付 超

游泳运动员在水中头部及身体姿态的变化会产生阻力.其阻力主要为摩擦阻力、粘差阻力和兴波阻力.摩擦阻力是运动员体表与液体接触产生的阻力，是运动员向前行进时切向所产生的反向力.粘差阻力主要取决于运动员体表与液体的接触面积和运动速度.兴波阻力则来源于运动员在水与空气交界处运动产生的波动.为降低阻力的影响，需要对游泳运动员进行头部姿态的特定训练，让运动员保持头肩部尽可能与水面平行，并在呼吸换气过程时保持头部的稳定，从而形成有利于克服阻力干涉条件［1］.但在当前的训练过程中，教练员很难从池上准确观察运动员头部动作是否完善，因此，需要采用更先进的科技方案解决运动员头部姿势的估计问题.

采用流体力学计算和机器学习识别方法，能够有效捕捉流场细节，精准识别游泳运动员头部姿态，同时机器识别具备自动性和重复性，可以减轻教练员的工作量.机器识别的研究大致可以分为两个方向，其一是由外至内（Outside to inside）的场景研究方案，主要是通过在泳池中设置仿生摄像头，进而捕捉游泳运动员行进过程中的力学变化，已有学者进行了相关研究.例如，ZAÏDI H 等采用CFD技术模拟了游泳运动员行进过程中的流体力学表现，并对游泳阻力进行深入分析［2］；NAEMI ROOZBEH 等通过三维模型构建，基于AR 技术对运动员全身姿态进行估计，对于游泳运动员的周边阻力变动进行数值计算［3］；其二……