人工智能技術大數據分析助力奧運。

我們用人工智能技術分析運動員的動作技術，提出改進建議，用科技手段幫助運動員。這是一個在東京奧運會上嶄露頭角的技術體系，目前也在為積極備戰北京冬奧會的中國運動員提供不斷升級服務。

突破傳統動作捕捉方法的局限性。

用生物力學方法研究人體運動需要定量分析，基本前提離不開數據。

快速高質量地獲取運動員的動作技術數據是當前迫切需要克服的關鍵瓶頸。常規的動作捕捉技術，要么需要在人體內固定反射標記點或慣性傳感器，要么需要人工識別人體關節點。

前者不能在比賽中使用，后者工作量大，時間長，重復性差，嚴重影響動作技術分析的反饋速度和可靠性，限制了生物力學在輔助競技體育中的應用。

怎樣破困局？利用基于深度學習原理的人工智能技術，建立神經網絡模型，實現動作視頻中人體關節點的計算機自動識別，建立適合競技體育和一般生物力學研究的計算機系統——無反射點人體運動自動捕捉人工智能系統。

該系統已經應用于國家速度滑冰和越野滑雪項目的培訓，獲取了8000多人次的賽時動作技術數據，使機器深度學習更加得心應手，對滑冰和滑雪運動員的動作捕捉和技術分析，既可以精確到具體細節，又可以快速反饋分析結果。

多種算法技術保證了快速準確的自動識別。

運動視頻自動解析至少需要解決跟得住識別準高精度三大問題。

體育場拍攝視頻，畫面環境復雜多樣。在常用的運動人體跟蹤算法中，課題組結合了光流跟蹤技術，即通過運動量的多少，運動幅度的大小，對主ID(身份人物)進行精確鎖定，有效避免了快速運動造成的影像模糊，減少了復雜背景等因素的干擾，保證了能跟上。

同時，機器學習大量標記的訓練數據，利用計算機系統形成神經網絡，可以識別不同運動姿勢的人體關節點，達到識別標準。

此外，該系統還具有獨立計算每幀圖像關節點的功能。如何減少獨立計算時關節點位置的隨機誤差？利用算法增加對連續運動的時間限制，即識別各關節點的高頻誤差，排除各關節點的高頻誤差，修正關節點的位置坐標，最終得到高精度的計算結果。

從2019年開始，經過幾個版本的迭代升級，系統可以快速準確地識別運動視頻中的人體關節點，更好地識別旋轉、滾動等人體動作。系統合成并輸出所有識別點的3D坐標，支持多視頻批量自動分析和指標計算。

如果系統采用工業錄像機，數據的傳輸和處理通?？梢栽?-3分鐘內完成。這將在技能運動員深刻體驗競爭狀態和掌握技術要領方面發揮重要作用。

捕捉高空動作不再困難。

據了解，該系統還提供了多種空間三維校準方案，可以解決大規模高空運動的數據采集問題。

這個范圍有多大？縱橫20-30米的空間可以覆蓋。特別是對于跳臺滑雪空中技能類項目，能夠為教練用肉眼識別的技術細節找到改進的空間。

現已應用于鋼架雪車、花樣滑冰、跳臺滑雪等項目的國家隊備戰訓練準備訓練，為運動員準備北京冬奧會提供重要科技支持。

成都融和實業排隊叫號系統廠家(www.marchenotizie.net)是一家集研發、生產、營銷、服務于一體的高新技術企業.主營智能排隊叫號系統、醫院分診系統、排隊機、叫號機、評價器(好差評系統)、呼叫器、多媒體查詢及信息發布配套系統等,公司產品已廣泛應用于不動產登記、智慧醫療、智慧稅務、智慧政務、智慧金融、智慧通訊、智慧服務大廳、智慧機關單位等服務窗口行業.咨詢電話：028-87438905。

標簽：人工智能,大數據技術分析,智能技術分析