罗 丹

(龙岩学院 体育与健康学院，福建 龙岩 364012)

现代篮球运动已经不仅仅是运动员之间的竞赛，它已经逐渐成为各个国家技术发展的综合竞争.篮球赛事中各项记录的突破，不仅是人类突破生理极限的体现，也是体育技术创新的体现[1-2].因此，与体育科学交叉的学科越来越受到篮球运动员、裁判员、教练员的重视，主要包括生物力学、心理生理学、运动医学和计算机科学等.其中在计算机科学方面，为了提高篮球运动训练中的科学技术分析能力，需要自动获取篮球运动员训练过程中的各种技术参数[3-4].

传统技术参数的获取方法是在篮球运动员身上添加传感器，但该方法的缺点是可能会影响篮球运动员的比赛成绩[5].而篮球赛事的录播影像通常有一个统一的拍摄模式，其保真度和实时交互性为获取运动员的技术参数提供了强有力的支持，这样既能使篮球运动员和教练员达到直观教学和快速反馈的目的，又能大大降低运动员受伤的可能性[6].因此，各种体育动作识别跟踪技术已经被用来提取这些影像中的技术动作，以此实现人机交互，为进一步提升运动员的技能并保护其免受运动伤害带来了巨大的成效[7-8].

JI等[7]开发了一种用于人类行为识别的3D卷积神经网络(Convolutional neural network, CNN)架构，在查看动作影像时，计算机实时捕捉人体运动轨迹和运动趋势，以确定人体部位的位置和形态，然后通过计算机分析动作的技术特征，并将分析结果报告……