王 曉

（西安航空職業(yè)技術(shù)學(xué)院 西安 710089）

1 引言

作為大眾喜聞樂見的運(yùn)動(dòng)項(xiàng)目之一，羽毛球運(yùn)動(dòng)也是我國奧運(yùn)重點(diǎn)奪金項(xiàng)目的球拍類運(yùn)動(dòng)之一，因此針對(duì)羽毛球運(yùn)動(dòng)員的生理和生物力學(xué)因素的研究開始受到體育管理部門的重視［1］。但在對(duì)羽毛球運(yùn)動(dòng)水平的準(zhǔn)確評(píng)估方面的研究仍然很少。

已有的研究表明，基于試圖提升和改進(jìn)羽毛球運(yùn)動(dòng)員的水平，可以利用對(duì)羽毛球運(yùn)動(dòng)員的視覺訓(xùn)練和身體訓(xùn)練相結(jié)合［2～3］。文獻(xiàn)［4］引入了一種基于視覺的訓(xùn)練方法來識(shí)別和提高羽毛球運(yùn)動(dòng)員的反應(yīng)時(shí)間和擊球意識(shí)。然而，需要進(jìn)一步的研究來評(píng)估這種訓(xùn)練的效果。

基于視覺的訓(xùn)練方法的研究表明，檢測和利用先進(jìn)的視覺識(shí)別能力可以讓運(yùn)動(dòng)員更準(zhǔn)確地預(yù)測對(duì)手的動(dòng)作。文獻(xiàn)［5］對(duì)高水平專業(yè)運(yùn)動(dòng)員和低水平新手運(yùn)動(dòng)員的視覺識(shí)別能力差異進(jìn)行了研究。該研究表明，新手羽毛球運(yùn)動(dòng)員無法捕捉到一些細(xì)節(jié)的視覺識(shí)別信息，而高水平羽毛球運(yùn)動(dòng)員可以利用這些信息提前預(yù)判羽毛球的運(yùn)行軌跡。具體而言，高水平專業(yè)運(yùn)動(dòng)員將利用對(duì)手的球拍和手臂放置的視覺識(shí)別信息來預(yù)測羽毛球的運(yùn)行方向和速度，而新手運(yùn)動(dòng)員只能從球拍本身獲得提前預(yù)判信息。文獻(xiàn)［6］利用基于視覺的方法對(duì)羽毛球運(yùn)動(dòng)員的水平進(jìn)行分類評(píng)估。該研究的表明，高水平運(yùn)動(dòng)員比低水平運(yùn)動(dòng)員更成功地利用對(duì)對(duì)手的手腕旋轉(zhuǎn)而實(shí)現(xiàn)對(duì)羽毛球落點(diǎn)的提前判斷。然而，在研究這種羽毛球運(yùn)動(dòng)的發(fā)球方式的不同能力時(shí)，作者發(fā)現(xiàn)，無論運(yùn)動(dòng)員的專業(yè)技能如何，都不太能依靠視覺識(shí)別能力實(shí)現(xiàn)對(duì)羽毛球落點(diǎn)的判斷。文獻(xiàn)［7］解釋了基于手腕旋轉(zhuǎn)的視覺識(shí)別對(duì)乒乓球發(fā)球過程中的上旋和下旋的分辨能力較差。類似地，由于在羽毛球中，許多不同的發(fā)球具有相似的視覺過程，并且通?？梢詢H在球拍接觸羽毛球之前的最后幾毫秒中才能夠區(qū)分。文獻(xiàn)［8］提出使用神經(jīng)網(wǎng)絡(luò)與視覺判別分析相結(jié)合的方法來確定將空手道運(yùn)動(dòng)員的運(yùn)動(dòng)技能的思路。該研究表明，基于圖形感知器的神經(jīng)網(wǎng)絡(luò)和判別函數(shù)分析在將空手道運(yùn)動(dòng)員劃分為高和低性能組時(shí)具有很高的準(zhǔn)確率?；谏鲜鲅芯浚疚膶D形感知神經(jīng)網(wǎng)絡(luò)和判別分析引入羽毛球運(yùn)動(dòng)員的技能水平評(píng)估，并使用這兩種方法對(duì)基于視覺識(shí)別的測試程序生成實(shí)驗(yàn)數(shù)據(jù)集進(jìn)行分類測試，通過測試結(jié)果驗(yàn)證這兩種評(píng)估方法的有效性。

2 運(yùn)動(dòng)技能水平評(píng)估方法

從大腦功能研究中得出，神經(jīng)網(wǎng)絡(luò)的定義根據(jù)其應(yīng)用領(lǐng)域的不同而不同。在統(tǒng)計(jì)學(xué)意義上，神經(jīng)網(wǎng)絡(luò)適用于松散相關(guān)的模型族，其特征在于參數(shù)空間和靈活的結(jié)構(gòu)［9］。

神經(jīng)網(wǎng)絡(luò)由許多人造神經(jīng)元（仿照生物神經(jīng)元）組成，每個(gè)神經(jīng)元都有相關(guān)的權(quán)重。神經(jīng)系統(tǒng)的權(quán)重可以既是積極的也是消極的，因此對(duì)每個(gè)輸入提供興奮或抑制的影響。當(dāng)每個(gè)輸入進(jìn)入神經(jīng)網(wǎng)絡(luò)時(shí)，乘以它的權(quán)重，然后將所有這些新的輸入值相加，就形成了激活值。如果激活值大于閾值，則神經(jīng)元輸出一個(gè)信號(hào)。如果激活值小于閾值，則神經(jīng)元輸出零。這個(gè)過程通常被稱為階梯函數(shù)［10～11］。

如果一個(gè)神經(jīng)元可以有n個(gè)輸入的數(shù)量，并且每個(gè)輸入可以有相應(yīng)的權(quán)重w，那么激活值的等式可以表示為［12］

圖形感知器基于預(yù)測變量的值產(chǎn)生一個(gè)或多個(gè)因變量的預(yù)測模型［13］。感知器的獨(dú)特之處在于每個(gè)神經(jīng)元都使用非線性激活函數(shù)，該函數(shù)被開發(fā)來模擬大腦中生物神經(jīng)元的動(dòng)作電位或激發(fā)頻率。這個(gè)函數(shù)是以幾種方式建模的，但是必須始終是可規(guī)范化和可區(qū)分的。本文中使用的兩個(gè)主要激活函數(shù)均為雙曲函數(shù)［14］：

式（2）表示的激活函數(shù)是一個(gè)雙曲正切曲線，范圍從-1～1，而函數(shù)3形狀相同，但范圍從0～1。這里yi是第i個(gè)節(jié)點(diǎn)（神經(jīng)元）的輸出，vi是輸入的加權(quán)和。

感知器根據(jù)輸出的誤差量與預(yù)期結(jié)果進(jìn)行比較，改變每個(gè)數(shù)據(jù)處理后的連接權(quán)重。這種監(jiān)督學(xué)習(xí)是通過基于線性感知器中最小均方算法的反向傳播進(jìn)行的。

輸出節(jié)點(diǎn)j在第n個(gè)數(shù)據(jù)點(diǎn)中的誤差可以表示為ej(n)=dj(n)-yj(n)，其中d是目標(biāo)值，y是感知器產(chǎn)生的值。然后，我們根據(jù)這些校正來修正節(jié)點(diǎn)的權(quán)重，這些校正最小化了整個(gè)輸出中的誤差。誤差的計(jì)算公式為

利用神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是，它可以近似于各種各樣的統(tǒng)計(jì)模型，而不需要研究者事先假設(shè)依賴和自變量之間的某種關(guān)系。而是在學(xué)習(xí)過程中確定關(guān)系的形式。這種靈活性的代價(jià)是神經(jīng)單元之間的權(quán)重不容易解釋。

基于判別函數(shù)的分析是根據(jù)區(qū)間變量的線性組合對(duì)輸入變量進(jìn)行分類，能夠較好地對(duì)輸出量和自變量之間地關(guān)系進(jìn)行解釋［15］。本文從一組觀測值開始，其中不同水平組成員和區(qū)間變量的值是已知的。評(píng)估過程的最終結(jié)果是一個(gè)模型，當(dāng)只有間隔變量已知時(shí)，能夠準(zhǔn)確預(yù)測不同輸入的組別。判別函數(shù)分析的第二個(gè)目的是對(duì)數(shù)據(jù)集的理解，因?yàn)樽屑?xì)研究由程序產(chǎn)生的預(yù)測模型可以洞察待評(píng)估運(yùn)動(dòng)員與用于預(yù)測的不同水平組成員的之間的關(guān)系。

3 基于視覺識(shí)別的水平評(píng)估

3.1 評(píng)估程序

參與本文研究的有41名參與者，分為高級(jí)水平組、中級(jí)水平組和初級(jí)水平組。高級(jí)水平組（n=10）的參與者是從事5年羽毛球的專業(yè)運(yùn)動(dòng)員，他們具有較為出色的羽毛球?qū)I(yè)技能和知識(shí)。中級(jí)水平組（n=16）的參與者是那些至少打了1～2年羽毛球的運(yùn)動(dòng)員，他們具有相對(duì)完善羽毛球技能和能力。初級(jí)水平組（n=15）的參與者是羽毛球的入門運(yùn)動(dòng)員，有最少的羽毛球知識(shí)和運(yùn)動(dòng)經(jīng)驗(yàn)。

用于感知神經(jīng)網(wǎng)絡(luò)和判別分析的數(shù)據(jù)來自基于視覺識(shí)別的評(píng)估程序。每組評(píng)估問題由五個(gè)基于視覺識(shí)別的問題組成，整個(gè)水平評(píng)估程序包括超過十個(gè)問題組。參與者首先會(huì)觀看正在進(jìn)行的羽毛球比賽的不同影片剪輯。每個(gè)影片剪輯2～30秒，剪輯播放完之后是的靜止畫面，然后要求參與者回答屏幕上將要發(fā)生什么類型的發(fā)球以及羽毛球的回球落地。相應(yīng)的答案選項(xiàng)如圖1所示。

圖1 評(píng)估程序的答案選擇頁面

在羽毛球?qū)I(yè)教練的判斷和意見的幫助下，上述評(píng)估程序的結(jié)果經(jīng)過加權(quán)計(jì)算可以實(shí)現(xiàn)對(duì)每個(gè)參與者的水平評(píng)估?；卮鹫_的擊球類型得兩分，回答基于剪輯中情形可能得出得擊球類型得一分，回答錯(cuò)誤得擊球類型不得分。同樣地，如果參與者選擇了正確的回球落地并且最終羽毛球確實(shí)落在該區(qū)域則得兩分，如果參與者選擇落地為剪輯中可能的落地則得一分，如果選擇得落地與實(shí)際落地和可能得落地均不同則不得分。參與者回答問題得時(shí)間限制在影片剪輯的間隔。每組問題包括5個(gè)問題，因此參與者可以獲得的最大分?jǐn)?shù)是20，最佳答題時(shí)間為11.9s。因此，參與者評(píng)估分?jǐn)?shù)的計(jì)算公式為

式（5）中，TIME是參與者回答關(guān)于擊球類型和落點(diǎn)位置的所有5個(gè)問題的綜合時(shí)間。答題分?jǐn)?shù)是五個(gè)問題中每個(gè)正確答案的總分。因此，一個(gè)人可以在評(píng)估程序上獲得的最大分?jǐn)?shù)是20。

羽毛球運(yùn)動(dòng)員技能水平是一個(gè)二分類變量。用于評(píng)估羽毛球運(yùn)動(dòng)員技能水平的神經(jīng)網(wǎng)絡(luò)和判別分析由三個(gè)不同的因變量：人體生理因素，運(yùn)動(dòng)適應(yīng)性因素和視覺評(píng)估因素。人體生理因素包括：身高（厘米）、體重（公斤）、年齡（歲）和運(yùn)動(dòng)經(jīng)驗(yàn)（年）。運(yùn)動(dòng)適應(yīng)性因素為：20m沖刺（秒）、垂直跳躍（cm）和往返跑時(shí)間測試（得分）。視覺評(píng)估因素分別是：擊球類型（得分）、回球落點(diǎn)（得分）和答題時(shí)間（秒）。

3.2 評(píng)估結(jié)果

基于訓(xùn)練數(shù)據(jù)集完成參數(shù)學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，對(duì)基于視覺識(shí)別評(píng)估的數(shù)據(jù)樣本進(jìn)行分類的結(jié)果如表1所示。

表1 基于視覺識(shí)別評(píng)估的數(shù)據(jù)樣本的分類結(jié)果

用于測試的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

圖2 中，神經(jīng)網(wǎng)絡(luò)的隱藏層使用雙曲正切函數(shù)，輸出層使用softmax函數(shù)。圖中虛連接線表示兩個(gè)神經(jīng)單元之間的連接權(quán)重小于零，實(shí)連接線表示兩個(gè)神經(jīng)單元之間的連接權(quán)重大于零?；谏窠?jīng)網(wǎng)絡(luò)的運(yùn)動(dòng)適應(yīng)性的分類結(jié)果如表2所示。

表2 基于神經(jīng)網(wǎng)絡(luò)運(yùn)動(dòng)適應(yīng)性的分類結(jié)果

由表2的數(shù)據(jù)可知，運(yùn)動(dòng)適應(yīng)性分類的訓(xùn)練準(zhǔn)確率和測試準(zhǔn)確率分別為95.5%和73.7%。

對(duì)基于視覺識(shí)別的水平評(píng)估中三個(gè)彼此獨(dú)立參數(shù)對(duì)評(píng)估總得分的影響程度的量化值如表3所示。

表3 基于視覺識(shí)別的水平評(píng)估的參數(shù)重要性

表3表明神經(jīng)網(wǎng)絡(luò)分析中最重要的判別參數(shù)是擊球類型和落點(diǎn)判斷。對(duì)運(yùn)動(dòng)適應(yīng)性數(shù)據(jù)進(jìn)行的類似分析，得出20m沖刺測試（1量化值為00%）和垂直跳躍測試（量化值為74.6%）是運(yùn)動(dòng)適應(yīng)性測試中最重要的判別參數(shù)。

在基于視覺識(shí)別測試時(shí)，使用基于判別函數(shù)同樣能夠有效區(qū)分運(yùn)動(dòng)員技能水平地高低，但在運(yùn)動(dòng)適應(yīng)性測試時(shí)這種區(qū)分會(huì)出現(xiàn)偏差。運(yùn)動(dòng)適應(yīng)性測試的總體正確率為73.2%，組內(nèi)平方和與總平方和之比（Wilks'Lambda）為 0.394，P＜0.001；基于視覺識(shí)別測試的總體正確率為80.5%，Wilks'Lambda為0.23，P＜0.001。運(yùn)動(dòng)適應(yīng)性測試結(jié)果的平均值和標(biāo)準(zhǔn)偏差如表4所示。

表4 基于判別函數(shù)地運(yùn)動(dòng)適應(yīng)性測試平均值（標(biāo)準(zhǔn)偏差）

由表4的數(shù)據(jù)可知，在20m沖刺短跑，往返跑測試和垂直跳躍測試的平均值和標(biāo)準(zhǔn)偏差的數(shù)據(jù)中，具有較高羽毛球運(yùn)動(dòng)水平的參與者在垂直跳躍和往返跑聲測試中顯示較高的分?jǐn)?shù)，而在短跑測試中分?jǐn)?shù)較低。

表5顯示了基于判斷函數(shù)的運(yùn)動(dòng)適應(yīng)性測試分類準(zhǔn)確性。在這個(gè)判斷函數(shù)模型中，三個(gè)技能水平組的分類準(zhǔn)確率為73.2%，比神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率稍低。

表5 基于判斷函數(shù)的運(yùn)動(dòng)適應(yīng)性的分類

基于視覺識(shí)別的測試的擊球類型、落點(diǎn)判斷和答題時(shí)間三項(xiàng)統(tǒng)計(jì)結(jié)果的平均值和標(biāo)準(zhǔn)偏差如表6所示。由表6可知，與較低技能水平相比，技能水平較高者之間得分更高。其中技能水平較高者的答題時(shí)間較少反映了較快的識(shí)別速度。

表6 基于視覺識(shí)別的測試結(jié)果的平均值（標(biāo)準(zhǔn)偏差）

基于視覺識(shí)別測試的分類準(zhǔn)確性如表7所示。其分類準(zhǔn)確率為80.5%，Wilks'Lambda為0.23，P＜0.001。

表7 基于判斷函數(shù)的視覺識(shí)別測試的分類

最后，計(jì)算皮爾遜相關(guān)系數(shù)以評(píng)估參與者的技能水平與因變量之間的關(guān)系，其中因變量包括所有三組測試數(shù)據(jù)（人體生理因素，運(yùn)動(dòng)適應(yīng)性因素和視覺評(píng)估因素）。計(jì)算結(jié)果如表8所示。

表8 皮爾遜相關(guān)系數(shù)的計(jì)算結(jié)果

4 評(píng)估結(jié)果的討論

上述測試的結(jié)果表明神經(jīng)網(wǎng)絡(luò)與判別函數(shù)相比，評(píng)估準(zhǔn)確度更高。此外，本文的研究表明了基于視覺識(shí)別評(píng)估程序的有效性，神經(jīng)網(wǎng)絡(luò)和判別函數(shù)的評(píng)估準(zhǔn)確度分別達(dá)到了100%和80.5%。

皮爾遜相關(guān)系數(shù)的計(jì)算結(jié)果表明，沖刺測試、垂直跳躍測試和折返跑測試的結(jié)果與技能水平并不相關(guān)。這是由于整個(gè)樣本年齡的變化較大（范圍為46歲），導(dǎo)致較低年齡組參與者的運(yùn)動(dòng)適應(yīng)性測試的平均得分更高。盡管技能水平較高，但年齡較大的參與者并不像中級(jí)參與者那樣處于預(yù)期水平。因此，建議未來研究的樣本在所有技能水平上的年齡差異較小。

本文的研究表明基于視覺識(shí)別的測試（擊球類型、落點(diǎn)判斷和響應(yīng)時(shí)間）比運(yùn)動(dòng)適應(yīng)性測試更能準(zhǔn)確評(píng)估羽毛球運(yùn)動(dòng)員的技能水平。

本文的研究結(jié)果表明，采用神經(jīng)網(wǎng)絡(luò)和判別函數(shù)方式對(duì)視覺識(shí)別的測試結(jié)果的技能水平分類準(zhǔn)確率分別達(dá)到100%和85%。這個(gè)結(jié)果為羽毛球教練員將視覺識(shí)別技術(shù)引入訓(xùn)練計(jì)劃提供了啟示。

對(duì)測試數(shù)據(jù)進(jìn)行深入研究發(fā)現(xiàn)，參與視覺識(shí)別測試的羽毛球運(yùn)動(dòng)員更傾向于預(yù)測正確的擊球類型，而不是判斷落點(diǎn)。這種傾向在所有三個(gè)技能水平級(jí)別中都是一致的。這可能是由于影片剪輯的拍攝角度和位置的不同選擇造成的。此外，參與者觀看的剪輯來自頂級(jí)的羽毛球比賽，其中的頂級(jí)水平運(yùn)動(dòng)員能夠靈活使用各種各樣技術(shù)動(dòng)作和假動(dòng)作，幾乎可以選擇任何出人意料的落點(diǎn)，導(dǎo)致測試參與者發(fā)現(xiàn)落點(diǎn)判斷比擊球類型更具挑戰(zhàn)性。然而，同樣的情況也適用為擊球類型的判斷，許多頂級(jí)運(yùn)動(dòng)員具有靈活使用假動(dòng)作欺騙對(duì)手的能力。因此需要進(jìn)行額外的研究來確定為什么測試參與者能夠更加準(zhǔn)確地對(duì)擊球類型進(jìn)行預(yù)測。

5 結(jié)語

神經(jīng)網(wǎng)絡(luò)作為羽毛球運(yùn)動(dòng)員技能水平的評(píng)估工具，其性能的表現(xiàn)略優(yōu)于判別函數(shù)，特別是在針對(duì)視覺識(shí)別系統(tǒng)的情況下。盡管如此，在羽毛球運(yùn)動(dòng)員技能水平評(píng)估的分類方面，神經(jīng)網(wǎng)絡(luò)和判別函數(shù)分析都是準(zhǔn)確的統(tǒng)計(jì)工具?；谝曈X識(shí)別的評(píng)估程序經(jīng)過測試和驗(yàn)證，可以引入羽毛球運(yùn)動(dòng)員的訓(xùn)練和水平評(píng)估。