基于多人動作識別技術的軍事體育訓練智能裝備系統的實現與開發

摘要：鑒于當前軍事體育訓練領域智能裝備應用的局限性，特別是針對技術動作規范性和個性化訓練指導方面的不足，結合《中國人民解放軍軍事體育訓練大綱（試行）》提出的新要求，提出了開發一套基于多人動作識別技術的軍事體育訓練智能裝備系統和必要性和具體方案。該裝備系統結合人臉識別、人體運動姿態識別、動作采集與分析、運動損傷風險測評等功能，旨在提升訓練的科學性、針對性和實效性，為官兵提供個性化、實時有效的訓練指導，有效預防運動損傷，提高戰斗力。通過多人動作識別技術的應用，該系統可實現對官兵技術動作的精準捕捉與分析，為軍事體育訓練的現代化和實戰化貢獻力量。

關鍵詞：多人動作識別；軍事體育訓練；智能裝備系統；開發方案

一、引言

隨著《中國人民解放軍軍事體育訓練大綱（試行）》的頒布，戰斗體能訓練的重要性日益凸顯，對動作規范性和訓練效果提出了更高要求。然而，傳統訓練方法存在動作不規范、效率低下及運動損傷頻發等問題，缺乏科學量化數據支持。

鑒于此，本研究依托快速發展的計算機視覺技術，提出開發一套基于多人動作識別技術的軍事體育訓練智能裝備系統，旨在實現關鍵動作數據的快速采集與分析，為官兵提供精準的技術指導和個性化訓練方案，以提升訓練效果、預防運動損傷，進而增強部隊戰斗力。

二、研究背景

近些年，人工智能尤其是計算機視覺技術發展迅速，并在體育領域廣泛應用。計算機視覺技術通過攝像機捕捉和人工智能算法處理，能精準捕捉并分析人體動作，自動評估訓練效果，輔助決策，實現個性化指導。多人動作識別技術是一種利用計算機視覺技術和機器學習算法來識別和理解視頻中的一個或多個動作的高級技術[2]。同時基于卷積神經網絡的深度學習模型在大規模圖像分類和身體姿勢識別方面取得了標志性進展，不僅能夠精準地識別和檢測人體運動動作，而且在訓練效果反饋和輔助決策中發揮著越來越重要的作用[4]。例如：基于人體骨架關鍵點的人類動作識別算法ST-GCN（時空圖卷積網絡模型）被成功運用于花樣滑冰動作識別[5]，能夠實時識別并分類視頻中運動員的技術動作，輔助比賽打分和訓練評估。基于計算機視覺技術的人機交互（HCI）運動訓練教學系統將語音識別、手勢識別、人體識別與人機交互技術相結合，不僅能自動分析學生的訓練和學習效果，還能為學生提供針對性的改進建議[4]。多人動作識別技術在競技體育、學校體育和大眾健身領域都已有比較成熟的應用。鑒于此，開發一套基于多人動作識別技術的軍事體育訓練智能裝備系統是現實可行的。

三、需求分析

（一）基于完善戰斗體能“評訓考”一體化訓練模式需求

隨著《中國人民解放軍軍事體育訓練大綱（試行）》的頒布，戰斗體能訓練的重要性、全面性與復雜性顯著提升，要求學員不僅體能達標，還需動作規范高效[1]。然而，當前訓練存在不規范與低效問題。

鑒于此，構建基于多人動作識別技術的智能訓練裝備迫在眉睫。該裝備能夠實現關鍵動作數據的快速采集與分析，結合大數據與AI構建標準模型，創建“評訓考”一體化訓練模式，為學員提供精準的技術指導和個性化訓練方案。此舉對提升軍事體育訓練質效與考核優良率具有重大意義。

（二）基于動作模式錯誤造成的運動損傷預防需求

調查顯示，在軍事體育訓練中，膝、踝、肩等關節損傷頻發，且多與動作模式不佳有關。不良動作模式導致關節力學失衡、神經肌肉控制障礙，增加損傷風險。現有評估方法難以全面便捷地診斷每名學員的動作質量，反饋滯后。鑒于此，構建基于多人動作識別技術的智能訓練裝備，能夠智能采集分析運動數據，精準評估動作質量，建立個人檔案，實時反饋指導，糾正不良動作，有效預防運動損傷，具有極高的現實需求與應用價值。

四、軍事體育訓練智能裝備系統開發方案

（一）人臉識別裝備系統開發方案

在訓練區域布置高精度攝像頭，利用先進的人臉識別技術，自動提取人臉特征并識別進入測試區域的訓練對象身份（預先注冊學員），將其與數據庫中的信息進行檢索匹配，實現大群體人員身份的準確識別。

人臉識別裝備系統可以完成組織結構的建立和維護，人員信息的錄入和輸出，人員查詢和人臉圖像的注冊[7]。在操作上集新增、修改、查詢、刪除、導入、導出等處理為一體，簡便靈活，自動化功能強大，做到一人一檔，清晰管理。

（二）人體運動姿態識別裝備系統開發方案

1.總體技術方案

人體運動姿態識別系統采用“人形檢測+2D關節點檢測+多路2D的3D合成”的技術路線。基于深度網絡的人形檢測器從每路畫面中即時檢測出目標人物，并將目標人物與背景其他干擾物體區分開。2D關節點檢測在人形檢測輸出畫面中對人體2D關節點進行檢測[8]，深度網絡從輸入的圖像數據中通過卷積層逐層抽象并通過全連接層回歸出關節點的熱力圖最終得到具有最大概率的關節點輸出。多路2D關節點數據通過3D合成器優化求解得到運動人體3D關節點的坐標輸出。

2.人體關節點自動識別技術方案

人體關節點自動識別采用了基于深度網絡的2D檢測方法[9]，能夠支持多人互相之間有肢體疊加的情況下檢測出目標運動員的2D關節點（組），有效地解決了實際應用場景中可能出現的多人并存的情況。

3.人體3D空間重建

在2D關節點坐標（亞像素級）的基礎上，結合多相機標定矩陣通過3D立體視覺技術實現人體3D重建，得到人體關節點三維空間坐標，進而可以解析出運動學數據。

（三）軍事體育動作采集與分析裝備系統開發方案

在訓練區域關鍵位置布置高清相機，搭建動作采集系統，通過攝像機標定、畸變矯正、圖像融合等技術[10]，實時處理每臺攝像機獲取的視頻影像，自動定位官兵位置；通過多角度光學攝像、神經網絡剖析、底層數學算法，自動解析人體關鍵點，無需貼Mark點或佩戴傳感器，對訓練全程無干擾。

當系統啟動后，官兵開始進行特定的訓練動作時，系統會實時捕捉并分析學員的運動軌跡、姿態和動作質量。系統通過人體運動姿態識別算法，對參加測試的官兵自動進行身體關鍵關節點的解算和人體三維運動建模，實現身體主要關節角度隨時間的全過程變化采集與記錄，為動作分析提供數據基礎。

系統支持建立官兵、教員及操作人員信息庫。可以同步顯示測力臺三維力曲線、運動人員測試的視頻和人體運動三維模型，支持通過表格、圖形等形式展示各個子系統的結果數據。系統具體功能包括：

1.動作技術分析

實時捕捉官兵的身體姿態和運動軌跡，根據官兵進行的不同動作，針對性地輸出完成個數、持續時間、步長、起跳角度、跳遠遠度等專項數據以及左右髖、膝、踝、肩、肘、腕等身體關節位移、速度、角度變化情況，并根據運動評估模型對完成動作的質量進行評價，包括但不限于動作準確性、動作完成度、動作連貫性等。

2.實時問題反饋

在官兵訓練動作完成后，系統可以提供動作反饋，幫助官兵及時調整和改進動作；提供官兵動作的視頻回放功能，結合關鍵點標注，讓官兵直觀了解自己的動作問題。

3.生成個性化訓練方案

根據技術分析結果，提供具體的動作改進建議，例如：調整起跳角度、優化跑步姿態等。

（四）運動損傷風險測評裝備系統開發方案

復用軍事體育動作采集與分析系統部署的相機，實現一套硬件，雙重功能，多場景應用。在訓練區域進行深蹲、弓箭步、單腿蹲、落地以及落地后起跳等動作，使用高清相機進行捕捉，對采集的運動學和動力學數據實現智能匯總和分析，根據功能性動作關鍵時刻和動作要領對采集的運動學數據進行自動切分和數據提取，通過大數據分析方法對比判斷官兵動作中的不足之處，提供詳細的數據報告，實現運動動作智能診斷。系統具體功能包括：

1.運動能力判斷

判斷核心關節角度與模型的偏差值，評估關節活動度、身體環節在完成動作時穩定性、左右側軀體完成動作時對稱性、主要身體部位肌群能力等，例如：在完成深蹲動作時學員需要雙腳朝前與肩同寬，挺胸站立，上身挺直，雙膝姿勢保持不變，盡量往下蹲，蹲到最低后保持一秒，然后回到原來的站立姿勢。通過完成動作過程中的姿態等數據可以評價髖、膝和踝關節的雙側均衡性和功能靈活性。

2.運動風險評估

量化評估預測身體主要部位運動中的運動損傷風險。例如：在深蹲過程中，如果重心偏移并且左膝蓋向外朝外，這可能導致膝關節內側和外側韌帶的應力增加，增加膝關節損傷的風險；膝蓋外翻會導致膝關節的不穩定性，增加半月板撕裂或磨損的可能性。不正確的膝蓋位置也可能會引起髖關節和腰部的代償性動作，從而增加這些部位的受傷風險。

3.生成糾正訓練方案

自動生成個性化的糾正訓練方案，方案將包括具體的訓練建議，幫助學員降低損傷風險。例如：如果系統檢測到學員在深蹲時膝蓋外翻，系統將提供針對性的肌肉強化和動作糾正練習，例如：通過加強股四頭肌和髖外展肌的訓練來改善膝蓋的對齊和穩定性，協助學員進行運動鞏固和提高。

五、結語

綜上所述，針對當前軍事體育訓練領域智能裝備應用的局限性、新大綱的高標準新要求以及軍事體育訓練中存在的問題，提出了一套基于多人動作識別技術的軍事體育訓練智能裝備系統開發方案。該裝備系統通過集成人臉識別、人體運動姿態識別、軍事體育動作采集與分析以及運動損傷風險測評等核心功能，旨在提高訓練的科學性、針對性和實效性，為官兵提供個性化、實時的訓練指導，有效預防運動損傷，提升戰斗力。

參考文獻：

[1]鄒虹.基于計算機視覺的動作識別對人機界面消隱的研究[D].哈爾濱：哈爾濱工業大學碩士學位論文，2009.

[2]霍波，李彥鋒，高騰，王子鑫，杜澤華，孫紀元.體育人工智能領域關鍵技術的研究現狀和發展方向[J].首都體育學院學報，2023，35（3）：233-256.

[3]位俊超，陳春雨.基于SAT-GCN的花樣滑冰選手動作檢測算法研究[J].應用科技，2023，50（1）：7-13.

[4]鄭潔瓊.基于B/S和人臉識別的在線考試系統的研究與實現[D].長沙：湖南大學碩士學位論文，2018.

[5]李由，王春慧，嚴曲，張小虎，謝良.SpaceMocap：在軌人體運動捕捉系統[J].宇航學報，2019.DOI：CNKI：SUN：YH XB.0.2019-06-014.

[6]趙煥彬.運動技術可視化實時生物力學診斷系統的研制[D].石家莊：河北師范大學博士學位論文，2007.

[7]劉暢，金立左，費樹岷，馬軍勇.固定多攝像頭的視頻拼接技術[J].數據采集與處理，2014，29（1）8.