這是北京冬奧會的第7天。

隨著賽程的展開，中國軍團不僅在優(yōu)勢項目上對金牌進(jìn)行激烈的角逐，也迎來越來越多項目的歷史首秀，刷新一個又一個最好成績。這些不斷被創(chuàng)造和改寫的歷史，正是中國冬季運動跨越式發(fā)展的生動寫照，也是中國健兒對“更快、更高、更強——更團結(jié)”的奧林匹克格言的生動詮釋。

不到十年，中國冰雪運動的水平就已經(jīng)追上了別人幾十年發(fā)展帶來的優(yōu)勢。這也帶動越來越多的人關(guān)心冬季運動產(chǎn)業(yè)，并讓全民健身有了向冰雪領(lǐng)域發(fā)展的勢頭。

可以說，從讓世界看見中國到“讓世界看見世界”，從2008年奧運會到2022年的冬奧會，十幾年來，中國運動員與奧林匹克的故事一直在變。

值得關(guān)注的是，如今，科技也成為北京冬奧會的亮麗底色，一系列新技術(shù)、新應(yīng)用，在冬奧會的各項工作中落地實踐，讓“科技冬奧”從愿景走進(jìn)了現(xiàn)實。在很多人看來，冬奧會是個技術(shù)活兒，有著AI范兒。

#01

從動作開始

2019年，國家體育總局針對冬奧籌備工作成立專家組，希望能利用高新技術(shù)指導(dǎo)運動員訓(xùn)練，繼而在中國劣勢項目上實現(xiàn)成績的突破。

這是中國備戰(zhàn)奧運會的傳統(tǒng)，最近幾屆奧運會中國代表團都享受到了科技帶來的便利，也堅定了使用高新技術(shù)配合備戰(zhàn)的決心。

因此，當(dāng)年1月，工信部、國家體育總局開始規(guī)劃制定冰雪裝備器材產(chǎn)業(yè)發(fā)展行動計劃，這被看作是中國備戰(zhàn)冬奧的助推器。

當(dāng)時，國內(nèi)對于體育運動技術(shù)研發(fā)最前沿的能力，大部分集中在北京體育大學(xué)。

當(dāng)時，整個北體大的研究團隊為了幫助田徑運動員，尤其是鉛球和鐵餅運動員備戰(zhàn)，建立了一套AI輔助運動訓(xùn)練系統(tǒng)。

這套系統(tǒng)是一個無反光點人體運動自動捕捉人工智能系統(tǒng)，也就是不用對于目標(biāo)貼放反光點，也能利用計算機自動建模對于目標(biāo)的動作進(jìn)行捕捉。

其中蘊藏的科技戰(zhàn)術(shù)是基于深度學(xué)習(xí)原理的人工智能技術(shù)，建立神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)對動作視頻中人體關(guān)節(jié)點的計算機自動識別，進(jìn)而建立起適用于競技體育和一般生物力學(xué)研究的計算機系統(tǒng)。

這套系統(tǒng)可以實現(xiàn)對運動員日常訓(xùn)練動作的記錄，然后可以告知運動員哪些動作可以微調(diào)，最終實現(xiàn)最有效率的用鏡，從而獲得成績上的突破。

在這套系統(tǒng)幫助下，中國選手鞏立姣和劉詩穎在東京奧運會女子投擲項目比賽中發(fā)揮出色，分獲鉛球和標(biāo)槍金牌。鞏立姣更以20米58創(chuàng)造了個人最好成績，也為中國隊贏得了奧運會田賽項目首枚金牌。

而這次北京冬奧會，體育總局又想起北體大的這套系統(tǒng)，并將提升雪上運動訓(xùn)練水平的任務(wù)交給了項目組。

不過，跟他們熟悉的田徑比賽不一樣，整個研究小組在冰雪訓(xùn)練中心一待就是半年，對于雪上項目和速度滑冰運動員進(jìn)行了超過8000多次的數(shù)據(jù)采樣，逐漸形成了項目數(shù)據(jù)庫。

畢竟，對于冰雪運動尤其是速度滑冰項目而言，一個動作微調(diào)都可能帶來1-2秒的增速，某些時候就是決定性的時間差。而這套系統(tǒng)建模完成之后，AI的深度學(xué)習(xí)可以明確告知運動員什么動作沒到位，又有哪些動作不對需要調(diào)整。

同樣，上海復(fù)旦大學(xué)人工智能專家張立華團隊也關(guān)注到人工智能在訓(xùn)練領(lǐng)域的應(yīng)用機會，他意識到，動作識別與檢測、運動分析與追蹤等技術(shù)可應(yīng)用于冰雪項目訓(xùn)練，并提出用AI提高冰上運動訓(xùn)練水平的建議。

2019年2月，在首鋼訓(xùn)練基地，整個研發(fā)小組同國家體育總局冬季運動管理中心聘請的高水平運動表現(xiàn)顧問克里斯汀·科林斯女士進(jìn)行溝通，討論了智能輔助分析系統(tǒng)的實用價值。在得到認(rèn)可后，他帶領(lǐng)團隊同吉林省體育局合作，開始構(gòu)建冰上運動智能訓(xùn)練示范系統(tǒng)。

研究人員用基于人工智能計算機視覺算法，對滑冰運動員的動作、姿態(tài)、速度等信息進(jìn)行分析對比，從定性、定量再到定制化分析每個運動員的特點，然后在疊加經(jīng)過深度學(xué)習(xí)的系統(tǒng)判斷，最終為運動員矯正姿態(tài)提升成績提供幫助，提高科學(xué)化訓(xùn)練水平與效率。

#02

運動捕捉與評分

其實，這次幫助冬奧選手備戰(zhàn)的AI系統(tǒng)，優(yōu)點在于多項算法技術(shù)可以確保自動識別快速準(zhǔn)確。

畢竟，這是一種運動視頻自動解析，至少需要解決識別-跟蹤-預(yù)測3個問題。首先，由于運動現(xiàn)場拍攝視頻，畫面環(huán)境復(fù)雜多樣，于是兩個團隊在常用的運動人體跟蹤算法中結(jié)合了光流跟蹤技術(shù)，有效規(guī)避快速運動造成的影像模糊，減少復(fù)雜背景等因素干擾，通過動作量的多少、動作幅度的大小來準(zhǔn)確鎖定主ID（身份人物），確保能夠“跟得住”。

其次，整個系統(tǒng)需要對大量已標(biāo)記的訓(xùn)練數(shù)據(jù)進(jìn)行機器學(xué)習(xí)，利用計算機系統(tǒng)形成神經(jīng)網(wǎng)絡(luò)，可識別不同運動姿態(tài)下的人體關(guān)節(jié)點，達(dá)到“識別準(zhǔn)”。

最后，該系統(tǒng)運用算法增加對連續(xù)運動的時間約束，即識別出各個關(guān)節(jié)點的高頻誤差并把它排除掉，以此修正關(guān)節(jié)點位置坐標(biāo)，對每一幀圖像的關(guān)節(jié)點進(jìn)行獨立計算，減小獨立計算時關(guān)節(jié)點位置的隨機誤差，最終獲得高精度計算結(jié)果。

來自體育總局的信息顯示，從2019年起經(jīng)過數(shù)個版本的迭代升級，該系統(tǒng)已能快速準(zhǔn)確地自動識別運動視頻中的人體關(guān)節(jié)點，對旋轉(zhuǎn)、翻滾等人體動作也能進(jìn)行比較好的自動識別。

而如果系統(tǒng)采用的是工業(yè)錄像機，數(shù)據(jù)的傳輸與處理往往在1—3分鐘就可完成。這將對技巧類運動員深刻體驗競技狀態(tài)、掌握技術(shù)要領(lǐng)起到至關(guān)重要的作用。

同時，這一系統(tǒng)還提供多種空間三維標(biāo)定方案，可解決大范圍、高空動作的數(shù)據(jù)采集問題。

具體來說，在縱橫20—30米的空間范圍都可覆蓋。尤其是針對跳臺滑雪空中技巧類的項目，能夠為教練員很難用肉眼識別的技術(shù)細(xì)節(jié)找尋改進(jìn)的空間。

目前，該系統(tǒng)已被用于鋼架雪車、花樣滑冰、跳臺滑雪、越野滑雪、速度滑冰等項目的國家隊備戰(zhàn)訓(xùn)練工作，提升的相應(yīng)效果已經(jīng)成為當(dāng)下能看得見的運動成績突破。

另外，要幫助教練找到運動員訓(xùn)練中的問題并加以解決，除了對運動態(tài)勢實現(xiàn)實時捕捉外，還需要建模對其進(jìn)行分析。

這就是所謂的AI評分系統(tǒng)，可將轉(zhuǎn)瞬即逝的動作轉(zhuǎn)化為空間坐標(biāo)上量化的數(shù)據(jù)指標(biāo)，無論是動作糾偏還是動作打分，都可以達(dá)到極高精度。這其中運用的目標(biāo)識別與目標(biāo)跟蹤都是計算機視覺（CV）領(lǐng)域的重要研究內(nèi)容。 

整個評分系統(tǒng)，通過對之前比賽數(shù)據(jù)的解讀和裁判標(biāo)準(zhǔn)的數(shù)據(jù)化記錄，可以會對運動員動作視頻進(jìn)行逐幀的分析和檢測。

而經(jīng)過目標(biāo)檢測、目標(biāo)描述、目標(biāo)搜索和模型更新4個階段，整個系統(tǒng)就能得出運動員的運動軌跡和動作信息，并據(jù)此進(jìn)行評分。

#03

深度學(xué)習(xí)

實際上，此次冬奧利用AI技術(shù)助力備戰(zhàn)的核心，是深度學(xué)習(xí)。畢竟，只要教會系統(tǒng)判斷運動員動作的可靠性和合理性，才能提高他們的訓(xùn)練效率。而這些判斷能力的背后，無一例外意味著強大的深度學(xué)習(xí)能力。

從公開信息不難看出，當(dāng)前中國的體育AI項目，大部分都采用網(wǎng)絡(luò)嵌入這個最新的深度學(xué)習(xí)理論。

該方法計算各種數(shù)據(jù)點直接的相似性，從中找到隱藏其中的各種結(jié)構(gòu)，最后在計算機系統(tǒng)中建立判斷模型。

而矩陣分解的數(shù)據(jù)融合（DFMF）是網(wǎng)絡(luò)嵌入理論尋找數(shù)據(jù)結(jié)點的方法，可以預(yù)測異構(gòu)節(jié)點之間直接和間接交互，最終幫助系統(tǒng)找到其中的規(guī)律。

其實，深度學(xué)習(xí)是一種機器學(xué)習(xí)技術(shù)，可以從非常大的、異構(gòu)的、高維數(shù)據(jù)集的原始數(shù)據(jù)中自動提取高級特征。這一優(yōu)勢使深度學(xué)習(xí)非常適合生物學(xué)中大數(shù)據(jù)的復(fù)雜性，因為它可以用于網(wǎng)絡(luò)嵌入以找到復(fù)雜的結(jié)構(gòu)特征并學(xué)習(xí)深度、高度非線性的節(jié)點表示。

某種意義上，這個AI助力冬奧備戰(zhàn)的深度學(xué)習(xí)系統(tǒng)就是在訓(xùn)練一個含有若干個模型的集合，并根據(jù)平均輸出進(jìn)行預(yù)測。

為了將特殊的活動也納入考慮，深度學(xué)習(xí)和集體智能的其它組合采納了復(fù)雜系統(tǒng)的一些概念，如自組織、涌現(xiàn)行為、粒子群優(yōu)化和元胞自動機。由此產(chǎn)生的系統(tǒng)，已經(jīng)被證明是上一段所述某些問題的潛在解決方案。

新的技術(shù)更注重問題的表述和機制，以此促進(jìn)新穎的表現(xiàn)或比簡單地聚集各個結(jié)果更好的結(jié)果。而AI在體育運動領(lǐng)域的發(fā)展，也必然會不斷推動深度學(xué)習(xí)在智能判斷領(lǐng)域的不斷深入和拓展。

也許，未來的冬奧會不光會有AI教練，甚至還會有AI裁判。

到那時，社會將變成一個無法想象的存在。