伍 勰 ，曲 毅 ，刘思平 ，李 漩 ，唐伟棣 ，曹峰锐 ，刘 宇 *

2022年北京冬奥会的脚步日益临近。2021年1月19日，习近平总书记来到北京冬奥会、冬残奥会张家口赛区的国家跳台滑雪中心，期间，国家跳台滑雪队的科研教练团队向总书记汇报了科技攻关情况，团队积极开展自主创新，帮助运动员提高训练水平，助力中国跳台滑雪队备战北京冬奥会。习近平总书记指出，同我们国家的强国之路一样，中国冰雪运动也必须走科技创新之路，一方面要坚持自主创新，一方面要善于吸收国际上的先进技术和训练方法。

跳台滑雪运动由于其运动形式、所用装备以及运动环境的特殊性，对其进行科学化的测量和观察具有很大的挑战性。跳台所在的室外往往伴随有季风、低温和高湿等干扰因素，对测量仪器的硬件适应性和可靠性要求较高。同时跳台滑雪的运动速度极高，过程时间短，对设备的采样速度等关键指标也提出了较高的要求。另外，运动参数采集时需要非侵入性的设备以减少对运动员自身的干扰，以免影响运动员的发挥。

为满足上述跳台滑雪技术分析的要求，本研究团队在科技部国家重点研发计划“科技冬奥”重点专项的支持下，融合数字视频识别的人工智能技术、基于超宽带（ultra wide band，UWB）的精准定位技术和加速度传感技术等多项高科技手段，开发了一套跳台滑雪动作技术分析与反馈生物力学系统，成功实现了对跳台滑雪整个过程中重要数据的采集、分析与快速反馈，并在实践中得到了较好的应用，受到了教练员和运动员的肯定。

1 基本原理与技术路线

跳台滑雪过程可分为4个阶段：助滑、起跳、飞行和着陆（刘树明 等，2003）。通过文献分析（Janura et al.，2010；Schwameder，2008；Virmavirta，2000；Vodicar et al.，2010），并遵循生物力学原理，可基本确定跳台滑雪不同动作阶段的成绩要素（图1A）。

图1 跳台滑雪的成绩要素（A）与飞行距离的影响因素（B）Figure 1.Biomechanical Elements（A）of Ski Jumping and the Influencing Factors of Fly Distance（B）

在助滑阶段，运动员的主要任务是姿态控制，控制身体重心，并保持一个合理的低风阻流线型姿态，获得俯冲速度并为起跳做好准备。起跳是整个技术动作的关键，起跳动作的好坏决定着运动员的成绩（李成植等，2000）。由于助滑速度快（出台时速度可达90 km/h左右，基本呈水平方向），起跳阶段的主要任务则是获得尽可能大的垂直速度，其中蹬伸的加速度（爆发力）体现了专项体能，而起跳时机则体现了专项技术，总体上的要求就是增大垂直速度的同时尽可能地减小水平速度的损失。在飞行阶段，为了减少前进的空气阻力和增加升力，运动员在充分伸展肢体的同时需要保证合理的身体和雪板姿态角（胡齐等，2018），获得最佳的空气动力学表现，从而达到最大飞行距离。在着陆阶段，运动员必须保证着陆的稳定性和安全性。在跳台滑雪的成绩评判中，运动员的总得分是距离分加上飞行姿势分、出发门值分和风力补偿分。由于不同跳台的助滑道弧度及起跳端的仰起角存在差异，加上不同赛事所处的气候和雪情条件不同，跳台滑雪没有世界纪录，只有最好成绩，但影响成绩的最重要因素还是起跳时的动作技术与空中姿态（张桂珍等，2003）。若将飞行距离作为一个定量目标，可将飞行距离分为真空飞行距离和空气动力学距离（图1B）。真空飞行距离是指忽略空气作用时，仅由起跳的初始条件所决定的飞行距离，是可计算的。而空气动力学距离是指起跳后由空气对人体作用（升力与阻力）而形成的飞行距离，由于空气动力学的复杂性，这个距离不能直接计算，但可以通过将真实测量的飞行距离减去真空飞行距离得到（赵爽等，2017），结果的正负值取决于运动员在空中的姿态控制能力，在风速、风向稳定的情况下，正值越大表明空中技术越好。对跳台滑雪动作结构与成绩影响因素进行深入分析，有助于在训练中发现运动员技术动作中的瑕疵，确定其在技术或体能上的训练改进方向，这也是科技助力训练的核心目标。

针对跳台滑雪的动作技术特点，本研究的智能分析与反馈系统的研发技术路线如图2所示。采集运动员单次跳台滑雪中各类生物力学参数的时间序列，并记录环境参数、出发杠位值和距离成绩，形成一份完整的运动员数据记录，通过持续测试与录入，逐步构建多队员、多人次的跳台滑雪生物力学数据库。在此基础上，定期对运动员的技术动作进行横向与纵向的综合对比，包括与国外优秀运动员数据的对比，寻找不同训练周期运动员存在的问题，给予教练员关键指标的反馈和训练建议。

图2 智能分析与反馈系统研发技术路线图Figure 2.R&D Technical Route of Intelligent Analysis and Feedback System

2 系统模块与功能

本系统的主要特点是指向性研发。首先，系统的模块设计是针对跳台滑雪项目特点展开的，其输出的生物力学指标也具有专项性特征，基本涵盖了跳台滑雪运动中最重要的技术指标。其二，本系统是项目团队联合多家科研单位与科创公司，从系统构思到研发一步一步完善形成，具有明确的国内自主研发的特征，在研发过程中突破了大范围标定的问题，包括起跳区域跟踪范围的扩大和全程定位中的遮挡问题。

本系统研发的功能性模块包括采集和分析反馈两大模块。采集模块主要涉及软硬件构架、同步通信和数据整合，包括起跳区采集模块和全程运动跟踪模块。分析反馈模块的任务是建立数据库，综合数据分析并实现调取、对比、报告输出等功能。为保证描述的完整性，以下以采集模块的构架为基础，并结合相应数据分析结果，分为起跳区工作模块与全程工作模块两部分进行阐述。

2.1 起跳区工作模块

起跳（take-off）被认为是整个跳台滑雪最重要的阶段，因为它决定了后续飞行的初始条件（李成植等，2000；龙春生，1992；朴成龙 等，2004；Virmavirta et al.，2009；Vodicar et al.，2010）。跳台滑雪的起跳区是指滑道末端约6 m的直道区域（长度和角度依跳台设计而定），运动员的起跳动作在此区域内完成。在起跳过程中，运动员通过髋、膝关节的快速蹬伸来获取适宜的身体空翻角速度和身体重心垂直速度。较大的空翻角速度将使运动员在起跳离台后尽可能快地确定空中飞行姿势，最大限度减少身体在速度方向与空气接触的正面投影面积和时间，有效减小空气阻力，为空中飞行创造良好的空气动力条件（Arndt et al.，1995；Janura et al.，2011；Virmavirta et al.，2009）。另外，起跳阶段运动员身体重心垂直速度越大，离台后空中飞行轨迹的高度就越高（Vodicar et al.，2010）。因此，运动员在起跳阶段保持合理的身体姿态条件下，身体重心的垂直速度越大对跳跃飞行距离越有利。为捕捉起跳动作并进行快速反馈分析，本系统的视频图像识别、人体关节点的人工智能底层计算技术，采用了由北京体育大学、中国田径协会和大连锐动公司合作开发的、基于深度学习技术的计算机视觉人体跟踪与姿态估计技术，利用4台高速相机（120 Hz），在起跳区进行同步视频拍摄（图3），并通过AI技术快速识别运动员姿态，形成三维空间运动学特征指标的计算与输出，输出指标综合了相关文献的研究成果，包括运动员起跳和离台时的身体重心速度、髋关节角度、膝关节角度、躯干与水平轴夹角、肩膝关节连线与水平轴夹角，以及起跳阶段的髋膝关节伸展角速度、躯干与水平轴夹角角速度、肩膝关节连线与水平轴夹角角速度等（Arndt et al.，1995；Virmavirta et al.，2009），并配合显示三维特征图面及其指标值（图4）。同时，在起跳区正侧面架设独立高速相机（100 Hz）捕捉起跳的侧面视角图像，并利用Dartfish软件进行图像叠加视频反馈（图5）。

图3 四相机同步捕捉起跳动作的视角方案Figure 3.Perspective Scheme for Four Cameras to Capture Take-off Movements Simultaneously

图4 起跳过程及离台特征画面相关参数结果显示Figure 4.The Parameter Results during Take-off and Off-Station Phases

图5 运动员出台前后的动作姿态图像叠加显示Figure 5.Superimposed Display of the Posture Images of the Athletes before and after the Launch

2.2 全程工作模块

除了起跳，助滑和飞行技术与成绩也高度相关。有研究发现，与跳台滑雪距离成绩最显著相关的是助滑速度（Virmavirta et al.，2009），研究者认为，优秀的跳台运动员能有效减小滑雪板和助滑道之间的摩擦力，以及在助滑过程中保持更好的空气动力学表现。而在飞行阶段，运动员必须保持成功起跳所取得的优势，V型飞行方式中雪板姿态角与身体姿态都是重要的技术指标（胡齐等，2020a，2020b；刘树明，2002）。在不同的竞技水平上，影响运动成绩的因素可能有所差别，但更多更详细的过程数据收集对于寻找个体运动员自身的技术缺陷仍是不可或缺的。

在跳台滑雪运动分析的文献中，鲜见对运动员全程速度与姿态的跟踪捕捉研究，这可能主要受限于测试的硬件设备，在安装、采集、通讯等方面都具有技术难点。为解决这一问题，研发团队采用基于UWB的精准定位技术，这种技术是一种新兴的无线传输技术，具有精确三维动态定位的能力（Jan et al.，2021）。将UWB与加速度传感器整合为可穿戴元件（采样频率50 Hz），固定于运动员头盔之上，通过基站与传感器之间的数据交换，并结合特定跳台的几何学特征，获取运动员在助滑阶段和飞行阶段任一时刻的位置、速度与加速度。这样，与出台位置附近的运动学视频捕捉相结合，就能完成对整个跳台滑雪过程的重要参数的捕捉。在研发期间，所解决的重要技术问题包括：基站配置形成覆盖整个赛场的定位区域、对运动员进行数据实时采集和处理、对赛道的高度和坡道精准绘制等，实现了全程动作的数据化呈现。基本工作原理与结果数据显示见图6。其中数据曲线分别为运动员的全程速度与加速度时间序列，起跳点的速度值与通过视频分析得到的速度结果基本吻合，表明其精度可靠。在离台前运动员加速度在100 ms内达到峰值（3 g左右），表明起跳蹬伸动作的最大反作用力约为3 BW，与着陆时的最大反作用力基本相同。当然，由于传感器位于头盔顶端，数值与人体重心加速度会有所差别，后续可通过实验室条件下的模拟起跳与着地进行修正。

图6 基于UWB和加速度传感器的穿戴设备工作场景与数据显示Figure 6.Wearable Device Work Scene and Data Display Based on UWB and Acceleration Sensor

3 实际应用与建议

当前，应用本系统助力国家跳台滑雪队技术训练可基本做到快速反馈并当日提供技术分析报告。技术分析报告包括全队运动员关键技术指标汇总与个体运动员详细数据报告。技术指标汇总上述两大系统模块的分析结果，包括飞行距离、蹬伸开始至出台距离、蹬伸开始至出台时间、出台时膝关节角度、出台时刻重心水平/垂直速度、出台时刻速度方向角、出台时刻躯干与水平面夹角、出台时刻攻角、起跳阶段最大加速度、着陆时速度以及冲击加速度等。这些技术细节的定量化是传统录像观察无法达到的。

通过对近两个月的测试数据进行综合分析发现，我国运动员尚存在蹬伸距离短、出台垂直速度不足、起跳不充分等普遍性问题。这表明我国运动员的起跳爆发力有待提高，蹬伸时机的把握也需要更多的磨练，运动员在技术和体能上均具有很大的改善空间。我们建议，针对起跳阶段的专项力量训练应以中等负荷的快速力量练习为主，起跳爆发力练习时外加负荷应控制在0.5～0.8 BW，比如可采用负重蹲跳练习，并监控起跳时间与起跳速度，使之满足动作需求。

4 结语与展望

虽然本研发系统已初步具有智能捕捉与分析的功能，但仍有一些可改进的地方。国家跳台滑雪教练团队建议将可穿戴传感器放在躯干身体重心附近，以求获取更准确的数据。此外，将来还计划将姿态传感器放在雪板上，这样可以研究全程身体和雪板的互动关系。在起跳阶段的运动捕捉中，在条件允许的情况下将考虑在助滑道下方起跳区域铺设三维测力传感器构成的测力台装置，以获取更准确的动力学数据，包括力矢量及压心位置。

软件分析方面，下一阶段的工作重点是完善可视化反馈功能以及数据预测模型的建立。快速的可视化反馈对于教练员与运动员十分重要，虽然本系统已经能做到指标结果的快速反馈，并当日提供报告，但最终的目标是实现真正的实时反馈，将重要的指标及相关视频、动画展示等以最短的时间现场反馈给教练员与运动员。数据预测模型是指在完善的数据库的基础上，利用神经网络算法建立距离成绩的预测模型，深入揭示跳台滑雪的生物力学机制，这对于运动训练的理论与实践均具有指导意义。