(duì)于慢性病患者來(lái)說(shuō)，目前有一種在公共體育場(chǎng)館應(yīng)用的運(yùn)動(dòng)推薦系統(tǒng)，可以根據(jù)用戶的身體狀況評(píng)估結(jié)果和病理特征應(yīng)用大數(shù)據(jù)技術(shù)進(jìn)行相應(yīng)的個(gè)性化運(yùn)動(dòng)處方推薦，從而能更好地服務(wù)于用戶的體育鍛煉［135］。在實(shí)踐中，因工作繁忙無(wú)法親臨體育場(chǎng)館的居民還可以在健身鍛煉過(guò)程中使用智能手機(jī)傳感器遠(yuǎn)程評(píng)估自身的平衡性、靈活性和肌肉力量，并通過(guò)深度學(xué)習(xí)算法自動(dòng)生成個(gè)性化體育鍛煉計(jì)劃［136］。有研究表明，公務(wù)員每日久坐時(shí)間長(zhǎng)達(dá)8.2 h，且公務(wù)員總?cè)藬?shù)中的慢性病患者占較大比例［137］。為了解決這一問(wèn)題，有學(xué)者應(yīng)用“AI+大數(shù)據(jù)”構(gòu)建了公務(wù)員智能運(yùn)動(dòng)處方系統(tǒng)。該系統(tǒng)以智能數(shù)據(jù)庫(kù)為基礎(chǔ)，以智能算法驅(qū)動(dòng)模型為支撐，應(yīng)用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)了智能化提供運(yùn)動(dòng)處方的在線服務(wù)［138］，能根據(jù)個(gè)體生理狀況自動(dòng)設(shè)計(jì)“零食式”的運(yùn)動(dòng)處方［139-141］，可以改變久坐不動(dòng)辦公人群的運(yùn)動(dòng)習(xí)慣，增強(qiáng)其健身意識(shí)。

綜上所述，在公共健康政策制定和健身設(shè)備設(shè)計(jì)時(shí)應(yīng)考慮人工智能技術(shù)應(yīng)用的綜合集成、標(biāo)準(zhǔn)制定、設(shè)備準(zhǔn)入等方面的問(wèn)題，以提高全民健身的科學(xué)化、智能化及個(gè)體化水平，完善主動(dòng)健康模式。

6? ?當(dāng)前體育人工智能應(yīng)用中存在的挑戰(zhàn)及未來(lái)的應(yīng)用與研究方向

本文從計(jì)算機(jī)視覺(jué)技術(shù)、智能可穿戴設(shè)備、大數(shù)據(jù)技術(shù)等人工智能關(guān)鍵技術(shù)在競(jìng)技體育、全民健身及學(xué)校體育領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行了綜述。上述這些人工智能技術(shù)在體育領(lǐng)域的應(yīng)用還面臨著一些挑戰(zhàn)，未來(lái)會(huì)出現(xiàn)以下一些研究方向。

1）計(jì)算機(jī)視覺(jué)技術(shù)在競(jìng)技體育領(lǐng)域的廣泛應(yīng)用大大提高了訓(xùn)練監(jiān)控和體育比賽技戰(zhàn)術(shù)分析的效率，但是仍有許多挑戰(zhàn)。例如：攝像機(jī)的拍攝視角較小，不能覆蓋整個(gè)比賽場(chǎng)地區(qū)域；運(yùn)動(dòng)員在集體性運(yùn)動(dòng)項(xiàng)目中的高頻率肢體碰撞時(shí)的遮擋造成計(jì)算機(jī)識(shí)別錯(cuò)誤，且后期圖像分割處理過(guò)程較費(fèi)時(shí)且繁瑣；視頻處理的時(shí)間較長(zhǎng)，其效率無(wú)法滿足現(xiàn)代職業(yè)體育賽事的賽制要求。

2）在學(xué)校體育和全民健身領(lǐng)域，基于計(jì)算機(jī)視覺(jué)技術(shù)的人工視頻分析技術(shù)雖然能夠全面地監(jiān)測(cè)學(xué)生或體育鍛煉愛(ài)好者的動(dòng)作質(zhì)量，但是需要架設(shè)多臺(tái)攝錄設(shè)備，并且要有專(zhuān)人負(fù)責(zé)處理圖像和數(shù)據(jù)，而且攝錄時(shí)易受遮擋，從而會(huì)導(dǎo)致監(jiān)測(cè)誤差。同時(shí)，目前也缺乏基于大量的視頻數(shù)據(jù)集形成的訓(xùn)練機(jī)器學(xué)習(xí)模型。

3）體育人工智能技術(shù)的未來(lái)應(yīng)用方向應(yīng)是將計(jì)算機(jī)視覺(jué)技術(shù)與智能可穿戴設(shè)備進(jìn)行融合，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。例如，如果智能可穿戴設(shè)備采集到的數(shù)據(jù)只來(lái)自目標(biāo)運(yùn)動(dòng)者，那么就可以通過(guò)與計(jì)算機(jī)視覺(jué)技術(shù)的結(jié)合有效地避免其他運(yùn)動(dòng)者或物體對(duì)動(dòng)作識(shí)別過(guò)程產(chǎn)生的影響。而基于深度學(xué)習(xí)算法的無(wú)標(biāo)記動(dòng)作捕捉系統(tǒng)在不同條件下（光照強(qiáng)度、距離遠(yuǎn)近、環(huán)境因素等）使用的效果需要不斷改善、拍攝效率需要不斷提高及算法模型魯棒性需要不斷增強(qiáng)。

4）對(duì)于智能可穿戴設(shè)備，多數(shù)由官方舉辦的大型體育賽事仍然禁止運(yùn)動(dòng)員使用。在學(xué)校體育和全民健身領(lǐng)域，智能可穿戴設(shè)備通常存在佩戴繁瑣、信號(hào)傳輸慢等劣勢(shì)，也面臨著無(wú)法全面而準(zhǔn)確地采集人體生理數(shù)據(jù)及無(wú)法準(zhǔn)確評(píng)估健康狀況的困境。因此，在未來(lái)，學(xué)界亟需研制微型化、集成化及智能化的便捷式可穿戴設(shè)備（例如纖維類(lèi)可穿戴測(cè)試裝備）。此外，應(yīng)以安全性、準(zhǔn)確性、穩(wěn)定性、便攜性、可視化、實(shí)時(shí)反饋為研發(fā)標(biāo)準(zhǔn)，應(yīng)用多源信息融合技術(shù)創(chuàng)新算法，強(qiáng)化訓(xùn)練深度學(xué)習(xí)模型。同時(shí)，還需促進(jìn)計(jì)算機(jī)視覺(jué)技術(shù)與可穿戴設(shè)備的結(jié)合，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)過(guò)程中的多參數(shù)的聯(lián)合采集。

5）不論是在競(jìng)技體育領(lǐng)域，還是在學(xué)校體育和全民健身領(lǐng)域，運(yùn)動(dòng)數(shù)據(jù)資源均十分豐富，但是數(shù)據(jù)之間的融合依舊不足，數(shù)據(jù)孤島的問(wèn)題普遍存在，即數(shù)據(jù)碎片化嚴(yán)重、數(shù)據(jù)缺乏統(tǒng)一的標(biāo)準(zhǔn)化格式。因此，學(xué)界應(yīng)以更加新穎的方法分析數(shù)據(jù)，并構(gòu)建更加全面的理論模型，以更加全面和精確地評(píng)估運(yùn)動(dòng)員的競(jìng)技表現(xiàn)、監(jiān)測(cè)學(xué)生的體質(zhì)健康水平及預(yù)防居民健身過(guò)程中的運(yùn)動(dòng)損傷。

總之，在當(dāng)今的競(jìng)技體育、學(xué)校體育及全民健身領(lǐng)域，教練員、體育教師、社會(huì)體育指導(dǎo)員、康復(fù)理療師、體育科研人員及相關(guān)從業(yè)者必須共同發(fā)力，始終秉持科學(xué)理念和應(yīng)用多學(xué)科交叉融合理論，以構(gòu)建更加多維度和深層次的數(shù)據(jù)集，使用云服務(wù)器及邊緣服務(wù)器進(jìn)行計(jì)算，以避免因數(shù)據(jù)堆積導(dǎo)致的存儲(chǔ)空間不足。與此同時(shí)，要應(yīng)用大數(shù)據(jù)技術(shù)對(duì)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行挖掘，進(jìn)一步闡明運(yùn)動(dòng)訓(xùn)練中的內(nèi)在規(guī)律，以促進(jìn)各種體育場(chǎng)景下的大數(shù)據(jù)在體能、運(yùn)動(dòng)技術(shù)、運(yùn)動(dòng)疲勞、運(yùn)動(dòng)營(yíng)養(yǎng)、傷病防護(hù)、運(yùn)動(dòng)表現(xiàn)等分析方面的充分應(yīng)用。

參考文獻(xiàn)：

［1］? STEPHEN L， DANNY K. Artificial intelligence in the 21st century［M］. 2nd edition. Dulles， Virginia： Mercury Learning and Information， 2015：29-31.

［2］? 本刊記者. 構(gòu)筑人工智能先發(fā)優(yōu)勢(shì) 把握新一輪科技革命戰(zhàn)略主動(dòng)——國(guó)家科技部副部長(zhǎng)王志剛訪談［J］. 寧波經(jīng)濟(jì)（財(cái)經(jīng)視點(diǎn)）， 2017（12）： 3-5.

［3］? 《體育概論》編寫(xiě)組. 體育概論［M］. 北京：北京體育大學(xué)出版社， 2013：10-12.

［4］? 國(guó)家體育總局政策法規(guī)司負(fù)責(zé)人解讀《“十四五”體育發(fā)展規(guī)劃》［EB/OL］.（2021-10-25）［2023-05-19］. https：//www.sport.gov.cn/zfs/n4977/c23655890/content.html.

［5］? 梁楠楠， 李亞玲. 人工智能與體育融合發(fā)展歷程、現(xiàn)狀與展望［J］. 體育科技文獻(xiàn)通報(bào)，2022，30（9）：199-202.

［6］? 曹宇，劉正. 人工智能應(yīng)用于體育的價(jià)值、困境與對(duì)策［J］. 體育文化導(dǎo)刊，2018（11）：31-35.

［7］? 戴瓊海. 人工智能教育：通識(shí)與專(zhuān)業(yè)［J］. 清華大學(xué)教育研究，2022，43（3）：23-24.

［8］? MCCARTHY J. Artificial intelligence： a general survey ［M］. Holland：Artificial Intelligence， Elsevier， 1974： 317-322.

［9］? BROOKS J F P. No silver bullet： Essence and accidents of software engineering［J］. IEEE Computer Society， 1987（10）：8-11.

［10］? HINTON G E， OSINDERO S， TEH Y W. A fast learning algorithm for deep belief nets［J］. Neural Computation， 2006， 18（7）： 1527-1554.

［11］? 周飛燕，金林鵬，董軍. 卷積神經(jīng)網(wǎng)絡(luò)研究綜述［J］. 計(jì)算機(jī)學(xué)報(bào)，2017，40（6）： 1229-1251.

［12］? 孫志軍，薛磊，許陽(yáng)明，等. 深度學(xué)習(xí)研究綜述［J］. 計(jì)算機(jī)應(yīng)用研究，2012，29（8）：2806-2810.

［13］? 張梓堃. 人工智能的歷史與發(fā)展［J］. 數(shù)字通信世界， 2018（11）： 149-150.

［14］? 李紅霞. 人工智能的發(fā)展綜述［J］. 甘肅科技縱橫，2007（5）： 17-18.

［15］? NOBBE T A. Olympic athletes get a boost from technology［J］. Machine Design， 1988， 25：62-64.

［16］? TAKASHI T， YOSHIO T. Virtual reality system： Construction of virtual environment with force display for ball dribbling［J］. テレビジョン學(xué)會(huì)誌，1995，49（10）：1339-1346.

［17］? IRLER W J， BERTOLDI A， BETTINI R， et al. A causal probabilistic model for the estimation of risk of sudden death in? athletes［C］// Proceedings Computers in Cardiology.Venice：IEEE， 1991.

［18］ ZELIElI I， KONONENKO I， LAVRA N， et al. Machine learning applied to diagnosis of sport injuries［C］//Artificial Intelligence in Medicine， Grenoble：Springer，1997.

［19］? MCCABE A. An artificially intelligent sports tipper［C］//AI 2002： Advances in Artificial Intelligence， Canberra：Springer， 2002.

［20］? REED D， ODONOGHUE P. Development and application of computer-based prediction methods［J］. International Journal of Performance Analysis in Sport， 2005， 5（3）： 12-28.

［21］? 徐偉康，林朝暉. 人工智能與全民健身融合發(fā)展的價(jià)值邏輯、現(xiàn)實(shí)困境與優(yōu)化路徑［J］. 上海體育學(xué)院學(xué)報(bào)，2022， 46（10）： 9-22.

［22］? VAN DER K E， REIJNE M M. Accuracy of human motion capture systems for sport applications; state-of-the-art review［J］. European Journal of Sport Science， 2018， 18（6）： 806-819.

［23］? NAKANO N， SAKURA T， UEDA K， et al. Evaluation of 3D markerless motion capture accuracy using open pose with multiple video cameras［J］. Frontiers in Sports and Active Living， 2020， 2： 50.

［24］? KASUYA N， KITAHARA I， KAMEDA Y， et al. Real-time soccer player tracking method by utilizing shadow regions［C］//Proceedings of the 18th ACM international conference on multimedia. New York： ACM， 2010.

［25］? MONTOLIU R， MARTIN F R， TORRES S J， et al. Team activity recognition in association football using a bag-of-words-based method［J］.? Human Movement Science， 2015， 41： 165-178.

［26］? LEO M， MOSCA N， SPAGNOLO P， et al. Real-time multiview analysis of soccer matches for understanding interactions between ball and players［C］//Proceedings of the 2008 international conference on content-based image and video retrieval. New York： ACM， 2008.

［27］? NAIK B T， HASHMI M F， BOKDE N D. A comprehensive review of computer vision in sports： Open issues， future trends and research directions［J］. Applied Sciences， 2022， 12（9）： 4429.

［28］? HOST K， IVA？譒I K M. An overview of human action recognition in sports based on computer vision［J］. Heliyon， 2022： e09633.

［29］? OLEA C， OMER G， CARTER J， et al. Analysis of deep learning action recognition for basketball shot type identification［C］//Proceedings of the 9th international conference on sport sciences research and technology support （icsports）. Setubal： Scitepress， 2021.

［30］? WEERATUNGA K， DHARMARATNE A， HOW K B. Application of computer vision and vector space model for tactical movement classification in badminton［C］//2017 IEEE conference on computer vision and pattern recognition workshops （CVPRW）. Honolulu： IEEE， 2017.

［31］? LIU S， LIU Y. Application of human movement and movement scoring technology in computer vision feature in sports training［J］. IETE Journal of Research， 2021： 1-7.

［32］? BEGON M， COLLOUD F， FOHNNO V， et al. Computation of the 3D kinematics in a global frame over a 40 m-long pathway using a rolling motion analysis system［J］. Journal of Biomechanics， 2009， 42（16）： 2649-2653.

［33］? 胡瓊，秦磊，黃慶明.? 基于視覺(jué)的人體動(dòng)作識(shí)別綜述［J］. 計(jì)算機(jī)學(xué)報(bào)，2013， 36（12）： 2512-2524.

［34］? CHAVDA H K， DHAMECHA M. Moving object tracking using PTZ camera in video surveillance system［C］//2017 International conference on energy， communication， data analytics and soft computing （ICECDS）. India： IEEE， 2017.

［35］? CALANDRE J， P？魪TERI R， MASCARILLA L. Optical flow singularities for sports video annotation： Detection of strokes in table tennis［C］//Media Eval. France： Sophia Antipolis， 2019.

［36］? MARTIN P E， BENOIS P J， MANSENCAL B， et al. Sports video annotation： Detection of strokes in table tennis task for mediaeval 2019［C］//Media Eval 2019 workshop. France： Sophia Antipolis， 2019.

［37］? FARAJIDAVAR N， DE CAMPOS T， KITTLER J， et al. Transductive transfer learning for action recognition in tennis games［C］//2011 IEEE international conference on computer vision workshops （ICCV workshops）. ［s.n.］： IEEE， 2011.

［38］? GU J， WANG Z， KUZE J， et al. Recent advances in convolutional neural networks［J］. Pattern Recognition， 2018， 77： 354-377.

［39］? YICHEN W， YAMASHITA H. Lineup optimization model of basketball players based on the prediction of recursive neural networks［J］. International Journal of Economics and Management Engineering， 2021， 15（3）： 287-293.

［40］? BROOKS J， KERR M， GUTTAG J. Using machine learning to draw inferences from pass location data in soccer［J］. The ASA Data Science Journal， 2016， 9（5）： 338-349.

［41］? ZHANG K， WU J， TONG X， et al. An automatic multi-camera-based event extraction system for real soccer videos［J］. Pattern Analysis and Applications， 2020， 23（2）： 953-965.

［42］? TAKAHASHI M， NAEMURA M， FUJII M， et al. Recognition of action in broadcast basketball videos on the basis of global and local pairwise representation［C］//2013 IEEE international symposium on multimedia. anaheim， CA： IEEE， 2013.

［43］? 視頻和數(shù)據(jù)分析可提升性能［EB/OL］. （2023-01-13）［2023-03-10］. https：//metrica-sports.com/.

［44］? 趙瓊. 基于視頻和三維動(dòng)作捕捉數(shù)據(jù)的人體動(dòng)作識(shí)別方法的研究［D］. 北京：中國(guó)科學(xué)技術(shù)大學(xué)， 2013.

［45］? 李曉丹，肖明，曾莉. 人體動(dòng)作捕捉技術(shù)綜述以及一種新的動(dòng)作捕捉方案陳述［J］. 中國(guó)西部科技，2011，10（15）： 35-37.

［46］? BARRIS S， BUTTON C. A Review of vision-based motion analysis in sport［J］. Sports Medicine， 2008， 38（12）： 1025-1043.

［47］? COLYER S L， EVANS M， COSKER D P， et al. A review of the evolution of vision-based motion analysis and the integration of advanced computer vision methods towards developing a markerless system［J］. Sports Medicine-Open， 2018， 4（1）： 1-15.

［48］? BACLIG M M， ERGEZINGER N， MEI Q， et al. A deep learning and computer vision based multi-player tracker for squash［J］. Applied Sciences-Basel， 2020， 10（24）： 87-93.

［49］? 中國(guó)跳水隊(duì)背后的“3D+AI”跳水輔助訓(xùn)練系統(tǒng)亮相［EB/OL］.（2021-08-18）［2023-01-13］. https：//tech.gmw.cn/2021-08/18/content_35090878.htm.

［50］? 譚嘉敏. 2018賽季中國(guó)足球超級(jí)聯(lián)賽引入VAR技術(shù)的實(shí)證研究［D］. 武漢：武漢體育學(xué)院，2019.

［51］? NADIKATTU R R. Implementation of new ways of artificial intelligence in sports［J］. Journal of Xidian University， 2020， 14（5）： 5983-5997.

［52］? XUE B， LIU T. Research on emotional model of sports arena based on artificial intelligence emotion calculation［J］. Cluster Computing， 2019， 22： 14927-14933.

［53］? WEI S， WANG K， LI X. Design and implementation of college sports training system based on artificial intelligence［J］. International Journal of System Assurance Engineering and Management， 2022， 13（S3）： 971-977.

［54］? ZHOU H. Research on the function of computer aided teaching in college physical education［J］. Journal of Physics： Conference Series， 2021， 1992（2）： 022107.

［55］? YI W， FANG F. The design and realization of the management system of college physical education under the network environment［J］. Journal of Physics（Conference Series）， 2019， 1345（5）： 052034.

［56］? DENG C， TANG Z， LI X， et al. Construction and application of web-based resource repository of college physical education［J］. Journal of Physics（Conference Series）， 2020， 1575（1）： 012024.

［57］? SUN Y， ZHENG Y， HE L， et al. Application of visual sensing techniques in computational intelligence for risk assessment of sports injuries in colleges［J］. Computational Intelligence and Neuroscience， 2022： 1-9.

［58］? ZHAO C. Application of virtual reality and artificial intelligence technology in fitness clubs［J］. Mathematical Problems in Engineering， 2021： 1-11.

［59］? JI W， QIU X. Analysis of the impact of the development level of aerobics movement on the public health of the whole population based on artificial intelligence technology［J］. Journal of Environmental and Public Health， 2022： 1-12.

［60］? FLORES A， HALL B， CARTER L， et al. Verum fitness： An AI powered mobile fitness safety and improvement application［C］//2021 IEEE 33rd international conference on tools with artificial intelligence （ICTAI）.Washingto：IEEE，2021： 980-984.

［61］? LIU W， YAN C C， LIU J， et al. Deep learning based basketball video analysis for intelligent arena application［J］. Multimedia Tools and Applications， 2017， 76（23）： 24983-25001.

［62］? ACSM fitness trends［EB/OL］. （2023-01-02）［2023-01-31］. https：//www.acsm.org/education-resources/trending-topics-resources/acsm-fitness-trends.

［63］? 陳小平. 競(jìng)技運(yùn)動(dòng)訓(xùn)練發(fā)展的主要趨勢(shì)——科學(xué)化［J］. 中國(guó)體育教練員， 2022， 30（2）： 4-6.

［64］? 路來(lái)冰， 李小龍. 人工智能技術(shù)在國(guó)際體育運(yùn)動(dòng)領(lǐng)域的聚類(lèi)與演化［J］. 山東體育學(xué)院學(xué)報(bào)，2020，36（3）： 21-32.

［65］? WHITELEY R. ‘Moneyballand time to be honest about preseason screening： it is a sham making no inroads on the 1 billion dollar injury costs in baseball［J］. British Journal of Sports Medicine， 2016， 50（14）： 835-836.

［66］? STAUDENMAYER J， POBER D， CROUTER S， et al. An artificial neural network to estimate physical activity energy expenditure and identify physical activity type from an accelerometer［J］. Journal of Applied Physiology， 2009，107（4）：1300-1307.

［67］? CROUTER S E， LOWERS K G， BASSETT D R. A novel method for using accelerometer data to predict energy expenditure［J］. Journal of Applied Physiology， 2006， 100（4）： 1324-1331.

［68］? 蘇炳添，李健良，徐慧華，等. 科學(xué)訓(xùn)練輔助：柔性可穿戴傳感器運(yùn)動(dòng)監(jiān)測(cè)應(yīng)用［J］. 中國(guó)科學(xué)：信息科學(xué)，2022，52（1）： 54-74.

［69］? 李海鵬，陳小平，何衛(wèi)，等. 科技助力競(jìng)技體育：運(yùn)動(dòng)訓(xùn)練中可穿戴設(shè)備的應(yīng)用與發(fā)展［J］. 成都體育學(xué)院學(xué)報(bào)，2020， 46（3）：19-25.

［70］? NAHAVANDI D， ALIZADEHSANI R， KHOSRAVI A， et al. Application of artificial intelligence in wearable devices： Opportunities and challenges［J］. Computer Methods and Programs in Biomedicine， 2022， 213： 106541.

［71］? 北京冬奧會(huì)探索：各種傳感器一覽［EB/OL］. （2022-05-25）［2023-03-27］. https：//www.sensorexpert.com.cn/article/57680. html.

［72］? 讓全身的肌肉都智能起來(lái)—Athos智能壓縮衣［EB/OL］.（2014-08-14） ［2023-03-26］. https：//iranshao.com/articles/916-athos-smartwearable.

［73］? GAO W， EMAMINEJAD S， NYEIN H Y Y， et al. Fully integrated wearable sensor arrays for multiplexed in situ perspiration analysis［J］. Nature， 2016， 529（7587）： 509-514.

［74］? GAO W， BROOKS G A， KLONOFF D C. Wearable physiological systems and technologies for metabolic monitoring［J］. Journal of Applied Physiology， 2018， 124（3）： 548-556.

［75］? CHIDAMBARAM S， MAHESWARAN Y， PATEL K， et al. Using artificial intelligence-enhanced sensing and wearable technology in sports medicine and performance optimisation［J］. Sensors， 2022， 22（18）： 6920.

［76］? AGUILETA A A， BRENA R F， MAYORA O， et al. Multi-sensor fusion for activity recognition—a survey［J］. Sensors， 2019， 19（17）： 3808.

［77］? GRAVINA R， ALINIA P， GHASEMZADEH H， et al. Multi-sensor fusion in body sensor networks： State-of-the-art and research challenges［J］. Information Fusion， 2017， 35： 68-80.

［78］? SHANDHI M M H， SEMIZ B， HERSEK S， et al. Performance analysis of gyroscope and accelerometer sensors for seismocardiography-based wearable pre-ejection period estimation［J］. IEEE Journal of Biomedical and Health Informatics， 2019， 23（6）： 2365-2374.

［79］? TANG Q U， JOHN D， THAPA C B， et al. Posture and physical activity detection： impact of number of sensors and feature type［J］. Medicine and Science in Sports and Exercise， 2020， 52（8）： 1834.

［80］? CHEN B， ZHENG E， WANG Q. A locomotion intent prediction system based on multi-sensor fusion［J］. Sensors， 2014， 14（7）： 12349-12369.

［81］? TANNOUS H， ISTRATE D， BENLARBI D A， et al. A new multi-sensor fusion scheme to improve the accuracy of knee flexion kinematics for functional rehabilitation movements［J］. Sensors， 2016， 16（11）： 1914.

［82］? 孫晉海，王家宏，馬運(yùn)超，等. 基于多傳感器的皮劃艇訓(xùn)練信息融合分析系統(tǒng)的研發(fā)與應(yīng)用［J］. 北京體育大學(xué)學(xué)報(bào)， 2015，38（5）：115-121.

［83］? IMEASUREU. Delivering insights， not data - how to convert IMU data into actionable rowing insights with new south wales institute of sports damien omeara［EB/OL］.（2021-12-16）［2023-01-28］. https：//imeasureu.com/2021/12/16/delivering-insights-not-data/.

［84］? COUTTS A J， DUFFIELD R. Validity and reliability of GPS devices for measuring movement demands of team sports［J］. Journal of? Science and Medicine in Sport， 2010， 13（1）： 133-135.

［85］? GRAY A J， JENKINS D， ANDREWS M H， et al. Validity and reliability of GPS for measuring distance travelled in field-based team sports［J］. Journal of Sports Sciences， 2010， 28（12）： 1319-1325.

［86］? 王艷永，鄧方，孫健. 改進(jìn)的自適應(yīng)神經(jīng)模糊推理系統(tǒng)的角度傳感器誤差補(bǔ)償方法［J］. 控制理論與應(yīng)用，2013，30（10）：1342-1346.

［87］? COLBU M J， DAWSON B， HEASMAN J， et al. Accelerometer and GPS-derived running loads and injury risk in elite australian footballers［J］. The Journal of Strength & Conditioning Research， 2014， 28（8）： 2244-2252.

［88］? BOYD L J， BALL K， AUGHEY R J. The reliability of minimaxx accelerometers for measuring physical activity in australian football［J］. International Journal of Sports Physiology and Performance， 2011， 6（3）： 311-321.

［89］? EDWARDS S， WHITE S， HUMPHREYS S， et al. Caution using data from triaxial accelerometers housed in player tracking units during running［J］. Journal of Sports Sciences， 2019， 37（7）： 810-818.

［90］? 藍(lán)開(kāi)輝. 基于人工智能技術(shù)的高校體育智慧系統(tǒng)研究［J］. 西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版）， 2021，24（2）：94-98.

［91］? 毛爍. 面向運(yùn)動(dòng)過(guò)程的血氧飽和度提取算法研究［D］. 西安：西安電子科技大學(xué)，2018.

［92］? 龔渝順. 穿戴式抗運(yùn)動(dòng)干擾血氧飽和度監(jiān)測(cè)技術(shù)研究［D］. 重慶：第三軍醫(yī)大學(xué)， 2012.

［93］? 李永斌. 可穿戴式智能血氧運(yùn)動(dòng)指環(huán)設(shè)計(jì)與研究［D］. 廣東：華南理工大學(xué)， 2015.

［94］? LI Z， WANG H. The effectiveness of physical education teaching in college based on artificial intelligence methods［J］. Journal of Intelligent & Fuzzy Systems， 2021， 40（2）： 3301-3311.

［95］? WANG L， YAN D， ZHANG Y， et al. Analysis on the reform and development of physical education services in the context of 5G connected communication［J］. Computational Intelligence and Neuroscience， 2022， 58（6）： 795-801.

［96］? CHEVANCE G， GOLASZEWSKI N M， TIPTON E， et al. Accuracy and precision of energy expenditure， heart rate， and steps measured by combined-sensing fitbits against reference measures： Systematic review and meta-analysis［J］. JMIR mHealth and uHealth， 2022， 10（4）： e35626.

［97］? DOOLEY E E， GOLASZEWSKI N M， BARTHOLOMEW J B. Estimating accuracy at exercise intensities： a comparative study of self-monitoring heart rate and physical activity wearable devices［J］. JMIR mHealth and uHealth， 2017， 5（3）： e7043.

［98］? ODRISCOLL R， TURICCHI J， BEAULIEU K， et al. How well do activity monitors estimate energy expenditure？ A systematic review and meta-analysis of the validity of current technologies［J］. British Journal of Sports Medicine， 2020， 54（6）： 332-340.

［99］? FEIGIN V L， STARK B A， JOHNSON C O， et al. Global， regional， and national burden of stroke and its risk factors， 1990—2019： A systematic analysis for the global burden of disease study 2019［J］. The Lancet Neurology， 2021， 20（10）： 795-820.

［100］? BURRIDGE J H， LEE A C W， TURK R， et al. Telehealth， wearable sensors， and the internet： will they improve stroke outcomes through increased intensity of therapy， motivation， and adherence to rehabilitation programs？［J］. Journal of Neurologic Physical Therapy， 2017， 41： S32-S38.

［101］? BURNS A， ADELI H. Wearable technology for patients with brain and spinal cord injuries［J］. Reviews in the Neurosciences， 2017， 28（8）： 913-920.

［102］? 何娟娟，姚志明，李波陳，等. 基于可穿戴設(shè)備的帕金森病運(yùn)動(dòng)遲緩檢測(cè)評(píng)估方法研究進(jìn)展［J］. 中國(guó)醫(yī)療器械雜志，2019，43（6）：432-435.

［103］? 楊強(qiáng)，孟松鶴，仲政，等. 力學(xué)研究中“大數(shù)據(jù)”的啟示、應(yīng)用與挑戰(zhàn)［J］. 力學(xué)進(jìn)展，2020，50：406-449.

［104］? WANG T， LI J， DENG Y， et al. Digital twin for human-machine interaction with convolutional neural network［J］. International Journal of Computer Integrated Manufacturing， 2021， 34（7/8）： 888-897.

［105］? JAMES N. The role of notational analysis in soccer coaching［J］. International Journal of Sports Science & Coaching， 2006， 1（2）： 185-198.

［106］? SARMENTO H， MARCELINO R， ANGUERA M T， et al. Match analysis in football： a systematic review［J］. Journal of Sports Sciences， 2014， 32（20）： 1831-1843.

［107］ STEIN M， JANETZKO H， SEEBACHER D， et al. How to make sense of team sport data： From acquisition to data modeling and research aspects［J］. Data， 2017， 2（1）： 2.

［108］? 仇乃民，李少丹. 走向大數(shù)據(jù)時(shí)代的運(yùn)動(dòng)訓(xùn)練科學(xué)研究［J］. 首都體育學(xué)院學(xué)報(bào)，2015，27（6）：541-545.

［109］? 劉智慧，張泉靈. 大數(shù)據(jù)技術(shù)研究綜述［J］. 浙江大學(xué)學(xué)報(bào)（工學(xué)版）， 2014， 48（6）：957-972.

［110］? 沈紅斌，楊杰，王士同，等. 基于信息理論的合作聚類(lèi)算法研究［J］. 計(jì)算機(jī)學(xué)報(bào)，2005（8）：1287-1294.

［111］? 杜長(zhǎng)亮，李少丹. 復(fù)雜性科學(xué)視野下運(yùn)動(dòng)訓(xùn)練理論［J］. 北京體育大學(xué)學(xué)報(bào)，2009，32（7）：141-144.

［112］? 路來(lái)冰，李小龍. 人工智能技術(shù)在國(guó)際體育運(yùn)動(dòng)領(lǐng)域的聚類(lèi)與演化［J］. 山東體育學(xué)院學(xué)報(bào)，2020，36（3）：21-32.

［113］? 黎涌明，陳小平.? 英國(guó)競(jìng)技體育復(fù)興的體系特征及對(duì)我國(guó)奧運(yùn)戰(zhàn)略的啟示［J］. 體育科學(xué)，2017，37（5）：3-10.

［114］? 閆琪，廖婷，張雨佳. 數(shù)字化體能訓(xùn)練的理念、進(jìn)展與實(shí)踐［J］. 體育科學(xué)，2018，38（11）：3-16.

［115］? 袁守龍. 體能訓(xùn)練發(fā)展趨勢(shì)和數(shù)字化智能化轉(zhuǎn)型［J］. 體育學(xué)研究，2018，1（2）：77-85.

［116］? 仇乃民，李少丹. 復(fù)雜性思維視域中的運(yùn)動(dòng)訓(xùn)練科學(xué)研究：反思與重構(gòu)［J］. 天津體育學(xué)院學(xué)報(bào)，2013，28（6）： 513-518.

［117］? 鐘亞平，吳彰忠，陳小平. 數(shù)據(jù)驅(qū)動(dòng)精準(zhǔn)訓(xùn)練：理論內(nèi)涵、實(shí)現(xiàn)框架與推進(jìn)路徑［J］. 體育科學(xué)，2021，41（12）： 48-61.

［118］? TTHORNTON H R， DELANEY J A， DUTHIE G M， et al. Importance of various training-load measures in injury incidence of professional rugby league athletes［J］. International Journal of Sports Physiology and Performance， 2017， 12（6）： 819-824.

［119］? KAUTZ T， GROH B H， HANNINK J， et al. Activity recognition in beach volleyball using a deep convolutional neural network： Leveraging the potential of deep learning in sports［J］. Data Mining and Knowledge Discovery， 2017， 31： 1678-1705.

［120］? RUDDY J， SHIELD A， MANIAR N， et al. Predicting hamstring strain injury incidence in elite australian footballers［J］. Journal of Science and Medicine in Sport， 2017， 20： 10.

［121］? NAUGHTON M， JONES B， HENDRICKS S， et al. Quantifying the collision dose in rugby league： A systematic review， meta-analysis， and critical analysis［J］. Sports Medicine-Open， 2020， 6（1）： 1-28.

［122］? Viper pod： technology， rugby， soccer， football， basketball［J/OL］. （2022-09-01）［2023-01-13］. https：//sportsmatik.com/sports-corner/sports-technology/viper-pod.

［123］? TAMMIMI I， BALLESTEROS J， LARA A P， et al. A prediction model for primary anterior cruciate ligament injury using artificial intelligence［J］. Orthopaedic Journal of Sports Med-icine， 2021， 9（9）： 23259671211027543.

［124］? Zone7 algorithm helping liverpool cope with history-making quadruple assault［J/OL］.（2022-07-06）［2023-01-13］. https：//zone7.ai/case-studies/the-silicon-valley-algorithm-helping-liverpool-cope-with-history-making-quadruple-assault/.

［125］? BACA A， KORNFEIND P， PREUSCHI E， et al. A server-based mobile coaching system［J］. Sensors， 2010， 10（12）： 10640-10662.

［126］? 人類(lèi)績(jī)效優(yōu)化軟件：智能基地［EB/OL］. （2022-12-06）［2023-01-10］. https：//smartabase.com/.

［127］? DONG X， KONG X， ZHANG F， et al. On campus： a mobile platform towards a smart campus［J］. Springer Plus， 2016， 5： 1-9.

［128］? AHMED V， ABU ALNAAJ K， SABOOR S. An investigation into stakeholders perception of smart campus criteria： The american university of sharjah as a case study［J］. Sustainability， 2020， 12（12）： 5187.

［129］? 體育教研-教育-深圳銳取信息技術(shù)股份有限公司［EB/OL］.（2020-04-15） ［2023-01-30］. http：//www.szreach.com/jiaoyu/11-46.html.

［130］? 王秋睿，張枝梅. 數(shù)字孿生技術(shù)在中小學(xué)體育教育教學(xué)中的應(yīng)用思考［J］. 體育教學(xué)，2022，42（1）：35-37.

［131］? 國(guó)務(wù)院辦公廳關(guān)于印發(fā)體育強(qiáng)國(guó)建設(shè)綱要的通知［EB/OL］.（2019-09-02）［2023-02-02］. http：//www.gov.cn/zhengce/content/2019-09/02/content_5426485.htm.

［132］? WU C W， SHIEH M D， LIEN J J J， et al. Enhancing fan engagement in a 5G stadium with AI-based technologies and live streaming［J］. IEEE Systems Journal， 2022， 16（4）： 6590-6601.

［133］? 邱俊強(qiáng)，路明月，張君，等. 運(yùn)動(dòng)促進(jìn)健康：個(gè)性化精準(zhǔn)解決方案［J］. 北京體育大學(xué)學(xué)報(bào)，2022，45（10）： 2-18.

［134］? CAO H. Application of smart wearable fitness equipment and smart health management based on the improved algorithm［J］. Computational Intelligence and Neuroscience， 2022：1654460.

［135］? TORRES I D， GUZMAN L J， CONTRERAS D. A mobile recommender of physical activity to prevent and control chronic non-communicable diseases［C］//2015 International conference on software， multimedia and communication engineering （SMCE 2015）. Hong Kong：SMCE，2015： 365-374.

［136］? NETZ Y， YEKUTIELI Z， ARNON M， et al. Personalized exercise programs based upon remote assessment of motor fitness： A pilot study among healthy people aged 65 years and older［J］. Gerontology， 2022， 68（4）： 465-479.

［137］? 職場(chǎng)久坐族呈現(xiàn)年輕化趨勢(shì) 80、90后成主力［EB/OL］. （2018-08-09）［2023-02-01］. https：//finance.qianlong.com/2018/0809/2751974.shtml.

［138］? LUO Q， DENG W. Research on intelligent exercise prescription system for civil servant［C］//HCI international 2015-postersextended abstracts. Los Angeles： Springer， 2015： 463-466.

［139］? LITTLE J P， LANGLEY J， LEE M， et al. Sprint exercise snacks： a novel approach to increase aerobic fitness［J］. European Journal of Applied Physiology， 2019， 119： 1203-1212.

［140］? RAFIEI H， OMIDIAN K， MYETTE C E， et al. Metabolic effect of breaking up prolonged sitting with stair climbing exercise snacks［J］. Medicine & Science in Sports & Exercise， 2021， 53（1）： 150-158.

［141］? TUKA V， LINHART A. Personalised exercise prescription： Finding the best for our patients［J］. European Journal of Preventive Cardiology， 2020， 27（13）： 1366-1368.

［142］? WU F， LU C， ZHU M， et al. Towards a new generation of artificial intelligence in china［J］. Nature Machine Intelligence， 2020， 2（6）： 312-316.