现代竞技体育尤其是冬季项目,不仅是运动员在赛场上的竞争,更是比赛背后各国科技力量和科技水平的比拼与展现。当前竞技体育成绩的提升早已不能单靠苦练来取得,科学的训练、科学的选材、科学的场馆、科学的装备、科学的保障等复合系统能力已成为制胜的关键因素。
速滑馆
跨项选材的参考系——冠军模型
与发达国家相比,我国冰雪项目起步晚,人才储备不足,需要跨项遴选运动员。那么,跨项选材的依据是什么呢?
“冠军模型”又称为优秀运动员专项能力结构模型,与运动员在赛场的竞技表现密切相关,是最终决定比赛成绩的关键因素。要想选出适合的运动员,就要知道冬季项目的“冠军模型”究竟是什么?
北京体育大学研究团队进行深入研究后发现,与夏季项目相比,冬季项目的“冠军模型”常常受到人(运动员)—机(运动装备)—环(环境)三要素的更为复杂交互式关系的影响。所以,冬季项目“冠军模型”可区分为可控制的内源性因素(如运动员体能、技能和运动心智等)和不可控制的外源性因素(如运动装备、环境等)两个部分。其中,可控制的内源性因素是运动员选材的关键。
以我国的优势项目短道速滑为例,其“冠军模型”包含了以下三要素:专项体能是基础、专项技能是核心、复杂多变的战术是保障,代表了以“稳、快、灵、巧”为运动表现的技能主导类竞速项目。运动员的专项体能要素包括体成分、等速肌力、最大摄氧量、最大无氧功率,以及灵敏素质等,专项技能包括起跑技术、直道滑行技术、入弯道技术、出弯道技术等。又如,在越野滑雪项目中,要求运动员具备超强的专项耐力,才能在比赛中获胜,决定专项耐力的关键要素包括摄氧量峰值、核心肌力、最大无氧功率以及良好的身体平衡能力等。
冰壶比赛
成绩提升“神器”——神经网络模型
在目前的竞技体育中,成绩每提高一点都要付出巨大努力,而机会往往蕴藏在细节中——短道速滑中要蹲到什么程度,摆臂幅度多大更合理等。以前这些关键性的细节只能靠运动员和教练员在一次次尝试中去体会,很难量化和预测。
当下的机器学习为科学训练提供了新的方法和路径。北京体育大学科研团队将滑雪运动员不同技术类型、比赛时不同地形的技术动作特征、比赛成绩等多层次数据融合,分析对比赛速度最为关键的技术动作特征。进一步基于关键技术特征,利用深度学习手段,构建神经网络模型,预测滑雪速度。
项目团队建立的神经网络模型预测速度的决定系数可达到0.9,应用模型可以实现训练的多维度比较,以最终速度为指向,快速为运动员和教练员反馈训练干预效果,为教练员的指导和运动员的动作优化提供了科学依据。这相当于教练员手握一面镜子,形成“训练干预—效果评估—技术改进—效果再评估”的科学有效的训练模式。
工作人员提供专业细致的保障服务
智能冰场“黑科技”——自动识别系统
获取运动员在每一次比赛中的关键数据是总结经验、提高成绩的有效办法,但这是一个非常棘手的问题。传统上依赖可穿戴设备进行这些数据的收集,或者在运动员身上粘贴标记点,利用较多的红外镜头进行标记点的捕捉和追踪。但这些技术都无法在真正的比赛中使用。
由北京体育大学主导研发的基于人工智能技术的“无标记点人体运动自动识别人工智能系统”,可在不接触运动员的条件下,仅仅利用架设在赛场周围的高速摄像机,通过机器视觉方法自动跟踪运动员的冰上位置,并对运动员进行人体21个关键点的自动识别,即时合成运动员三维运动姿态数据,并绘制出相关数据曲线,便于运动员和教练员及时掌握体能分配情况和比赛技战术状态,以评估训练效果。
这套系统是目前世界上第一套能够在实际比赛、训练和其他临床环境下,使用生物力学常用人体模型,自动采集人体三维运动学数据的系统。运动员只需在比赛或者训练过程中正常运动,人工智能系统即可以在不接触运动员的情况下收集和自动分析运动员的数据。整个系统真正实现了无干扰,准确且高效,是体育科研人员梦寐以求的数据收集手段,为教练员及运动员高水平训练提供高科技保障。(光明)