Создана нейросетевая технология для оценки качества тренировок юных футболистов
С развитием методов компьютерного зрения появились новые возможности для анализа и улучшения качества подготовки юных спортсменов. Один из современных инструментов — технология трехмерной детекции, то есть определения в пространстве и времени положения ключевых точек человека. Она позволяет не только отслеживать движения, но и проводить глубокий анализ их техники, помогая тренерам и спортсменам выявлять слабые места, совершенствовать навыки и автоматизировать контроль качества выполнения упражнений. Ученые Пермского Политеха разработали прототип информационной системы поддержки тренерских решений, основанной на нейросетевой технологии. Это позволит оценивать тренировочный процесс футболистов с помощью интеллектуального анализа данных, получаемых с видеокамер.
Статья опубликована в журнале «Прикладная математика и вопросы управления». Исследование выполнено в рамках программы стратегического академического лидерства «Приоритет 2030» совместно со специалистами Академии игровых видов спорта Пермского края под руководством А. В. Степанова.
Определять движения спортсмена можно по положению его 2D-скелета и взаимодействию со спортивным инвентарем. Но этого не всегда достаточно, так как для некоторых упражнений необходимо знать нахождение ключевых точек относительно друг друга в пространстве. Более того, после видеосъемки потребуется синхронизировать по времени кадры с левой и правой камеры. При использовании нейронных сетей в 3D-пространстве необходимость в этом отпадает. В целом 3D-подход предлагает лучшую точность и глубину анализа по сравнению с двухмерными методами детектирования, поэтому он положен в основу компьютерной программы.
Ученые Пермского Политеха с помощью обученной нейросети разработали прототип информационной системы поддержки принятия решений, которая сможет определять, насколько качественно идет тренировка юных футболистов. Система позволяет отслеживать индивидуальную работу каждого спортсмена команды одновременно и автоматизировать контроль качества со стороны тренера.
«Всего программа фиксирует 34 ключевые точки человека, среди которых плечи, локти, кисти, пальцы на руках и ногах, тазобедренные суставы, колени и стопы. Видеокамеры устанавливаются на тренировочном поле, а программно-аппаратная система записывает упражнения в форме видеоряда и передает его на компьютер, где происходит выявление ошибок при выполнении упражнений с мячом и без. Это позволит тренерам и аналитикам проводить детальный анализ техники членов футбольной команды и разрабатывать стратегии совершенствования спортивного мастерства», – комментирует Александр Терехин, аспирант кафедры «Вычислительная математика, механика и биомеханика» ПНИПУ.
«Для проверки работы системы мы провели эксперименты на ряде упражнений, требующих анализа трехмерных изображений, например, наклонов. Задача нейросети – определить, насколько качество движений спортсмена соответствует заданным требованиям: не сгибать ноги в коленях, касаться пола пальцами обеих рук не более трех секунд и так далее.
Видеосъемка игрока осуществлялась справа, чтобы не было перекрытия одних частей тела другими, из-за чего нейронная сеть может не понять, как объединить в скелет отдельные ключевые точки. По предварительным результатам разработанная технология полностью справляется с выявлением ошибок в движениях игрока», – поясняет Валерий Столбов, заведующий кафедрой «Вычислительная математика, механика и биомеханика» ПНИПУ, доктор технических наук.
В дальнейшем планируется расширить количество анализируемых спортивных упражнений (не менее 40) и провести комплексные испытания в футбольном манеже в процессе реальной тренировки. Разработка ученых Пермского Политеха позволит повысить эффективность занятий и автоматизировать процесс обработки результатов тестирования юных футболистов за счет внедрения компьютерного зрения и методов искусственного интеллекта.
Telegram 
Дзен 
VK 
