基于個性化推薦的籃球訓練系統應用分析

隋占麗

(仰恩大學工程技術學院，福建泉州 362014)

籃球是一項廣受喜愛的體育運動之一，我國具有眾多籃球愛好者，但在籃球訓練方面較欠缺，尤其在訓練方法上與發達國家有一定差距，基于此,需要在現有訓練方法上進行改進，在籃球訓練中可將訓練過程與計算機籃球訓練系統結合起來，根據運動員個人特點進行個性化推薦，從而發揮籃球運動員個人優勢，提升運動員的運動效率[1]。

1 系統需求分析

1.1 用戶識別

用戶識別主要作用是識別訪問者身份，并根據訪問者身份賦予其不同權限。用戶識別是所有系統都必須有的，關系到系統運行安全及運轉。

1.2 個性化推薦

1.3 數據挖掘及數據預處理

從數據處理角度，數據預處理是數據挖掘的首要環節、對數據的預處理過程主要包括數據清理及數據轉化兩部分。其中數據清理主要是將獲取的數據中與推薦算法沒有關系的信息消除，并將信息中的噪聲進行過濾。數據轉換的主要作用是將不同類型的數據進行轉化，使之成為可統一使用的同種數據。大數據推薦引擎需要處理海量信息，結合用戶個人籃球訓練信息以及網絡相關信息挖掘出最適合用戶個人發展的訓練計劃，因此要求系統具備強大的數據處理能力，在此基礎上實現個性化推薦。

1.4 運動仿真功能

該系統需具備運動仿真功能，可結合實際場景對其進行虛擬化建模處理，使其成為一個與現實環境類似的虛擬場景，并對該場景中的人物進行3D仿真。教師和運動員在使用該系統時可選擇相應的場景及模型，也可結合實際需求建立相應的虛擬場景，在此基礎上可得到相應的結果[3]。

1.5 實時捕捉功能

該系統具備實時捕捉功能，可在籃球教學過程中對人的運動過程進行有效捕捉，得到對應的捕捉結果。從實際情況來看，運動捕捉主要是消除背景的影響，將運動員個人作為捕捉對象，并將捕捉到的視頻傳輸至系統中進行綜合處理，在此基礎上可得到對應的人體模型，在系統中對人體模型進行參數化處理后得到相應的捕捉結果。捕捉后可將運動員的所有視頻信息傳輸到系統數據庫中，通過虛擬仿真技術將運動員的視頻播放出來，可對運動員的運動過程進行綜合分析，發現細節中存在的不足之處。

1.6 獲取運動參數

在實際訓練過程中系統可對運動員的運動過程和各項參數進行數字化處理，尤其是各個細節的參數處理可有效提升運動員的技術水平。也可實時監測運動員的各項身體技能參數，如心率、血壓、心肺功能等，通過該種模式可對運動過程進行有效管控，最大限度地降低因為運動過度導致運動員的身體機能的損傷。

1.7 數據統計功能

運動員通過虛擬仿真技術進行籃球技術的提升過程需要在數理統計功能的支持下才能進行，因此需要該系統具備數理統計功能，在實際分析中可結合該系統進行綜合分析，將數理統計功能加入到系統中，并通過虛擬統計手段獲取相應的運動信息，判斷運動員在虛擬現實訓練系統中的技能是否有所提升，并對不足之處進行綜合分析，制定新的培養策略，促進運動員籃球技術的整體提升[4]。

2 系統個性化推薦算法

圖1 個性化推薦算法流程

個性化推薦算法是一種根據用戶個人情況進行經驗推算的一種現代推薦算法，通過該算法可消除傳統全方位推薦的弊端，有效降低系統運行過程中的資源載荷，消除信息過載等不良情況的出現。本研究主要采用協同過濾算法作為本文構建系統的基本算法，即在構建模型過程中通過該算法構建出近鄰的關系模型，對其進行算法統計，利用近鄰關系中與目標用戶距離最近的用戶的評分來預測目標的特定評分，在此基礎上可生成對應的個性化推薦，其基本流程見圖1。主要包括三個階段：數據輸入、運行協同過濾算法和輸出推薦結果。在個性化推薦算法流程中首先需要收集所有的用戶信息，并結合用戶實際需求構建出用戶項目評分矩陣，建立與之對應的個性化推薦模型，并以算法形式將其表達出來，在實際分析過程中可通過聚類方法對其進行簡化處理，并根據實際情況進行綜合分析，將用戶滿意的結果按照權重不同將其表達出來[5]。

3 基于個性化的籃球訓練推薦系統構建

3.1 系統模型

結合籃球訓練系統實際需求，本研究構建的個性化籃球訓練系統見圖2。通過該系統可為籃球項目提供較為完善的訓練服務。其終端系統采用ARM+各類傳感器+WiFi芯片研制開發，采用UCOS實時操作系統。該技術允許高頻高效采集運動員數據，并通過無線網絡實時傳輸至指定AP接入點。采集系統設計采用C++ ACE Reactor + OCCI框架技術，該技術允許應用程序按任務模式監視網絡數據請求，并通過多線程無差別處理數據報文和計算業務數據。

圖2 個性化籃球訓練系統

在體育教學中通過高清攝像設備進行籃球教學過程的捕捉，在此基礎上可通過實際情況進行綜合分析，判斷實際訓練過程中存在的問題。運動捕捉過程將收集到的信息進行統計分析，與標準數據庫進行比對，在此基礎上便可得到籃球動作存在的不規范之處，并對運動員運動過程進行參數化處理，對各個動作進行定量處理，使其成為運動員可理解的數據模式。并在實際鍛煉過程中，將人體運動過程進行數字化建模后可對運動員的動作進行評判，各種細節均會被呈現出來。從多個角度進行觀察分析，發現動作模型存在的不足，對該模型進行綜合分析，得到對應的結果。

在系統中通過運動捕捉設備收集人體運動信息，運動捕捉設備需要具備一定追蹤能力，并將收集到的籃球運動員的運動信息進行有效歸類，得到相應的訓練信息。在系統中首先需建立與籃球運動員運動過程相匹配的關節點模型，該模型主要針對運動員的運動過程進行綜合分析，將運動員身體的各個關節點與模型部位對應，在此基礎上得到相應的模型結構[6]。

國民經濟發展中農業發展占據基礎性地位，作為農業生產的重要組成部分，養殖業發展也受到現代社會的高度重視。目前社會群體的生活水平顯著提升，對于食草動物及其產品的需求也呈現日益增長的態勢，具有代表性的是牛羊。立足我國的基本國情，可明確草食動物食草優勢的發揮，符合自然資源現狀，能通過綠色化動物產品的發展，滿足人類社會多元化的消費需求。

3.2 輸入輸出功能模塊

3.2.1 輸入模塊

輸入模塊主要指輸入推薦模型數據是與電商環境用戶直接相關的內容，在實際應用中需盡可能收集用戶相關數據，當搜集數據越多與用戶聯系越密切時推薦結果越精確。例如根據用戶在訓練中的錄像、用戶使用記錄、搜索習慣等可掌握用戶個人技術情況，若推薦模型無法獲得用戶相關數據，就需選擇非個性化功能。

3.2.2 輸出模塊

輸出模塊主要向用戶推薦生成的序列，其作用是為用戶的選擇提供參考建議。推薦序列有兩種形式，一種是簡單推薦某種項目，另一種是推薦多種混合項目。即為用戶提供籃球訓練個性化推薦結果，采用專家系統作為后臺系統，對輸入的數據進行處理，得出用戶當前狀況，并結合大數據數據庫發現用戶籃球訓練中存在的不足，給出相應的訓練計劃和建議。

3.3 數據庫模塊

圖3 數據庫結構

數據庫模塊主要是進行系統數據處理及存儲的核心模塊，本系統在構建數據庫模塊時主要采用關系數據庫作為系統數據庫結構，在數據處理過程中對數據進行組織及結構化處理，并在實際分析中要進行海量信息的處理，因此在系統運行過程中其結果會愈加復雜，在此基礎上導致系統結構也逐漸變得復雜，因此在設計關系數據庫時刻意留有接口，保證系統可與外界實現有效對接，并且在數據處理過程中可有效提升數據處理效率。結合實際需求以及本系統功能需求，設計如圖3所示的數據庫模塊。在數據庫結構中可將其與用戶終端連接起來，實現對籃球訓練用戶的信息服務，為用戶提供多種個性化服務方案，在實際分析過程中還可結合用戶個人訪問系統歷史生成用戶日志，結合個性化推薦算法為用戶制定專屬訓練計劃，在此基礎上進一步提升用戶訓練效果。同時該數據庫還設有外接端口，可對其進行容量擴展和功能擴展，使系統滿足后續需求和技術的變化，不至于在短時間內無法適應發展需求。

數據庫在進行用戶信息管理過程中采用信息表形式，用戶在注冊過程中系統會自動生成個性化推薦，該數據表在實際分析過程中包含多項信息，其中大多數信息與其他用戶信息存在相同之處，但是用戶名均不同，即將用戶的各項信息與唯一用戶名對應(表1)。

表1 用戶信息表

InformationtableEnablebitYAuthoriteVacharNEmailVacharN

3.4 系統測試

對系統進行功能測試，判斷其運行狀況及運行效率。通過測試硬件設備及軟件設備進行系統功能驗證，在實際測試過程中主要是驗證系統是否滿足需求規格的定義，找出與需求規格不符或者與之有矛盾的地方，進而提出更加完善的方案。在系統實際測試過程中的測試器件見表2。

表2 測試器件

構建以上測試系統后對其登錄注冊功能、輸入輸出功能、數據處理功能、數據庫功能、籃球個性化推薦功能等進行綜合性判斷，結果見表3。由表3可見，在實際分析過程中評分均在80分以上，各部分功能運行良好，尤其是個性化推薦模塊可向用戶推薦準確的用戶信息，滿足籃球訓練實際需求。

表3 系統測試評分

4 結語

本研究針對當前籃球訓練存在的問題進行分析，以計算機輔助方式構建出個性化推薦籃球訓練系統。根據運動員實際情況制定合適的籃球訓練方針，以促進我國籃球訓練質量不斷提升。系統通過個性化推薦算法作為數據處理算法，通過分布式結構構建系統各部分，在各部分的共同作用下實現對用戶需求的有效分析，解決用戶實際需求。通過測試得出本研究構建的系統具有一定可靠性和實效性。

[參考文獻]

[1]林麗金,李文翔,楊俊賢,等.基于協同過濾在高校學習資源個性化推薦系統中應用研究[J].價值工程,2016(4):191-193.

[2]孫潔麗,朱智清,次曉峰,等.基于案例推理的個性化推薦系統數據源研究[J].河北省科學院學報,2017(1):8-13.

[3]曾姣艷.基于Web挖掘的個性化推薦技術在保險系統的應用[J].工程技術:文摘版,2016(6):302.

[4]應毅,劉亞軍,陳誠.基于云計算技術的個性化推薦系統[J].計算機工程與應用,2015(13):111-117.

[5]丁沂.基于社會網絡的個性化推薦系統研究[J].無線互聯科技,2017(1):37-38.

[6]查英華,朱其慎.基于個性化推薦的移動學習系統構建[J].新課程研究旬刊,2015(9):7-9.