科技冬奧｜AI助力北京冬奧　精準捕捉運動軌跡

（香港文匯網記者宋偉大連報道）北京冬奧開幕在即，在速度滑冰、越野滑雪、鋼架雪車等多個項目中，由中國自主研發的「人工智能無標記點動作捕捉」系統已經為國家隊科學訓練提供了強大的數據支撐。該系統通過拍攝運動員動態視頻，基於AI技術進行三維運動分析，以此找出薄弱環節，指導運動員不斷改進動作、提升成績。此前，鋼架雪車項目國家隊在秦嶺山訓練基地集訓期間，該系統就通過6台攝像機採集並重建了鋼架雪車從起跑到上車接近30米的三維運動動作，實現了國內外首創的大範圍無標記點三維重建。

在北京冬奧籌備過程中，作為科技部重大科研項目「科技助力冬奧」的新興技術之一，「人工智能無標記點動作捕捉」系統不僅為運動員和教練員提供了精準的數據分析，同時也為體育科研人員提供了配套的數字化解決方案。

「之前國內運動員要做科學訓練或者相關研究，通常使用的是基於紅外原理的動作捕捉器。這需要在運動員身上貼很多『反光點』，通過紅外反射才能捕捉到它們的空間運動情況。」

項目研發負責人、大連銳動科技技術總監何曉光坦言，雖然紅外技術比較精準，但通常只能在實驗室中使用，強光、戶外環境以及超大範圍應用都會受到限制。而另一種常見的動作捕捉器「深度相機」，採集範圍也非常有限，這就決定了固有技術很難應用於戶外條件和運動領域。

AI識別 攻克兩大難題

「事實上，冰雪運動通常面對的都是大範圍運動場景。一方面人員比較多，另一方面需要面臨複雜的光線環境。因此我們的研發目標就是對運動員無干擾、無穿戴，在不需要額外發射任何光線的基礎上，儘可能保證更大範圍的動作捕捉。」

何曉光表示，研發團隊主要攻克了基於人體的關鍵點識別、大範圍場景的三維標定兩大技術難題。「我們運用生物運動力學的標準模型對人體21個關鍵點進行標註，這些點可以理解成是關節的中心點，我們要做的就是讓計算機能夠通過『深度學習』，清楚地分析出圖像中的哪一個點是它需要標記出來的關鍵點。這事實上也是AI在圖像領域的一種應用。」

「而所謂場景標定，簡單來說，就是要讓拍攝運動員的攝像機知道自己在空間中的位置，以及攝像機之間的空間關係。」他以鋼架雪車項目為例稱，在技術難關攻克之前，幾十米範圍的常規標定幾乎不可能實現。此次重建的鋼架雪車從起跑到上車近30米的三維運動動作，是國內外首創的大範圍無標記點三維重建項目。

科學訓練 助奧運健兒奪金

從東京奧運女子鉛球冠軍鞏立姣，到男子100米亞洲記錄保持者蘇炳添，「人工智能無標記點動作捕捉」系統已經通過助力國家隊運動員科學訓練，幫助奧運健兒在國際賽場上爭金奪銀。

「在東京奧運會前，我們配合北京體育大學做科技助力項目，提供測試和數據反饋內容。通過我們的數據支撐，結合北體大教授的技術指導，應該說對鞏立姣的成績提升起到了一定幫助。」

何曉光透露，不只是「人工智能無標記點動作捕捉」這一項核心技術，團隊還通過集成測力台、壓力板、機電和腦電設備，同步處理運動員的各項數據，幫助短跑訓練項目建設「數字化跑道」，讓中國運動員在科技的跑道上跑得「更快」。

「科技+體育」更快更強

「我們的技術創新方向很明確，就是着力於『多目重建的人體關節點識別技術』，事實上這項技術也一直在發展中，我們要努力保持在技術的最前沿。」何曉光表示，關鍵點識別技術本身是非時序化的隨機性問題，雖然團隊在工程上做了實體化處理，但從技術根源上來說，問題尚未完全解決。「未來，我們更多的研發力量將放在時序化、多目序列化的過程中，讓整個運動過程的識別減少干擾，提高識別精度。」

與此同時，追求更高計算效率，實現數據「實時化」也是何曉光團隊未來的努力方向。「現在的系統在4目（4台攝像機）以下，幀率二三十幀時，從拍攝到實時顯示關鍵點只有200毫秒延時，但由於分析運動數據需要達到60幀，因此這個畫面只能用於預覽，無法實時給出數據。」他舉例道，20名滑雪運動員集中做完所有規定訓練，之前要等2天才能拿到所有數據，現在通過算力提升，上午訓練完，下午就能拿到數據了，但這依然還不夠。「我們希望，未來運動員做完一套動作，回過頭來就能看到自己的各項數據，教練員也能及時給出動作調整和反饋。」

何曉光坦言，在「人工智能無標記點動作捕捉」這一領域，能成為工程體系並投入實際應用的，放眼世界也只有兩三家。「目前大家都處在不斷演化的階段，從基礎技術到與運動相結合的角度來說，我們只有不斷創新，才能始終保持領先地位。」