摘" 要：隨著籃球比賽的激烈化，罰籃決勝負(fù)的作用日益凸顯，如何提高罰籃命中率已成為現(xiàn)代籃球訓(xùn)練的目標(biāo)之一。人工智能技術(shù)在運(yùn)動訓(xùn)練領(lǐng)域的應(yīng)用帶來了革命性變革，通過傳感器及影像技術(shù)，采用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大數(shù)據(jù)分析等技術(shù)，AI系統(tǒng)已經(jīng)能夠在優(yōu)化籃球運(yùn)動員的罰籃技術(shù)動作改進(jìn)和輔助訓(xùn)練方法等方面顯示出其顯著效果。本文綜述了基于人工智能分析罰球動作技術(shù)在罰籃身體姿態(tài)和動作技術(shù)方面如何幫助運(yùn)動員精準(zhǔn)掌握投籃動作，優(yōu)化身體姿態(tài)，以及在技術(shù)層面上實(shí)現(xiàn)穩(wěn)定性，以及利用人工智能技術(shù)進(jìn)行罰籃技術(shù)訓(xùn)練的應(yīng)用。同時還探討了人工智能技術(shù)在實(shí)際訓(xùn)練中的局限性，并展望了人工智能在籃球罰球應(yīng)用前景。

關(guān)鍵詞：人工智能；罰籃；籃球；機(jī)器學(xué)習(xí)；動作分析

Advances on Analysis and Application of Basketball Free Throw Technology Based on Artificial Intelligence

Abstract： With the intensification of basketball games， the role of free throw shooting has become increasingly prominent， and how to improve the free throw shooting rate has become one of the goals of modern basketball training. The application of artificial intelligence technology in the field of sports training has brought about revolutionary changes， through sensor and imaging technology， the use of machine Xi， deep learning Xi and big data analysis and other technologies， AI systems have been able to optimize basketball players' free throw technology， improve the movement and assist training methods and other aspects of its remarkable effect. This paper reviews how AI-based free throw analysis technology can help athletes accurately master shooting movements， optimize body posture， and achieve stability at the technical level， as well as the application of artificial intelligence technology for free throw training. At the same time， the limitations of artificial intelligence technology in practical training are discussed， and the application prospect of artificial intelligence in basketball free throws is prospected.

Key words： Artificial intelligence; Free throw; Basketball; Machine learning; Motion analysis

中圖分類號：G841""""" """""""""文獻(xiàn)標(biāo)識碼：A

在當(dāng)今世界籃球比賽中，籃球運(yùn)動員的罰籃能力占據(jù)重要地位。罰籃作為比賽中的一個關(guān)鍵技術(shù)環(huán)節(jié)，經(jīng)常在關(guān)鍵時刻決定比賽的勝負(fù)[1]。一個穩(wěn)定的罰籃手不僅能夠?yàn)榍蜿?duì)在緊要關(guān)頭穩(wěn)固得分，還能在心理層面對對手產(chǎn)生壓力。特別是在比賽的最后階段，罰籃的成功率往往成為左右比賽走向的決定性因素[2]。除此之外，罰籃能力還體現(xiàn)了球員的技術(shù)細(xì)節(jié)和心理素質(zhì)，一名優(yōu)秀的罰籃手通常在技術(shù)精細(xì)、心理穩(wěn)定方面有著出色表現(xiàn)[3]。在高水平的比賽中，罰籃的重要性更是被放大，因?yàn)槊恳环侄伎赡艹蔀楦淖儽荣惤Y(jié)果的關(guān)鍵[4][6]。因此，提高罰籃能力已成為現(xiàn)代籃球訓(xùn)練中不可或缺的一部分，是評價一個球員綜合實(shí)力的重要指標(biāo)之一[3][4][5]。

人工智能（AI）是一項(xiàng)前沿技術(shù)，旨在使計算機(jī)系統(tǒng)具備模仿和執(zhí)行人類智能任務(wù)的能力。AI系統(tǒng)通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大數(shù)據(jù)分析等技術(shù)，能夠處理復(fù)雜的信息，做出決策，以及執(zhí)行各種任務(wù)（圖1）[7][8]。AI的應(yīng)用領(lǐng)域廣泛，在體育行業(yè)，尤其是籃球這種廣受歡迎且高度競技的運(yùn)動正越來越多的被使用[9]。隨著人工智能技術(shù)的引入，AI為籃球運(yùn)動員的罰籃技術(shù)和訓(xùn)練策略帶來了革命性的改變[10]。本文將綜述人工智能在罰籃技巧和罰籃訓(xùn)練中的應(yīng)用，分析其在提高運(yùn)動員罰籃技能、優(yōu)化訓(xùn)練方法等方面的作用，并展望未來AI在此領(lǐng)域的發(fā)展趨勢[8][9][10]。

1" 基于人工智能分析罰球動作技術(shù)

1.1" 罰球動作身體姿態(tài)分析

罰籃時的身體姿態(tài)與命中率之間存在密切關(guān)聯(lián)。一個正確的姿態(tài)是提高罰籃準(zhǔn)確率的基礎(chǔ)，因?yàn)樗苯佑绊懙角虻陌l(fā)射角度、力量控制和最終軌跡[11][12]。站立姿勢、雙腳的寬度以及膝蓋的彎曲程度會影響身體的重心，繼而影響罰籃時的身體支撐程度和投籃的準(zhǔn)確性[13]。手臂和手腕的位置對于控制籃球的方向和旋轉(zhuǎn)至關(guān)重要。肘部應(yīng)略微彎曲并指向籃筐，這樣可以幫助運(yùn)動員更好地控制球的力度和方向。

綜上，膝關(guān)節(jié)的屈伸幅度過大或過小[14]，踝關(guān)節(jié)的背屈不足，以及手腕和手肘在發(fā)球時的打開程度不當(dāng)，都會對身體平衡性、出手點(diǎn)控制、對球的旋轉(zhuǎn)參數(shù)等產(chǎn)生負(fù)面影響，導(dǎo)致投籃準(zhǔn)度的下降[14]。在準(zhǔn)備階段中，膝蓋、腳踝和臀部的更大屈曲，以及較低的肘部位置可能會提高罰籃的準(zhǔn)確性[15]。同樣，置球位置、身體重心下沉、拋球角度、擺臂揮肘等都是投籃準(zhǔn)確的重要因素[16]。有研究者通過分析精英球員的投籃數(shù)據(jù)，揭示了在籃球罰球準(zhǔn)備階段，膝蓋角度、手腕角度、大腿角度和肘部角度等變量是對完成成功罰球影響最大的運(yùn)動學(xué)參數(shù)[17]。另一研究表明在罰球中控制釋放參數(shù)的變異性、維持穩(wěn)定的姿勢和有效同步球的釋放時機(jī)對于提高投籃準(zhǔn)確性至關(guān)重要[16]。

傳統(tǒng)的罰籃訓(xùn)練主要通過大量機(jī)械重復(fù)的投籃練習(xí)來提高命中率。然而這種訓(xùn)練方式存在訓(xùn)練量難以精確控制、效率低下、不方便個性化、缺乏量化效果等不足[18]。人工智能和大數(shù)據(jù)技術(shù)的應(yīng)用，給罰籃提供了更精確和高效的指導(dǎo)方法?；趹T性傳感器的人體姿態(tài)識別方法，可以對籃球運(yùn)動員的投籃動作進(jìn)行識別和分割。通過收集慣性傳感器數(shù)據(jù)，包括手部姿態(tài)和下肢狀態(tài)，并結(jié)合機(jī)器學(xué)習(xí)算法進(jìn)行模型訓(xùn)練，成功實(shí)現(xiàn)了基本投籃動作的識別[19][20]。有學(xué)者用圖像特征提取并結(jié)合高斯?jié)撛谧兞磕Ｐ?，提出了一種用于籃球投籃手勢識別的新模型，成功實(shí)現(xiàn)了對籃球運(yùn)動員上肢和下肢姿勢的準(zhǔn)確識別。上肢姿勢識別平均準(zhǔn)確率為91%，下肢姿勢識別平均準(zhǔn)確率為94%[21]。有學(xué)者提出了一種名為ARBIGNet的新方法，利用大數(shù)據(jù)和CapsNet開發(fā)了一種用于籃球訓(xùn)練的動作識別技術(shù)（圖2），其識別率達(dá)到95%的平均準(zhǔn)確度[22]。同時，利用姿勢標(biāo)準(zhǔn)化的CNN技術(shù)對運(yùn)動員的姿勢進(jìn)行圖像分析和校準(zhǔn)，以及通過附加加速度計和陀螺儀在運(yùn)動員身上監(jiān)測特定動作的細(xì)節(jié)[23]。以上研究的算法和理論成果應(yīng)用在實(shí)際訓(xùn)練中，運(yùn)動員在進(jìn)行一次或多次罰球訓(xùn)練后，通過顯示終端獲取關(guān)于他們投籃動作的詳細(xì)反饋，即時對他們的動作姿勢、力量分配、手部和下肢的協(xié)調(diào)性等關(guān)鍵因素進(jìn)行調(diào)整和優(yōu)化，以此提高訓(xùn)練效率，提高罰球命中率。

1.2" 罰籃動作技術(shù)分析

在使用計算機(jī)視覺技術(shù)上，提取籃球運(yùn)動員的人體骨骼信息，采用Kinect芯片捕獲深度數(shù)據(jù)流，通過機(jī)器學(xué)習(xí)進(jìn)行身體部位分類，并實(shí)現(xiàn)三維關(guān)節(jié)點(diǎn)坐標(biāo)的重建[24]。該研究揭示了男女受試者在投籃姿態(tài)上存在差異，女性的下肢彎曲更明顯，軀干傾斜更大，上肢關(guān)節(jié)角度也有不同。研究建議運(yùn)動員在掌握投籃時需考慮自身力量范圍和解剖差異，女性軀干傾斜可能導(dǎo)致命中率較低。協(xié)調(diào)上肢和下肢動作可減少能量消耗和不必要動作。這項(xiàng)研究為改善籃球投籃技巧提供了重要見解，尤其是在性別差異方面，有助于定制個性化的訓(xùn)練計劃，提高命中率和運(yùn)動表現(xiàn)。

罰籃技術(shù)在提升罰籃命中率方面扮演著至關(guān)重要的角色。高效的罰籃技術(shù)不僅涉及到正確的姿勢和動作，更關(guān)乎于如何精確控制和協(xié)調(diào)這些動作以優(yōu)化球的飛行軌跡[16][25][26]。合理的力量分配和球的釋放時機(jī)是是提高罰球準(zhǔn)確率的關(guān)鍵因素。罰籃時，運(yùn)動員需要精準(zhǔn)地控制手臂、手腕和手指的力度和角度，以確保球以最佳弧線飛向籃筐[27]。手腕的快速而平滑的抖動可以給球添加適當(dāng)?shù)暮笮@有助于球在觸碰籃筐時減少彈跳，增加落籃的成功率（圖3）[27]。還有的研究揭示了身高、角度、瞄準(zhǔn)點(diǎn)和球的旋轉(zhuǎn)等基本元素對籃球投籃技術(shù)的影響[28]。投籃仰角過大會導(dǎo)致遠(yuǎn)離籃筐，角度過小會在籃筐前打板。有研究發(fā)現(xiàn)45°-50°的投籃仰角被認(rèn)為是最佳投籃角度[29]。姿勢穩(wěn)定性、姿勢運(yùn)動與球釋放的同步性，以及釋放參數(shù)的試驗(yàn)間變異是影響罰球準(zhǔn)確性的因素[29]。有研究指出，最佳的籃球罰球軌跡具有大約60°的初始角度和7.3 m/s的速度，使球更接近籃筐的遠(yuǎn)側(cè)[30]。

2" 人工智能在罰球訓(xùn)練中的應(yīng)用

傳統(tǒng)的罰球技巧的訓(xùn)練方法主要依賴于大量重復(fù)練習(xí)、教練的經(jīng)驗(yàn)指導(dǎo)以及模仿頂級球員的技巧。但是這種方法可能無法即時直觀看到自己的訓(xùn)練水平，重復(fù)訓(xùn)練還可能導(dǎo)致重復(fù)的錯誤，并且越來越難以改變。而教練的經(jīng)驗(yàn)指導(dǎo)受教練水平、溝通程度、球員理解能力的限制[31]。而模仿頂級球員除了需要高水平的模仿能力，還要保證自身模仿的正確性，以免走上錯誤道路。以上訓(xùn)練方案均缺乏科技手段，難以量化運(yùn)動員的技術(shù)進(jìn)步和動作細(xì)節(jié)，且可能導(dǎo)致效率低下和運(yùn)動傷害。而人工智能作為最新科技，將其引入到罰籃技巧的訓(xùn)練方法中，對于提高投籃技巧是非常有必要的[32]。

在通過實(shí)時視頻圖像處理和生物反饋技術(shù)中，有研究者提出了一種新的籃球罰球?qū)W習(xí)控制系統(tǒng)[33]。該系統(tǒng)可以計算球員在罰球時肘部和肩部的動態(tài)，并將這些參數(shù)實(shí)時量化并以音頻信號的形式提供反饋。實(shí)驗(yàn)結(jié)果表明，使用該系統(tǒng)后，球員在罰球動作的肘部和肩部角度的平均值得到了提升，標(biāo)準(zhǔn)偏差顯著減少，投籃風(fēng)格趨于一致和統(tǒng)一。在訓(xùn)練條件下，成功罰球的平均百分比從約64%提高到87%，在比賽條件下，成功罰球的平均百分比提高了約20%。這個研究給籃球運(yùn)動員的罰球訓(xùn)練帶來了新方案。有人使用了一種特殊的人工神經(jīng)網(wǎng)絡(luò)（ANN）—動態(tài)控制網(wǎng)絡(luò)（DyCoN），并成功計算出運(yùn)動員在執(zhí)行罰球動作時身體各部分（如手腕、肘部、肩部）的角度變化和速度，以及這些變化在整個投籃動作中的時序和協(xié)調(diào)性[34]。教練和運(yùn)動員可以更準(zhǔn)確地了解在罰球過程中各關(guān)節(jié)和身體部位的協(xié)調(diào)和運(yùn)動方式。在實(shí)際訓(xùn)練中，運(yùn)動員做出罰球動作后，如果數(shù)據(jù)顯示在投籃時手腕的角度不理想，或者肘部和肩部的運(yùn)動不夠協(xié)調(diào)，就可以針對這些問題提出具體的訓(xùn)練建議和即時的調(diào)整，從而改善整個投籃動作的流暢性和效率，提高罰球的準(zhǔn)確率。

在人工智能應(yīng)用中，通過使用霍夫變換算法應(yīng)用于投籃視頻，構(gòu)建一個輔助籃球運(yùn)動員訓(xùn)練的投籃檢測算法，發(fā)現(xiàn)最佳投籃角度應(yīng)為49°-51°。并將罰籃命中或未命中的分類準(zhǔn)確率提升到91%[35]。有學(xué)者利用物聯(lián)網(wǎng)智能籃球和手環(huán)運(yùn)動數(shù)據(jù)定量評估籃球投籃動作指標(biāo)，通過整合物聯(lián)網(wǎng)智能感應(yīng)技術(shù)[36]，并提出了一種基于輕量級梯度提升機(jī)（LightGBM）和貝葉斯優(yōu)化的機(jī)器學(xué)習(xí)模型（算法原理如圖4）. 通過對受試者的運(yùn)動數(shù)據(jù)進(jìn)行訓(xùn)練，提出了4個直接關(guān)系到投籃質(zhì)量的關(guān)鍵指標(biāo)：投籃角度（SA），后旋速度（BS），投籃時刻的肘關(guān)節(jié)外展角（EA），和最大肘關(guān)節(jié)外展角（MA）。該模型的應(yīng)用潛力在于可將其嵌入可穿戴設(shè)備，實(shí)現(xiàn)實(shí)時投籃質(zhì)量評估。通過實(shí)時量化這些指標(biāo)，籃球運(yùn)動員可以獲得關(guān)于自己的投籃動作的詳細(xì)數(shù)據(jù)反饋。有學(xué)者構(gòu)建了籃球投擲過程中的微分方程數(shù)學(xué)模型，為不同的運(yùn)動員實(shí)施不同的訓(xùn)練計劃：根據(jù)特定的身高、臂力和距離籃圈的距離，計算出精確的數(shù)據(jù)，以便為運(yùn)動員實(shí)施相應(yīng)的訓(xùn)練模式[37]。應(yīng)用蒙特卡洛算法，將籃球投籃視為蒙特卡洛序列，球員根據(jù)離籃的偏差來評判自己的投籃準(zhǔn)確性[38]。對于較矮的球員來說，在罰籃中反彈投籃比直接投籃更有利；而對于較高的球員來說，反彈投籃的優(yōu)勢會顯著減小。有研究通過結(jié)合解析軌跡模型、最小二乘估計器和基于梯度的發(fā)球距離補(bǔ)償來估計球的發(fā)球（投籃時球離手）參數(shù)[39]。研究結(jié)果顯示，投籃訓(xùn)練應(yīng)專注于提高發(fā)球速度控制，加強(qiáng)肘腕關(guān)節(jié)本體感知。

以上這些利用人工智能和大數(shù)據(jù)分析的研究成果，增加了對籃球投籃技術(shù)的科學(xué)理解和定量分析能力。在實(shí)際訓(xùn)練中，這些技術(shù)的應(yīng)用允許教練和運(yùn)動員獲得更精確和個性化的反饋，幫助他們針對性地改進(jìn)罰籃中的投籃技巧。

3" 局限性與前景展望

3.1" 局限性

人工智能技術(shù)在籃球訓(xùn)練中的應(yīng)用展示了其技術(shù)優(yōu)越性、成熟度和應(yīng)用廣泛程度的不同層面。這些技術(shù)包括人體姿態(tài)識別技術(shù)、高級圖像處理和分析、機(jī)器學(xué)習(xí)和人工智能算法、計算機(jī)視覺系統(tǒng)，以及物聯(lián)網(wǎng)技術(shù)的集成應(yīng)用。在這些技術(shù)或算法中，不乏具有較高成熟度的、目前普遍應(yīng)用于科學(xué)研究和統(tǒng)計領(lǐng)域的技術(shù)，也有具有較高創(chuàng)新性的，同時還有在籃球訓(xùn)練這一特定領(lǐng)域仍屬較新穎的研究，但未來具有巨大的發(fā)展?jié)摿蛻?yīng)用前景。它們共同推動了籃球訓(xùn)練方法的革新，為投籃訓(xùn)練這個領(lǐng)域帶來了更科學(xué)、更精確的訓(xùn)練方法和數(shù)據(jù)驅(qū)動的分析手段。這些技術(shù)的綜合應(yīng)用提供精準(zhǔn)的技術(shù)反饋和個性化訓(xùn)練建議，不僅提高了訓(xùn)練的效率，還為運(yùn)動員提供了改進(jìn)技巧、提高命中率的重要工具[22]。

當(dāng)前人工智能技術(shù)在應(yīng)用于投籃的理論指導(dǎo)和實(shí)際應(yīng)用時，主要存在以下幾個局限性：技術(shù)本身的復(fù)雜性要求用戶具備一定的技術(shù)知識，這可能對于一些教練和運(yùn)動員構(gòu)成障礙[40]。機(jī)器學(xué)習(xí)和人工智能算法通常需要大量的數(shù)據(jù)進(jìn)行訓(xùn)練，而在籃球訓(xùn)練環(huán)境中獲取高質(zhì)量、大量的數(shù)據(jù)可能具有挑戰(zhàn)性[41]。此外，這些算法的輸出結(jié)果有時可能難以解釋，導(dǎo)致教練和運(yùn)動員難以根據(jù)這些數(shù)據(jù)做出具體的訓(xùn)練調(diào)整。一些技術(shù)依賴于環(huán)境因素，如光照條件和相機(jī)角度，這可能影響分析的準(zhǔn)確性[42]。涉及到數(shù)據(jù)收集的設(shè)備如傳感器在捕捉和分析微妙的身體動作，如手腕的微調(diào)或肘部的精確角度時，可能存在精度不足的問題。所有這些技術(shù)在將理論應(yīng)用于實(shí)踐時都面臨著將技術(shù)細(xì)節(jié)轉(zhuǎn)化為實(shí)際可操作訓(xùn)練建議的挑戰(zhàn)。

3.2" 前景展望

隨著人工智能技術(shù)的不斷發(fā)展，其在籃球訓(xùn)練中的應(yīng)用預(yù)計將更加深入和精細(xì)[43][44]。在未來，我們有望看到更先進(jìn)的機(jī)器學(xué)習(xí)模型，并能夠從高精度傳感器和復(fù)雜的運(yùn)動捕捉系統(tǒng)中，提取更豐富的投籃動作數(shù)據(jù)。這將使教練和運(yùn)動員能夠詳細(xì)分析罰籃動作的每一個環(huán)節(jié)，如手臂的擺動角度、手腕的扭轉(zhuǎn)力度以及球的旋轉(zhuǎn)速度[45]。此外，AI技術(shù)還將進(jìn)一步幫助在訓(xùn)練中實(shí)現(xiàn)個性化調(diào)整，通過大數(shù)據(jù)分析個體表現(xiàn)，為每位運(yùn)動員量身定制訓(xùn)練方案，從而優(yōu)化他們的罰籃技巧和策略，提升競技水平[43]。

4" 結(jié)論與建議

為了最大化籃球投籃訓(xùn)練的效果，我們應(yīng)當(dāng)采取將傳統(tǒng)方法和人工智能技術(shù)相結(jié)合的指導(dǎo)方法和訓(xùn)練策略。這種融合策略可以充分利用人工智能提供的精確數(shù)據(jù)分析和模式識別的優(yōu)勢，同時又保留了傳統(tǒng)訓(xùn)練中教練直觀判斷和個性化指導(dǎo)的重要性。在實(shí)際訓(xùn)練中，可以通過人工智能技術(shù)提供的數(shù)據(jù)來識別運(yùn)動員在投籃技術(shù)上的具體需求，然后教練可以根據(jù)這些信息，結(jié)合運(yùn)動員的個人特點(diǎn)和心理狀態(tài)，制定個性化的訓(xùn)練計劃。

參考文獻(xiàn)：

[1] 王生有. 第28屆亞洲男子籃球錦標(biāo)賽中國隊(duì)與對手攻防能力的密切值分析[J].武漢體育學(xué)院學(xué)報."218，52（02）：88～94.

[2] 苑曉平.籃球比賽反敗為勝案例的分析與研究——決勝時刻的技戰(zhàn)術(shù)分析[J].山東體育學(xué)院學(xué)報."2014，30（05）：105～110.

[3] 李同輝. 國家男籃運(yùn)動員體能評價指標(biāo)體系研究[J].廣州體育學(xué)院學(xué)報."2016，36（04）：59～62.

[4] 陸森召.中國職業(yè)籃球聯(lián)賽球隊(duì)獲勝關(guān)鍵技術(shù)指標(biāo)判定[J].沈陽體育學(xué)院學(xué)報."2017，36（02）：128～133.

[5] 張學(xué)領(lǐng).中國男子職業(yè)籃球聯(lián)賽常規(guī)賽和季后賽績效表現(xiàn)的回歸分析.中國體育科技."2016，52（02）.

[6] Lopez-Gutierrez， J. Carlos， Jiménez-Torres， et al. Pairing， game order and number of games in the playoffs of a basketball top competition： Do free throws have an influence on the score efficiency[J]. Journal of physical education and sport，. 2013.

[7] 鄭" 宇，高瞻樂，金" 毓. 國際智慧體育的研究現(xiàn)狀與趨勢[J]. 成都體育學(xué)院學(xué)報.2021，47（05）：65～71.

[8] 李" 雪，李順昌，孫君志等. 聚焦運(yùn)動科學(xué)前沿?zé)狳c(diǎn)，關(guān)注大眾健身發(fā)展現(xiàn)狀，共探競技體育科技助力[J]. 成都體育學(xué)院學(xué)報，2019，45（06）：8～13.

[9] 王旭祺，吳文杰.人工智能在美國職業(yè)籃球聯(lián)賽教練決策中的應(yīng)用及啟示[J].體育科技文獻(xiàn)通報."2022，30（12）：68～72.

[10] 姚凌斌，劉" 潘.體育訓(xùn)練中人工智能技術(shù)的運(yùn)用[J]. 體育科技文獻(xiàn)通報."2021（07）：82～84.

[11] 陳怡薇，何" 強(qiáng). 專項(xiàng)上肢力量訓(xùn)練對高中男子籃球運(yùn)動員投籃命中率的影響[J].體育科研."2022，43（03）：100～104.

[12] 李" 寧，馬瀟曼，周亞輝.單手肩上投籃技術(shù)特征研究現(xiàn)狀與評述[J]."廣州體育學(xué)院學(xué)報. 2019，39（03）.

[13] Nadav Goldschmied， Mike Raphaeli， Samantha Moothart， et al. Free throw shooting performance under pressure： a social psychology critical review of research[J]. International Journal of Sport and Exercise Psychology， 2021. 5（20）：1397～1415.

[14] 郭" 健，殷學(xué)鋒. 高?；@球運(yùn)動員膝關(guān)節(jié)損傷的生理因素研究——以河北省高校為例[J].長江大學(xué)學(xué)報（自然科學(xué)版）."2012，9（12）：157～159.

[15] 朱" 磊. 靜態(tài)姿勢評估在高強(qiáng)度籃球訓(xùn)練運(yùn)動損傷預(yù)防中的應(yīng)用[J].長春大學(xué)學(xué)報."2022，32（06）：18～24.

[16] F. Verhoeven， K. Newell. Coordination and control of posture and ball release in basketball free-throw shooting[J]. Human movement scienc， 2016， 49：216～224.

[17] D. Kelmendi， F. Miftari， M. Tekin. Kinematic Analysis of the Basketball Free Throw in Preparation Phase of Elite Athletes[J]. International Journal of Human Movement and Sports Sciences， 2021. 9（6）： 1204～1212.

[18] Sumaia Saraireh， Ahmad Hassanat， Mohammad Abu Al-Taieb， et al. A New Dataset method for Biomechanical Training Model of the Free Throws Shots in Basketball Using Image Processing Technique[J]. Modern Applied Science， 2019. 13（2）.

[19] Binbin Zhao. Basketball shooting technology based on acceleration sensor fusion motion capture technology[J].EURASIP Journal on Advances in Signal Processing. （2021） 2021：21.

[20] 張" 嫣. 基于視覺分析的籃球投籃動作標(biāo)準(zhǔn)化判斷方法研究[J]. 現(xiàn)代電子技術(shù)."2017，40（03）.

[21] Rong Ji. Research on Basketball Shooting Action Based on Image Feature Extraction and Machine Learning[J]. IEEE Access， 2020（8）：138743～138751.

[22] Wenjuan Hu. The Application of Artificial Intelligence and Big Data Technology in Basketball Sports Training[J]. ICST Transactions on Scalable. 2023， 10（4）.

[23] Jingjin Fan，Shuo-ben，BiGuojie Wang， et al. Sensor Fusion Basketball Shooting Posture Recognition System Based on CNN[J].J. Sensors. 2021.

[24] Hang Pan， Jianwei Li， Huidong Wang， et al. Biomechanical analysis of shooting performance for basketball players based on Computer Vision. Journal of Physics： Conference Series， 2021.

[25] 李華偉，李建威. 籃球投籃機(jī)器人運(yùn)行軌跡跟蹤方法研究[J]. 機(jī)械設(shè)計與制造."2023（07）：277～280.

[26] Fenglin Dong， Sufei Yang， Peng Pu. Research on Skill Level of Basketball Free-Throw Based on the Viewpoint of Biomechanics[J]. Engineering.2013（1465）： 581～587.

[27] J. Hore，"S. Watts. Skilled throwers use physics to time ball release to the nearest millisecond[J].Journal of Neurophysiology. 2011，106（4）： 2024～2033.

[28] Weiqi Jiang. The influence of basketball shooting Angle afor shooting[J]. National Convention on Sports Science of China. 2017， 01022.

[29] Han Jiang. Dynamics principle-based analysis and teaching on basketball shooting act[J]. Engineering."2014.

[30] G. Hamilton， C. Reinschmidt. Optimal release conditions for the free throw in men's basketball. Journal of Sports Sciences， 2008， 26（11）：1147～1155.

[31] V. H. Okazaki，"A. Rodacki，"M. Satern.A review on the basketball jump shot[J]."Sports Biomechanics. 2015， 14（2）： 190～205.

[32] Zhuo Yang. Research on Basketball Players’ Training Strategy Based on Artificial Intelligence Technology. Journal of Physics： Conference Series， 2020，1648.

[33] R. Sarang， M. Motlagh， A. A. Tehrani， M. Pouladian. A New Learning Control System for Basketball Free Throws Based on Real Time Video Image Processing and Biofeedback. Engineering[J]. Technology amp; Applied Science Research， 2018.

[34] Andreas Schmidt. Movement pattern recognition in basketball free-throw shooting[J]. Human movement science， 2012， 31（2）： 360～382.

[35] Qingyao Yang， Jiangnan Shao， H. Zuo. Automatic Analysis of Basketball Shooting Based on Machine Learning[J]. 2021 IEEE International Conference on Artificial Intelligence and Computer Applications （ICAICA）， 2021.

[36] Yuliang Zhao，"Xiaoai Wang. Using IoT Smart Basketball and Wristband Motion Data to Quantitatively Evaluate Action Indicators for Basketball Shooting[J].Advanced Intelligent Systems. 2023.

[37] Bao Wei. Training Model of Basketball Offensive Route Based on Nonlinear Differential Equation[J].Applied Mathematics and Nonlinear Sciences. 2023，8（1）：1249～1256.

[38] B. Min. Application of Monte Carlo simulations to improve basketball shooting strategy. Journal of the Korean Physical Society[J]. Journal of the Korean Physical Society. 2016，69："1139～1143.

[39] N. Slegers， Davin Lee， Grant Wong. The Relationship of Intra-Individual Release Variability with Distance and Shooting Performance in Basketball[J]. Journal of sports science amp; medicine， 2021， 20，：508～515.

[40] Xuhui Song， Linyuan Fan. Pattern Recognition Characteristics and Neural Mechanism of Basketball Players’ Dribbling Tactics Based on Artificial Intelligence and Deep Learning[J]. Mathematical Problems in Engineering， 2022."Article ID"1673969.

[41] Yunus Egi. Basketball self training shooting posture recognition and trajectory estimation using computer vision and Kalman filter[J]. Journal of Electrical Engineering， 2022，73（1）：19～27.

[42] Huang Lu-ying. On the Ideology and Practice In Shooting Training of College's Basketball Team[J]. Journal of Jiangxi Institute of Education， 2003.

[43] Yao Cheng， Xiaojun Liang， Yi Xu， et al. Artificial Intelligence Technology in Basketball Training Action Recognition[J]. Frontiers in Neurorobotics， 2022，16.

[44] 霍" 波，李彥鋒，高" 騰，等. 體育人工智能領(lǐng)域關(guān)鍵技術(shù)的研究現(xiàn)狀和發(fā)展方向[J].首都體育學(xué)院學(xué)報."2023，35（03）：233～256.

[45] H. OkuboM. Hubbard. Kinematics of Arm Joint Motions in Basketball Shooting[J]. Engineering. 2015， 112 ：443～448.