Методика экспресс-оценки результативности выполнения движений хоккеистом с применением компьютерного зрения

Автор: Новикова И.И., Коновалов В.Н., Бернатавичюс Д.А., Веремчук Н.С., Семенихина М.В.

Журнал: Человек. Спорт. Медицина @hsm-susu

Рубрика: Спортивная тренировка

Статья в выпуске: 4 т.24, 2024 года.

Бесплатный доступ

Цель: разработка методики экспресс-оценки результативности выполнения движений хоккеистом в процессе тренировки с применением компьютерного зрения.

Результативность выполнения упражнения, хоккей, бросок шайбы, 3d реконструкция

Короткий адрес: https://sciup.org/147247454

IDR: 147247454   |   DOI: 10.14529/hsm240413

Текст научной статьи Методика экспресс-оценки результативности выполнения движений хоккеистом с применением компьютерного зрения

I.I. Novikova1, ,

V.N. Konovalov2, ,

D.A. Bernatavicius3, ,

N.S. Veremchuk4, ,

M.V. Semenikhina1, ,

Введение. Вопросам применения технологий компьютерного зрения в хоккее при оценке различных аспектов достижений спортсменов уделяется значительное внимание. Библиографический поиск по указанной проблематике показал, что в настоящее время при подготовке хоккеистов активно используются стандартизированные тесты для оценки двигательных действий спортсменов. Как считают специалисты (В.П. Савин, 1993), критерии оценивания универсализированы и позволяют оценить любое техническое двигательное действие хоккеиста [2]. Но данные тесты основаны на применении экспертного анализа, что определяет наличие субъективности при решении вопросов оценки и не позволяет получать результаты достаточной точности, которая необходима в современном спорте, а также в ряде случаев полученные результаты невоспроизводимы [1, 3].

Как показал мировой и отечественный опыт, для решения вопросов объективной оценки в спорте необходимо применение технологий компьютерного зрения и глубокого обучения [4–9].

В настоящее время в хоккее технологии компьютерного зрения применяются для детектирования движения спортсменов на среднем и дальнем полях с применением различных типов нейронных сетей [7], технологий STIP (survey of human action recognition with spatio-temporal interest point) [6] и MoSIFT (Motion scale-invariant feature transform) [4].

Авторское исследование направлено на совершенствование инструментария оценки специальной и физической подготовленности хоккеистов с применением технологий компьютерного зрения.

Цель исследования: разработать методику экспресс-оценки результативности вы- полнения движений хоккеистом в процессе тренировки с применением компьютерного зрения.

Методика экспресс-оценки результативности выполнения движений хоккеистом в процессе тренировки. В основе методики лежит сравнение построенных траекторий движения хоккеиста во время выполнения упражнения в трехмерном пространстве с эталонными. При решении задачи трехмерной реконструкции используется модель BODY_25 [8]. С учетом специфики упражнений экспертным путем выбираются наиболее значимые для оценки результативности ключевые точки, характеризующие положение суставов спортсмена во времени в пространстве. Проводится видеосъемка выполнения упражнения синхронно на две RGB-камеры, расположенные перпендикулярно друг другу (рис. 1). В качестве RGB-камер могут быть использованы сотовые телефоны. Далее полученные видеоряды обрабатываются в видеоредакторе. С применением нейросетей, методов начертательной и параметрической геометрии определяются значения координат точек для каждого такта времени в трехмерном пространстве. Для построения траекторий движения ключевых точек в трехмерном пространстве используется аппроксимация полиномами.

Рис. 1. Расположение камер во время съемки упражнения Fig. 1. Camera placement for exercise recording

В качестве эталонных движений выбраны те движения хоккеиста, которые на основании опыта эксперта (тренера) признаны правильными (выполненными без ошибок). При необходимости могут быть сформированы усред- ненные эталонные траектории движений спортсмена. Эталонные движения формируют базу данных эталонных движений.

Сравнение построенных траекторий движения хоккеиста с эталонными проводилось путем расчета среднего расстояния между соответствующими точками кривой. Расстояние определялось по формуле ek =1 Ед/(xs -xr )2 +(ys -Уг )2 +(zs -zr )2 , n i=1

где x s , y s , z s - коорди н аты ключевой точки, задающей траекторию движения спортсмена во время выполнения упражнения; x r , y r , z r -координаты ключевой точки, задающей траекторию эталонного движения спортсмена во время выполнения упражнения.

Попытка выполнен и я упражнения спортсменом считается результативной, если е к для всех кривых, задаю щ их движения спортсмена, меньше порогового значения, которое определяется в ходе ряда предварительных исследований и корректируется э к спертным путем.

Материалы и методы. Исследование проводилось на базе СДЮСАШОР А.В. Кожевникова (г. Омск). Осуществлял а сь запись пяти попыток выполнения квалифицированным хоккеистом одного из ос н овных видов бросков в хоккее – броска с длинным разгоном шайбы. Упражнение выполнено в условиях зала. Одна из попыток выбрана в качестве эталона.

В исследовании использованы две IP-камеры, размещенные на штативах (1/2.9" SmartSens CMOS (SC307E), XM530; 1080p, 720p@ 25 к/с). Перед проведением видеосъемки с помощью специальных меток выделен квадрат с длиной стороны 2 м. В квадрате испытуемый выполнял упражнение. Камеры располагались перпендикулярно друг другу на расстоянии 1 м от центра стор о н указанного квадрата. Начало и конец выполнения у п ражнения сопровождались специальными звуковыми сигналами, которые и с пользовались для обрезки видеофрагментов и подгот о вки их к обработке. Средняя длительность видеофрагментов составила 4,5 с.

Результаты. По данным В.П. Савина (1993), подготовительная фаза выполнения упражнения включает отведение клюшки назад-вверх, затем маховое движение вниз-вперед [2]. В фазе зама х а хоккеист одновременно с отведением клюшки «скручивает» т у ловище. Маховое движение клюшки вниз-

а)                                 b)                                c)

d)

Рис. 2. Скриншоты из видео выполнения броска хоккеистом во второй попытке: а – подготовительная фаза, b – основная фаза, c – заключительная фаза, d – возвращение на исходную позицию Fig. 2. Screenshots of throwing performance during the second attempt: а – preparatory phase, b – main phase, c – final phase, d – return to the starting position

c)

Рис. 3. Траектории движений: а – фронтальная проекция, b – профильная проекция, c – горизонтальная проекция, d – 3d-реконструкция

Fig. 3. Movement trajectories: а – frontal projection, b – profile projection, c – horizontal projection, d – 3d-reconstruction

Результаты расчета расстояний между построенными кривыми, характеризующими движения ключевых точек, во время попыток выполнения упражнения хоккеистом и соответствующими эталонами Comparison of reconstructed trajectories against reference movements

Траектория движения, задаваемая точкой

Значение расстояний Distance

Попытка 2

Attempt 2

Попытка 3

Attempt 3

Попытка 4

Attempt 4

Попытка 5

Attempt 5

2

Правое плечо Right shoulder

34,15

36,15

34,35

34,6

5

Левое плечо Left shoulder

32,11

32,12

30,41

31,14

9

Тазобедренный сустав правая конечность Right sacroiliac joint

30,01

35,3

33,01

31,01

12

Тазобедренный сустав левая конечность Left sacroiliac joint

35,16

35,4

31,16

33,18

4

Запястье правой руки Right wrist

31,2

32,12

36,2

36,42

7

Запястье левой руки Left wrist

33,5

37,6

34,5

34,85

Не результативна Failed attempt

Не результативна Failed attempt

Не результативна Failed attempt

Не результативна Failed attempt

Примечание. Пороговое значение результативности – 30,03.

Note. Threshold performance – 30,03.

ным хоккеистом броска с длинным разгоном шайбы в условиях зала. Показано, что данная методика позволяет объективно и с достаточной точностью оценить результативность выполнения упражнения. Дополнительно при этом изучены траектории движения различных звеньев тела спортсмена в трех фазах технического действия «бросок шайбы» в условиях зала. Эталонные траектории движения,

разработанные в ходе проведения исследования, могут быть использованы в дальнейшем в качестве моделей технической подготовленности спортсменов.

Разработанный в статье инструментарий может быть полезен специалистам в области спортивной подготовки для создания новых методик тренировок высококвалифицированных спортсменов.

Список литературы Методика экспресс-оценки результативности выполнения движений хоккеистом с применением компьютерного зрения

  • Национальная программа спортивной подготовки по виду спорта "хоккей" / В.А. Третьяк, Р.Б. Ротенберг, П.В. Буре и др. - М., 2019. - 234 с.
  • Савин, В.П. Удары и броски шайбы как средства поражения ворот противника: метод. разработка для слушателей ВШТ, ФПК и студентов академии / В.П. Савин. - М., 1993. - 29 с.
  • Физическая подготовка хоккеистов с использованием технических средств: учеб.-метод. пособие / В.Н. Коновалов, Д.А. Бернатавичюс, А.И. Табаков и др. - Омск: СибГУФК, 2020. - 188 с. EDN: DMPVQB
  • An Intelligent Motion Detection Using OpenCV / S. Mishra, M.V. Verma, N. Akhtar et al. // International Journal of Scientific Research in Science, Engineering and Technology (IJSRSET). - 2022. DOI: 10.32628/IJSRSET22925
  • Computer vision for sports: Current applications and research topics / G. Thomas, R. Gade, Th.B. Moeslund et al. // Computer Vision and Image Understanding. - 2017. - Vol. 159. - P. 3-18. DOI: 10.1016/j.cviu.2017.04.011
  • Das Dawn, D. A comprehensive survey of human action recognition with spatio-temporal interest point (STIP) detector / D. Das Dawn, S.H. Shaikh // The Visual Computer. - 2016. - Vol. 32. - P. 289-306.
  • Hockey activity recognition using pre-trained deep learning model / K. Rangasamy, M.A. As'ari, N.A. Rahmad, N.F. Ghazali // ICT Express. - 2020. - Vol. 6 (3). - P. 170-174. EDN: ZDMEZR
  • Host, K. An overview of Human Action Recognition in sports based on Computer Vision / K. Host, M. Ivašić-Kos // Heliyon. - 2022. - Vol. 8, iss. 6. - Р. e09633. DOI: 10.1016/j.heliyon.2022.e09633 EDN: GUOIRA
  • Tensorflow: a system for large-scale machine learning / M. Abadi, P. Barham, J. Chen et al. // In Osdi. - 2016. - Vol. 16. - P. 265-283.
Еще
Статья научная