摘要：競技體育是體育的重要組成部分，對于推動全民健身、提升國際影響力、促進國家經(jīng)濟發(fā)展等具有重要意義。隨著人工智能技術的發(fā)展，競技體育不斷融入人工智能技術來促進 體育訓練的科學性和競賽的公平性。本文梳理與總結了近年來人工智能領域中的數(shù)據(jù)挖掘、計算機視覺和可穿戴設備在競技體育中的研究現(xiàn)狀，指出當前人工智能應用于競技體育在數(shù)據(jù)采集、數(shù)據(jù)安全性、數(shù)據(jù)公開性等方面存在的問題，并對未來研究方向進行了展望。

關鍵詞：人工智能，競技體育，數(shù)據(jù)挖掘，計算機視覺，可穿戴設備

The current research status and prospects of artificial intelligence in competitive sports

Zhao Yantao1，2， Chen Li1

（1． School of Physical Education （Main Campus）， Zhengzhou University， Zhengzhou， Henan， 450001， China; 2. Zhengzhou Sports Vocational College， Zhengzhou， Henan， 450001， China）

Abstract：Competitive sports are an important component of sports and have significant implications for promoting national fitness， enhancing international influence， and advancing national economic development. With the development of artificial intelligence technology， competitive sports continually integrate artificial intelligence technology to promote the scientific nature of sports training and the fairness of competition. We summarized the research status of data mining， computer vision， and wearable devices in the field of artificial intelligence in competitive sports in recent years. We pointed out the existing problems in data collection， data security， and data openness when applying artificial intelligence to competitive sports， and provided prospects for future research directions.

Keywords： artificial intelligence， competitive sports， data mining， computer vision， wearable devices

競技體育是以創(chuàng)造優(yōu)秀運動成績、奪取比賽勝利為主要目標的體育活動，是體育的重要組成部分。發(fā)展競技體育不僅可以塑造國家形象和民族精神，還可以促進公眾健康和城市經(jīng)濟發(fā)展。2021年10月25日，國家體育總局公布的《國家“十四五”體育發(fā)展規(guī)劃》中指出要“堅持舉國體制與市場機制相結合，構建競技體育發(fā)展新模式，加大科技賦能”。2022年6月第十三屆全國人民代表大會常務委員會第三十五次會議修訂的《中華人民共和國體育法》中指出：國家要促進競技體育發(fā)展，鼓勵運動員提高競技水平，在體育賽事中創(chuàng)造優(yōu)異成績，為國家和人民爭取榮譽。競技體育中如何利用科學化、智能化手段提高運動員在比賽中的成績與如何利用人工智能方法促進比賽的公平公正是重要的研究課題。

人工智能旨在開發(fā)計算機系統(tǒng)，使其能夠模仿人類智能的特征和執(zhí)行智能任務，包括機器學習、機器視覺、自然語言處理等多個子領域。人工智能技術在競技體育中具有多方面的應用：（1）數(shù)據(jù)分析和決策。與傳統(tǒng)人工分析相比，人工智能可快速準確分析大規(guī)模數(shù)據(jù)，并根據(jù)需求進行預測。（2）輔助制定個性化訓練方案。人工智能可挖掘運動員個體差異，輔助制定個性化訓練計劃。（3）輔助執(zhí)裁。在比賽或訓練中利用攝像頭、傳感器等設施對比賽過程實時監(jiān)測，輔助執(zhí)裁。（4）預防運動損傷。通過分析生理數(shù)據(jù)，減少運動傷病風險。人工智能可為競技體育提供智能化、個性化支持，助力運動員和教練在競技領域取得更好成績和促進比賽公平。

本文立足于人工智能方法在競技體育中的應用，梳理總結了近年來數(shù)據(jù)挖掘、計算機視覺和可穿戴設備在該領域的研究成果，并對未來研究進行了展望。

1 數(shù)據(jù)挖掘在競技體育中的應用

數(shù)據(jù)挖掘是指通過挖掘大數(shù)據(jù)中隱含的信息并總結規(guī)律，來解釋各種現(xiàn)象與預測未來發(fā)展趨勢的技術[1]。數(shù)據(jù)挖掘一般利用統(tǒng)計學、機器學習等進行數(shù)據(jù)分析，按照目標任務從大量數(shù)據(jù)中發(fā)現(xiàn)其模式與關聯(lián)。在競技體育領域中，數(shù)據(jù)挖掘技術已應用于預測訓練成績、預測運動負荷水平、預測運動疲勞與損傷、輔助優(yōu)化訓練過程等方面。在監(jiān)控運動員訓練過程，降低運動員運動損傷風險，輔助教練員復盤競賽等方面發(fā)揮重要作用。

在成績預測方面，主要方法為搜集運動員在某一項目上的歷史訓練數(shù)據(jù)，采用機器學習方法構造預測模型，以實現(xiàn)對成績的預測。嚴玉清等[2]利用前饋神經(jīng)網(wǎng)絡預測三級跳遠的成績。黃謙[3]等基于關鍵神經(jīng)網(wǎng)絡方法，對體能訓練成績進行了預測。

在訓練負荷預測方面，主要方法為收集運動員們的生理生化指標數(shù)據(jù)，將數(shù)據(jù)經(jīng)過處理后輸入至構建的數(shù)據(jù)挖掘模型中進行訓練與測試。岳志強等[4]選取心率、血紅蛋白、攝氧量等多個生理指標，基于支持向量機算法對運動訓練效果進行評估。李澤檳[5]基于BP神經(jīng)網(wǎng)絡預測訓練負荷水平，該方法使用改進選擇算子的自適應遺傳算法確定初始權值與閾值，提高了網(wǎng)絡的全局尋優(yōu)能力。

在運動疲勞與損傷預測方面，主要方法為收集運動員的運動數(shù)據(jù)，使用機器學習算法構建預測模型，及時識別潛在的疲勞或損傷風險，提供個性化的訓練建議和休息計劃，以幫助運動員優(yōu)化訓練計劃，避免過度訓練，提高訓練效果和降低運動損傷風險。Li等[6]針對田徑運動高強度的訓練可能會導致不同程度的心肌損傷問題，構建了評定心肌損傷程度的模型。Mandorino等[7]持續(xù)六個月監(jiān)測了多名足球運動員的訓練負荷參數(shù)，采用多個機器學習方法研究訓練負荷參數(shù)對運動員身體恢復狀況的影響。

在輔助優(yōu)化訓練過程方面，數(shù)據(jù)挖掘技術目前多被應用于對賽事進行動態(tài)監(jiān)測以及對收集的比賽數(shù)據(jù)進行分析挖掘，達到輔助決策技戰(zhàn)術的目的[8]。梁成軍等[9]依托Weka數(shù)據(jù)挖掘平臺，使用Apriori算法建立網(wǎng)球擊球落點與得失分之間的關聯(lián)規(guī)則數(shù)據(jù)挖掘模型，為網(wǎng)球比賽中的擊球落點與得失分決策提供科學依據(jù)。Zhong等[10]提出了一種籃球運動動作識別系統(tǒng)，基于人工神經(jīng)網(wǎng)絡，使用卷積長短時記憶網(wǎng)絡從視頻中提取籃球運動訓練的時空信息特征，結合注意力機制和長短時記憶網(wǎng)絡，協(xié)助教練做出技戰(zhàn)術決策。

綜上所述，數(shù)據(jù)挖掘方法可對競技體育中產生的數(shù)據(jù)進行分析，幫助教練和運動員分析比賽數(shù)據(jù)，識別弱點和優(yōu)勢，并制定更有效的訓練和比賽策略。通過分析運動員的生理數(shù)據(jù)和訓練歷史數(shù)據(jù)，數(shù)據(jù)挖掘可以預測傷病發(fā)生的風險，延長運動員競技生涯壽命。通過對賽事動態(tài)監(jiān)控，數(shù)據(jù)挖掘可輔助教練員進行技戰(zhàn)術決策，降低教練員決策壓力和決策失誤概率。

2 計算機視覺在競技體育中的應用

計算機視覺是指通過對數(shù)字圖像、視頻等分析，達到對某物體的識別、跟蹤、重建等目的的方法。計算機視覺技術包括：物體檢測，語義分割，運動和跟蹤，三維重建，動作識別等。目前在競技體育領域中主要應用于協(xié)助裁判員執(zhí)裁、輔助運動員評估訓練動作完成質量等方面。

在協(xié)助執(zhí)裁方面，人工執(zhí)裁在一些極端情況下受限于視野遮擋、反應速度等原因，只能靠裁判的個人經(jīng)驗和預判進行判罰，易發(fā)生漏判誤判。使用較為廣泛的是Sport VU系統(tǒng)[11]。該系統(tǒng)使用多個高速攝像頭和計算機視覺算法，實時收集和分析運動員的位置和動作數(shù)據(jù)，跟蹤和分析體育比賽中運動員和球的位置、運動軌跡等，協(xié)助執(zhí)裁。

在運動員動作識別與追蹤方面，通過計算機視覺技術提高動作完成質量的主要方法為使用攝像頭捕捉運動員動作視頻或圖像，構建模型進行動作識別。Chang等[12]提出一種基于深度學習的乒乓球戰(zhàn)術分析系統(tǒng)，通過3D卷積神經(jīng)網(wǎng)絡自動分類發(fā)球動作類型。陳文繼等[13]基于Radon變換進行圖像預處理，使用支持向量機算法對健美操跳躍動作進行提取和預測。

在肢體動作評分方面，通過視頻分析和機器學習算法，對運動員比賽表現(xiàn)進行評價，為運動員提高比賽成績和輔助執(zhí)裁提供依據(jù)。Shen 等[14] 提出基于多視圖深度神經(jīng)網(wǎng)絡的功能運動質量測試（FMS）自動評估框架。?tepec等[15] 利用人體姿態(tài)估計方法建立了跳臺滑雪風格自動評分模型。

綜上所述，計算機視覺技術已應用協(xié)助執(zhí)裁、動作識別與追蹤、肢體動作評分等方面。計算機視覺技術的合理應用不僅可以輔助裁判員解決極端情況下的執(zhí)裁，促使執(zhí)裁更加公正合理；還可以將運動員比賽和訓練過程全程可視化，通過分析運動員的動作，及時優(yōu)化技戰(zhàn)術，提高運動員訓練質量和提高比賽成績等。

3 可穿戴設備在競技體育中的應用

可穿戴設備指可以佩戴在身體上并與使用者交互的電子設備。競技體育領域的可穿戴設備主要是指可佩戴于人體主要部位，采集運動員心率、位置、角速度等信息的運動裝備。競技體育中可穿戴設備的作用包括監(jiān)測運動員生理指標、提供實時數(shù)據(jù)反饋從而對運動過程分析，以改善運動訓練效果、預防運動損傷、促進健康管理等。可穿戴設備產生的數(shù)據(jù)也是數(shù)據(jù)挖掘技術的主要數(shù)據(jù)來源之一。

目前許多競技體育項目都在嘗試使用可穿戴設備，如：足球、短跑、自行車、滑雪項目等[16]。Mudeng等[17]基于慣性傳感器對人體步態(tài)進行檢測，使用加速度計測量步行和跑步時的典型腿部角度，使用陀螺儀從時域數(shù)據(jù)中獲取步幅頻率。郝正東[18]等利用慣性傳感器IMU，設計了一套皮劃艇技術動作監(jiān)測系統(tǒng)。

在利用可穿戴設備提高運動員比賽成績方面，陳財鑫等[19]提出在田徑項目中使用耳部可穿戴設備，通過發(fā)送刺激大腦的信號，提高田徑運動員肌肉的運動能力，提高訓練成績。Umek 等[20]開發(fā)了一個用于指導高爾夫運動員運動姿態(tài)的可穿戴訓練系統(tǒng)。該系統(tǒng)在運動員揮桿期間，向用戶發(fā)出頭部移動錯誤信號，幫助高爾夫球手糾正揮桿期間不需要的頭部動作。

綜上所述，可穿戴設備技術目前可應用于實時監(jiān)測運動員的心率、血壓、血氧等生理參數(shù)，以及速度、加速度、角速度等運動參數(shù)；監(jiān)測運動員的運動負荷和恢復情況，優(yōu)化訓練計劃，避免過度訓練；提高運動員成績。

4 當前存在問題及未來研究方向

4.1存在的問題

人工智能在競技體育領域的廣泛應用給競技體育領域帶來諸多便利，同時也帶來了一些問題。

（1）數(shù)據(jù)隱私安全問題。運動員數(shù)據(jù)在采集或傳輸過程中可能遭到泄露。應構建運動員數(shù)據(jù)使用確權體系，規(guī)范和限定運動員數(shù)據(jù)的采集和處理；針對不同場景中的數(shù)據(jù)設置不同等級的隱私保護措施，最大限度保護運動員的信息[21]。

（2）公開數(shù)據(jù)集較少且數(shù)據(jù)標準化、互通性較低。競技體育項目類別眾多，不同運動項目、團隊和設備使用不同的數(shù)據(jù)格式，并且構建數(shù)據(jù)集時大多數(shù)都秉持著自建自用對外保密原則，限制了數(shù)據(jù)共享和集成[22]。

（3）技術成本高。采用先進的人工智能技術需要可穿戴設備、視頻捕捉設備、高精度測試軟件等，這些設備通常較昂貴，對于小型運動團隊或資源有限的體育機構，可能面臨成本上的挑戰(zhàn)，限制了人工智能技術的普及。

（4）一些人工智能算法的決策過程是黑盒的，難以解釋和理解。在競技體育中，教練和運動員通常更傾向于使用能夠提供透明解釋的算法，以更好地理解決策依據(jù)。

4.2未來研究方向

（1）針對數(shù)據(jù)安全問題，未來可發(fā)展數(shù)據(jù)安全技術，通過在個體數(shù)據(jù)中引入噪聲或擾動，保護隱私信息；研究數(shù)據(jù)采集和使用相關法規(guī)和政策制定，明確數(shù)據(jù)使用范圍和目的，保護運動員的隱私權；研究可控隱私技術，使運動員能夠更主動地掌控其個人數(shù)據(jù)的共享和使用，確保他們對數(shù)據(jù)的控制權和決策權。

（2）鼓勵公開數(shù)據(jù)集，完善數(shù)據(jù)使用相關要求。建設體育數(shù)據(jù)庫平臺用以公開體育數(shù)據(jù)。數(shù)據(jù)擁有者可將采集到的體育數(shù)據(jù)和數(shù)據(jù)說明上傳至平臺，經(jīng)審核后，按照類別發(fā)布到平臺的不同模塊下?？蒲腥藛T根據(jù)需要可免費下載。

（3）通過校企合作，開發(fā)更加高效、低成本的體育數(shù)據(jù)采集系統(tǒng)和可穿戴設備。學校為企業(yè)提供數(shù)據(jù)采集和系統(tǒng)驗證的運動場景，企業(yè)通過采集到的數(shù)據(jù)研發(fā)適用于體育領域的人工智能模型和裝備，通過不斷迭代優(yōu)化得到精準的數(shù)據(jù)分析系統(tǒng)和舒適的可穿戴設備。

（4）開發(fā)具有可解釋性的算法，提高預測結果的可解釋性。深度學習由于其良好的性能在多個領域得到廣泛應用，但其決策過程是“黑盒”的，可解釋性差。而了解預測背后的原因對于增強模型信任性非常重要。因此，研究兼具高性能和可解釋性的模型對于促進運動訓練效果至關重要。

5 總結

數(shù)據(jù)挖掘、計算機視覺和可穿戴設備在競技體育中的應用帶來了許多優(yōu)勢。數(shù)據(jù)挖掘技術可用于優(yōu)化訓練計劃、預防傷病、分析戰(zhàn)術以及評估訓練效果等。計算機視覺技術可輔助執(zhí)裁，提高比賽公平性，識別與跟蹤運動員訓練動作、優(yōu)化技戰(zhàn)術等。可穿戴設備可實時監(jiān)測運動員的生理參數(shù)，幫助預防運動損傷，記錄比賽數(shù)據(jù)，提高訓練質量。然而，當前還存在數(shù)據(jù)隱私保護、數(shù)據(jù)孤島、設備佩戴舒適性、技術成本較高等問題。隨著人工智能技術不斷發(fā)展，人工智能應用在競技體育中的潛力將繼續(xù)擴大，為運動員和教練提供更多軟硬件設備來提高訓練效果和比賽成績。

參考文獻

[1]Chunmei Yuan， Yikun Yang and Yang Liu. Sports decision-making model based on data mining and neural network[J]. Neural Computing and Applications， 2021， 33： 3911-3924.

[2]嚴玉清， 蔡廣基， 周小平等. 神經(jīng)網(wǎng)絡模型在競技運動理論中的應用[J]. 華南理工大學學報（自然科學版）， 1999（09）： 104-110.

[3]黃謙， 石勇. 數(shù)據(jù)挖掘在體育訓練指導中的應用研究[J]. 廣州體育學院學報， 2009， 29（06）： 106-110.

[4]岳志強.基于機器學習算法的運動員訓練效果評估研究[J].電子設計工程，2021，29（20）：110-114.

[5]李澤檳. 自行車運動員訓練負荷預測模型研究及應用[D].鄭州大學，2019.

[6]Guanguan Li. Machine Leaning-Based Optimization Algorithm for Myocardial Injury under High-Intensity Exercise in Track and Field Athletes， Computational Intelligence and Neuroscience， 2022： 1-9.

[7]Mauro Mandorino， A. Figueiredo， G. Cima， et al. Analysis of Relationship between Training Load and Recovery Status in Adult Soccer Players： a Machine Learning Approach. International Journal of Computer Science in Sport， 2022， 21（2） ：1-16.

[8]韓伯臻. 基于大數(shù)據(jù)技術的體育賽事安全風險動態(tài)監(jiān)測及隱患防范與評估[D].西北民族大學， 2023.

[9]梁成軍， 虞麗娟， 王繼紅.網(wǎng)球技戰(zhàn)術關聯(lián)分析數(shù)據(jù)挖掘研究[J]. 計算機工程與應用， 2012， 48（07）： 246-248.

[10]Si Zhong， Application of Artificial Intelligence and Big Data Technology in Basketball Sports Training， Wireless Communications and Mobile Computing， 2022， 1-10.

[11]張凱林. CUBA與NCAA聯(lián)賽大數(shù)據(jù)應用的研究[D]. 哈爾濱體育學院， 2022.

[12]Chunlin Qin and Shenglu Huo. Detection Method of Limb Movement in Competitive Sports Training Based on Deep Learning， Journal of Mathematics， 2022， 1-8.

[13]陳文繼.基于Radon變換的健美操跳躍動作軌跡實時提取方法[J].自動化技術與應用，2023，42（01）：60-63+81.

[14]YuanYuan Shen， QingJun Xing and YanFei Shen. Markerless vision-based functional movement screening movements evaluation with deep neural networks， iScience， 2024， 27（1）： 108705.

[15]Dejan ?tepec and Sko?a Danijel. Video-Based Ski Jump Style Scoring from Pose Trajectory. 2022 IEEE/CVF Winter Conference on Applications of Computer Vision Workshops （WACVW）， Waikoloa， HI， USA， 2022， pp. 682-690.

[16]馬冉， 劉宏超. 國際競技訓練領域內可穿戴設備的應用及未來發(fā)展趨勢[J]. 湖北體育科技， 2020， 39（12）： 1113-1117.

[17]Vicky Mudeng， Imam M. Hakim， Sena S. Suprapto， et al. An Alternative Athlete Monitoring System Using Cost-Effective Inertial Sensing Instrumentation. Journal of Electrical Engineering amp; Technology， 2022， 17： 3581–3592.

[18]郝正東. 基于可穿戴計算的皮劃艇技術動作識別與評價[D].大連理工大學，2021.

[19]陳財鑫.可穿戴設備對體育教學和運動訓練的積極影響研究[C]//中國體育科學學會體育管理分會.2023年第十一屆全國體育管理科學大會論文摘要集.成都體育學院;，2023：2.DOI：10.26914/c.cnkihy.2023.022377.

[20]Anton Umek， Sa?o Toma?i? and Anton Kos . Wearable training system with real-time biofeedback and gesture user interface， Personal and Ubiquitous Computing， 2015， 19： 989–998.

[21]蘭帥輝， 張麟. 智能技術賦能體育傳媒產業(yè)研究[J]. 體育文化導刊， 2023， （12）： 96-103.

[22]鄭霖豪，莊家熾，任羽卓.人工智能賦能體育產業(yè)升級：理論邏輯與實踐路徑[J].科技管理研究，2023，43（24）：107-116.