基于多媒體視頻的高水平乒乓球運動員技術能力評估

毛文武,虞麗娟,,凌培亮,王 杰,梁成軍

(1.同濟大學機械工程學院,上海 200092;2.上海海洋大學工程學院,上海 201306;3.上海體育學院運動技術學院,上海 200438;4.國家體育總局運動技戰術診斷與分析重點實驗室,上海 200438)

基于多媒體視頻的高水平乒乓球運動員技術能力評估

毛文武1,2,虞麗娟1,2,3,凌培亮1,王 杰4,梁成軍3

(1.同濟大學機械工程學院,上海 200092;2.上海海洋大學工程學院,上海 201306;3.上海體育學院運動技術學院,上海 200438;4.國家體育總局運動技戰術診斷與分析重點實驗室,上海 200438)

針對乒乓球比賽技術特點和傳統評估方法的不足,構建了基于多媒體視頻的高水平乒乓球運動員技術能力評估系統.研制了比賽數據采集軟件,利用比賽視頻采集國內外高水平運動員技術數據,實現了數據采集的連續性和系統性,運用微粒群算法結合神經網絡對高水平乒乓球運動員臨場技術能力進行評估,模型精確性和收斂性較好,為指導運動員訓練和比賽提供了一定的決策參考.

乒乓球運動員;技術能力;多媒體視頻

乒乓球是我國國球,擔負著奧運會、世界錦標賽、世界杯等重大賽事中奪取金牌的重大任務,然而目前國內外頂級選手的水平非常接近,比賽日趨激烈,奪金形勢日趨嚴峻.運動員的技術能力、戰術能力、臨場心理狀態、身體機能狀態,教練員指導水平,比賽場地,甚至比賽器材等都會影響比賽勝負,這些因素互相作用并組合出現,呈現出無序性、不確定性和隨機性,其中運動員的臨場技戰術能力是決定比賽勝負的主要因素,身體機能和心理等因素最終也通過運動員比賽現場技戰術行為來體現.自20世紀80年代以來,國內外不少專家學者致力于高水平乒乓球運動員臨場技戰術能力評估與診斷的研究和實踐[1],影響較大且運用較廣的主要有吳煥群等[2]提出的分段指標評估法和李今亮等[3]提出的十項指標評估法.傳統的技戰術評估方法操作簡便、速度快,能及時地將技戰術統計數據反饋給教練員[4],但受教練員和專家的主觀影響較大,評估指標較少,易遺漏某些較重要的技戰術能力信息.本文基于重大比賽的多媒體視頻庫,采集國內外高水平運動員技術數據,實現了數據采集的連續性和系統性,運用微粒群算法結合神經網絡對高水平乒乓球運動員臨場技術能力進行評估,模型精度較高、收斂性較好,且可進一步結合多媒體視頻中的運動員面部表情、情緒動作、語言對運動員比賽中的心理能力進行評估.

1 乒乓球比賽技術的總體特征

乒乓球比賽技術的實施過程實際是一個控制與反控制的過程,其結合旋轉、線路、速度、弧線、落點、力量與節奏等變化,有效調動對方,增加對方擊球的難度,降低擊球的技術質量,迫使對方擊球失誤.

乒乓球項目擊球技術種類繁多,且具有復雜性、隨機性和靈活性的特點,對手的技術類型、打法特點、心理情況和身體機能情況等與臨場技術的選擇和發揮都密切相關.一般而言,乒乓球技術可分為制約性和非制約性技術.非制約性技術是指運動員技術的使用不受對方任何影響,即發球;而制約性技術是指在比賽過程中,運動員技術的使用會受到對方來球條件的限制,制約性技術又可分為進攻性、控制性和防御性技術3大類,進攻性技術包括弧圈球、快攻、扣殺和挑打,控制性技術包括劈長、擺短、推擋和放短球,防御性技術包括削球、擋球和放高球[5].

2 高水平乒乓球運動員臨場技術能力評估系統的基本結構

基于高水平運動員技術特征,結合用戶需求,構建的臨場技術能力評估系統基本結構主要包括5個部分:數據庫系統、模型庫系統、知識庫系統、用戶接口系統和用戶[6],如圖1所示.乒乓球技術信息數據庫系統是該系統的最基本部件,包括數據庫和數據庫管理系統,其中數據庫主要存儲了奧運會、世界錦標賽、世界杯、國際大獎賽、亞洲杯、歐亞對抗賽、全運會等國內外重大比賽的多媒體視頻及其他信息數據;數據庫管理系統主要負責視頻數據庫的創建、存取、播放、剪輯和維護.知識庫系統,主要存放和管理著從國家隊、省隊各級乒乓球教練、專家和高水平運動員等處獲取的乒乓球技術顯性和隱性知識.模型庫系統存放和維護著提供決策推理、比較選擇和分析問題的多種乒乓球技術評估與診斷模型,如基于改進關聯規則和蟻群算法等的數據挖掘模型,基于粗糙集、決策樹、神經網絡、粒子群、遺傳、退火、系統動力學等評估與診斷算法[7].用戶接口系統即系統的人機接口及其管理系統,為系統和用戶之間提供友好、安全的通信.用戶主要是乒乓球教練員、運動員和跟隊科研人員,通過對系統的操作,完成相關技術問題的評估與診斷.

圖1 高水平乒乓球運動員臨場技術能力評估系統基本結構Fig.1 Framework of evaluation system for skill capability of elite table tennis athletes

3 基于多媒體視頻庫的乒乓球比賽技術數據采集系統

較傳統的文字和統計數據,比賽多媒體視頻集圖像、圖形、動作、聲音和視頻影像等于一體,更加生動、形象、清楚、有序、全面地反映運動員在臨場比賽中的各種信息,是不少國內外高水平運動隊賽前技戰術指導和心理調控、賽后分析總結的重要手段.針對高水平乒乓球運動員技術特點,結合乒乓球教練員和相關專家的知識,開發的乒乓球單打比賽視頻數據采集系統如圖2所示,對比賽視頻的每一拍技術關鍵信息進行采集,并可實現對每一拍視頻的存儲、剪輯和管理.其中包含比賽名稱和比賽選手信息,運動員執拍方式信息,發球、弧圈、快攻、扣殺、挑打、劈長、擺短、擋球、削球、吊球、放高球等12種擊球技術信息,強上旋、中上旋、不旋、中下旋、強下旋等5種擊球旋轉程度信息,正手位、反手位、側身位、反側身等4種擊球位置信息,很好、較好、一般、較差、很差等5種擊球效果信息.

圖2 高水平乒乓球運動員單打技術數據采集界面Fig.2 The skill data acquisition interface for elite table tennis ath letes

擊球落點的組合和變化是乒乓球技戰術實施的關鍵,多媒體技術采集系統中將長2 740 mm、寬1525mm、高760mm的標準乒乓球臺劃分為18個區域,分別為雙方的正手短球區(1和2區),中路短球區(3和4區),反手短球區(5和6區),正手半出臺區(7和8區),中路半出臺區(9和10區),反手半出臺區(11和12區),正手長球區(13和14區),中路長球區(15和16區),反手長球區(17和18區),如圖3所示.

圖3 乒乓球落點采集的區域劃分圖Fig.3 The partition area of the data acquisition for theball location of table tennis

4 基于神經網絡結合微粒群算法的臨場技術能力評估模型

4.1 模型的輸入輸出指標與基本流程

為了尋求重大比賽中高水平乒乓球運動員各項臨場技術能力與比賽得失分的關系,構建了神經網絡結合微粒群算法的臨場技術能力評估模型.基于擊球落點與專項技術結合的原則,本模型臨場技術能力輸入指標有發球、弧圈、挑打、劈長、擺短、推擋等7大項技術的發短球、發半出臺球、發長球、正手弧圈-對方正手、正手弧圈-對方中路、正手弧圈-對方反手、反手弧圈-對方正手、反手弧圈-對方中路、反手弧圈-對方反手、挑打-對方正手、挑打-對方中路、挑打-對方反手、劈長-對方正手、劈長-對方中路、劈長-對方反手、擺短-對方正手短球、擺短-對方正手半出臺、擺短-對方中路短球、擺短-對方反手短球、擺短-對方反手半出臺、推擋-對方正手、推擋-對方中路、推擋-對方反手等的得分率、使用率和失誤率共56小項指標,1項輸出指標即比賽得失分率.運用 3層BP(back p ropagation)神經網絡建立模型的輸入輸出框架,運用微粒群算法優化神經網絡的權值和閾值參數[8],其基本流程如圖4和5所示.

4.2 某著名運動員臨場技術能力評估

以一名國外著名乒乓球運動員的24場重大比賽采樣數據建模,其中16場比賽數據作為擬合樣本,8場比賽作為檢驗樣本,當隱藏層神經元數取12,迭代次數為 150時,擬合樣本平均精度高達99.53%,檢驗樣本平均精度達到96.30%,其訓練次數-均方差曲線和各輸入指標相對輸出靈敏度分別如圖6和7所示,可見模型收斂性和精度均較好,第5,10,13,36,39,42,49項技術指標對該運動員比賽獲勝影響較顯著.

圖6 模型的均方差-訓練次數曲線Fig.6 The convergence curveof sum-squared error-training epoch

圖7 各項技術指標的靈敏度分析Fig.7 Sensitivity analysis for the skill indexes

5 結 語

以國內外高水平乒乓球運動員為研究對象,基于重大乒乓球比賽多媒體視頻庫采集臨場技術數據,構建了基于神經網絡和粒子群算法的高水平乒乓球運動員技術能力評估模型,模型精度較高、收斂性較好,為針對性指導運動員訓練和比賽提供了一定的決策參考.

[1]虞麗娟,張輝,戴金彪,等.隔網對抗項目比賽技戰術分析的理論與方法[J].上海體育學院學報,2007,31(3):48-53.

[2]吳煥群,李振彪.乒乓球比賽中實力評估與技術診斷方法及其應用效果[C]//乒乓長盛的訓練學探索.北京:北京體育大學出版社,2002:207-218.

[3]李今亮,蘇丕仁.對部分世界優秀男子乒乓球進攻型選手技術實力的評估:兼談十項指標評估法的建立[J].北京體育大學學報,1998,21(4):71-76.

[4]虞麗娟,張輝,凌培亮.乒乓球比賽技戰術分析的系統研究與應用[J].上海體育學院學報,2008,32(6):39-43.

[5]丘鐘惠,莊家富,孫梅英,等.現代乒乓球技術研究[M].北京:人民體育出版社,1982:29.

[6]張鵬翥.決策支持系統[M].上海:上海交通大學出版社,2005:40-48.

[7]YU L J,MAOW W,WANG JH,et al.Research on decision suppo rt system fo r tab le-tennis competitions based on system dynam ics[C]//Proceedings of 2008 Joint International Pre-O lympic Conference on Spo rts Science and Sport Engineering.Liverpool:W orld Academ ic Press,2008.

[8]許磊,張鳳鳴,程軍.基于PSO神經網絡的故障診斷方法研究[J].計算機工程與設計,2007,28(15):3640-3641.

Skill Capability Eva luation of Elite Table Tennis Athletes Based on Multimedia Video

MAOWen-wu1,2,YU Li-juan1,2,3,LING Pei-liang1,WANG Jie4,LIANG Cheng-jun3

(1.College of Mechanical Engineering,Tongji University,Shanghai200092,China;2.Co llege of Engineering Science&Technology,ShanghaiOcean University,Shanghai201306,China;3.Schoo l of Kinesiology,Shanghai University of Sport,Shanghai200438,China;4.Key Laboratory of Sports Skill and Tac tic Analysis and Diagnosis of State General Adm inistration of Sports,Shanghai200438,China)

According to the skill characteristics of table tennis m atch and the shortcoming of traditional evaluation m ethod,the evaluation system for skill capability of wor ld elite athletes based on multimedia video is constructed.The data acquisition softwarewhich adopts skill data f rom m atch video is developed to guarantee the continuity and system aticness o f data collection.A rtificial neural network and particle swarm algorithm are used to build the evaluation model,which show s a good accuracy and convergence,and gives some certain decision supports for athlete's training and competition.

table tennis ath letes;skill capability;mu ltimedia video

G 486;TP 391

A

2011-03-10

國家十一五科技支撐計劃科技奧運專項資助項目(2006BAK 12B03);上海市科委重點科技攻關計劃資助項目(072705128)

毛文武(1973—),男,福建浦城人,副教授,博士研究生,研究方向為工程圖學、計算機輔助設計.E-mail:w enw umao@126.com

1671-0444(2011)04-0452-05