人工智能技術賦能的投籃姿態教學方法研究

摘要

籃球作為集體項目中群眾認可度排名第一的球類運動項目，普及其基礎知識和技術動作對全民健身具有重要意義。然而，由于校園籃球訓練中教師同時教授多名學生，難以針對每位學生提供個性化指導，加之課時限制，學生難以及時糾正錯誤動作，影響了訓練效率。為了解決這些問題，本文提出了一種人工智能技術賦能的投籃姿態教學方法，通過構建輕量化的智能分析平臺，實現對運動視頻中單人或多人的投籃姿態分析，并給出糾正建議。該平臺具備輕量化部署的特點，能在手機、平板電腦等設備上運行，可以提升教學效率和質量。研究內容包括輕量化人體骨骼點智能檢測技術設計、基于骨骼點位置的投籃姿態糾正理論構建，以及投籃動作矯正平臺的研發，旨在為籃球教學提供科學、系統、有針對性的指導。

關鍵詞： 投籃動作矯正平臺；人工智能技術；籃球教學；人體骨骼點智能檢測技術

Research on Teaching Method of Shooting Posture Empowered by Artificial Intelligence Technology

Jiang Qiang， Zhang Hao， Zhang Xiangjun， Yang Peng， Zhou Jian.

（Harbin Institute of Technology， Harbin， Heilongjiang 150001， China）

Abstract

Basketball， as the most popular team sport， holds significant importance in promoting basic knowledge and technical skills for public fitness. However， in school basketball training， teachers often face challenges in providing personalized guidance to multiple students simultaneously， compounded by limited class time which hinders timely correction of erroneous movements， thereby affecting training efficiency. To address these issues， this paper proposes a teaching method for shooting posture empowered by artificial intelligence technology. By developing a lightweight intelligent analysis platform， this method enables analysis of shooting postures in videos featuring one or multiple individuals， accompanied by corrective suggestions. The platform is designed for lightweight deployment， capable of running on mobile phones， tablets， and similar devices， thereby enhancing teaching efficiency and quality. Research components include the design of lightweight human skeletal point intelligent detection technology， construction of shooting posture correction theory based on skeletal point positions， and development of a shooting motion correction platform， aiming to provide scientific， systematic， and targeted guidance for basketball teaching.

Keywords： shooting motion correction platform; artificial intelligence technology; basketball teaching; human skeletal point intelligent detection technology.

引言

教育部于2024年3月28日啟動人工智能賦能教育行動，推出4項具體行動，旨在用人工智能技術推動教與學融合應用，提高全民數字教育素養與技能，開發教育專用人工智能大模型，同時規范人工智能使用科學倫理。《全民健身計劃（2021－2025年）》[1]提出廣泛開展全民健身賽事活動、推進全民健身融合發展、營造全民健身社會氛圍等，到2025年，帶動全國體育產業總規模達到5萬億元。因此，如何利用人工智能技術推動體育運動教學融合應用，提升全民運動水平是極有前景的研究方向。

籃球是一項身體對抗性體育運動，對鍛煉身體協調能力和團隊協作能力十分有益。據中國籃協發布的《中國籃球運動發展報告》[2]，我國籃球人口已達到1.25億人，其群眾認可度高于足球、排球，是集體球類排名第一的運動項目。因此，教授籃球基礎知識和技術動作要領對普及籃球運動，助力全民健身具有十分重要的作用。投籃是籃球運動中一項關鍵性技術，投籃姿勢對投籃準確性和穩定性有重要影響。目前在許多籃球訓練和比賽中，常通過測量和分析投籃動作為球員提供量化的訓練反饋，以提高其籃球水平。在大學生體育課程中，一位老師往往要同時教授幾十名學生，難以形成對每一位學生的針對性指導。另外，由于課時的限制，學生在課下訓練時難以及時糾正自己的不規范動作。錯誤的投籃動作會導致訓練效率降低。因此，亟需一種輕量化的投籃姿態智能分析與矯正工具。在幫助教師提升課堂教學效率的同時，可以允許學生們課下對運動姿態自行矯正。

本文旨在提出一種人工智能技術賦能的投籃姿態教學方法。通過構建一個輕量化的投籃姿態智能分析平臺，從而顯著提升投籃教學的效率和質量。該平臺需要包含以下功能和特點：（1）可實現針對運動視頻中的單人，多人的運動姿態分析。（2）根據運動姿態分析結果給出投籃動作的糾正建議。（3）該平臺將支持輕量化部署，可在微弱算力的手機，平板電腦上運行。

針對上述要求，本文分別從三個方面進行探索：

實現一種創新的輕量化人體骨骼點智能檢測技術。該算法能夠在保證骨骼點檢測精度的同時，顯著降低計算量，實現在普通移動設備上的流暢運行。這一技術的實現可使平臺能夠廣泛應用于各類投籃練習場景，滿足更多師生的需求。

基于骨骼點位置的投籃姿態糾正理論的構建。結合籃球運動的專業知識與教學經驗，研究投籃動作中的關鍵骨骼點及其與投籃效果之間的關系。構建投籃姿勢糾正理論，為平臺提供有力的理論支撐，為學生提供科學、系統、有針對性的投籃動作指導。

投籃動作矯正平臺研發。整合人體骨骼點智能檢測技術和投籃姿態糾正理論，研發一款功能強大的投籃姿態智能分析平臺。設計平臺的數據采集、分析和存儲功能模塊，并通過用戶友好的操作界面，方便師生使用。

1.國內外研究現狀分析

1.1人工智能賦能體育運動發展現狀

當前，人工智能（AI）已經成為推動各行各業變革的重要力量。人工智能在賦能體育運動方面也取得了顯著的進展[3]。在國外，尤其是歐美等發達國家，人工智能技術在體育運動領域的應用已經相對成熟。許多職業體育俱樂部和機構都積極采用人工智能技術來優化運動員的訓練和比賽表現[4]。例如，利用大數據分析和深度學習技術，可以對運動員的身體狀況、技術特點和比賽表現進行精準評估，為教練團隊提供有力的數據支持。在國內，人工智能技術在體育領域的應用也不斷深入。越來越多的研究機構和企業開始探索利用人工智能技術來提升運動員的訓練效果和比賽成績。例如，通過AI算法對運動員的戰術、技能和體能進行綜合分析，從而制定出更加科學、個性化的訓練計劃。

由于人工智能賦能體育運動是一個典型的交叉學科領域，它結合了體育運動知識與人工智能處理技術，對專業知識要求高。目前，其主要聚焦于專業體育運動人員，而在普通人身上的應用仍然相對有限[5]。

1.2人體動作捕捉技術發展現狀

人體動作捕捉是指通過一定的技術手段，對人體運動狀態進行捕捉和記錄，并且可以將這些信息進行分析和處理，可應用于運動姿態、醫學康復等領域。其中，基于慣性傳感器和基于光學的動作捕捉是兩種常見的動作捕捉技術，其需要實驗人員佩戴相應的實驗裝置。而視覺人體動捕算法則是一種比較靈活和便捷的技術，它基于計算機視覺技術，不需要在人體關鍵點進行佩戴或者標記。通過計算機視覺算法對人體圖像進行處理，提取出人體骨骼關鍵點的位置信息，進而實現對人體的動作捕捉。這種技術不需要對人體進行任何改變，對使用場所和實驗設置要求較低。因此，基于視覺人體動捕算法更加適用于體育教學課堂使用，以及全民健身使用。

1.3待解決的關鍵問題

針對上述國內外研究現狀的分析，為實現高效的人工智能技術賦能的投籃姿態教學方法，待解決以下三個方面的關鍵問題。

輕量化人體骨骼點智能檢測技術的研發：如何能在保證骨骼點檢測精度的同時，顯著降低計算量；如何確保算法可在普通移動設備上的流暢運行，以滿足實時性的要求；如何處理多人同時參與投籃時可能出現的骨骼點混淆等問題。

投籃姿態糾正理論的構建：如何結合籃球運動的專業知識與教學經驗，以形成科學的糾正理論以提供個性化的指導的問題。

投籃動作矯正平臺的研發：如何整合人體骨骼點智能檢測技術和投籃姿態糾正理論，以構建功能強大的平臺；如何對平臺進行全面的性能測試，以確保其穩定性和可靠性。

人工智能技術賦能的投籃姿態教學方法

針對當前投籃教學中，課堂學生數量多，難以形成針對每一位學生的個性化的指導，糾正投籃運動姿態難度大等問題，本文提出一種人工智能技術賦能的投籃姿態教學方法，從而顯著提升投籃教學的效率和質量。

如圖1所示，投籃姿態智能分析平臺包含以下核心功能：針對單人，多人的實時骨骼點檢測，以及基于骨骼點檢測結果的投籃動作的糾正建議。通過這些功能，平臺能夠實時捕捉學生的投籃動作，并通過精準的數據分析，為每個學生提供個性化的指導。下面將從三個分別介紹本文的研究方法。

2.1骨骼點檢測技術研發

使用Convolutional Pose Machines（CPM）網絡[6]作為骨骼點檢測的基礎架構，并使用深度卷積和逐點卷積（Pointwise Convolution，PC）對CPM網絡中的普通卷積結構進行替換。該操作有效降低模型參數量和計算量，顯著提升網絡運行速度。

2.2投籃姿態糾正理論構建

首先，結合已有的籃球運動的專業知識、教學經驗和采集投籃數據的分析結果，研究投籃動作關鍵骨骼點及其與投籃效果之間的關系，構建投籃姿態糾正理論。

其次，根據投籃姿態糾正理論，給出姿勢修改意見。具體來說，根據骨骼點位置，計算特殊骨骼點之間的動作角度，判斷其是否在合理區間之間。以判定投籃時是否出現手臂外展或內扣現象為例。設定投籃側手臂肘部關節點位置為x_1=（m_1，n_1），投籃手臂側髖部關節點為x_2=（m_2，n_2），投籃手臂側腳踝關節點為x_3=（m_3，n_3）。當三個骨骼節點的大于角度φ_1時，被判定投籃手臂外展；當三個骨骼節點的小于角度φ_2時，被判定投籃手臂內扣；三個骨骼節點的小于角度φ_2且大于角度φ_1時，被判定投籃姿勢正確。投籃姿態糾正流程圖如圖3所示。

2.3投籃動作矯正平臺的研發

投籃動作矯正平臺采用Java語言編寫，使用Android Studio集成開發工具。平臺中包含四個功能模塊：數據采集模塊、骨骼點檢測模塊、投籃姿態評價模塊和數據存儲模塊。其中，骨骼點檢測模塊中融合輕量化骨骼點檢測技術，可實現針對單人或多人的骨骼點檢測功能。數據存儲模塊，可記錄數據內容、數據采集時間、動作評價結果等信息。并提供增刪改查等功能。

3 人工智能技術賦能的投籃姿態教學方法主要創新點

本工作的主要創新之處體現在技術創新、理論創新和裝備創新三個方面。

3.1新技術的輕量化創新

高效降低算力需求：通過輕量化人體骨骼點智能檢測技術，在保證運動姿態分析準確性的同時，顯著降低了對運行算力的要求。這使得該技術能夠在普通手機或平板電腦上實現流暢運行，從而大幅提升了技術的普及性和實用性。

3.2新理論的融合創新

籃球運動知識與AI技術的結合：基于骨骼點位置的投籃姿態糾正理論，將傳統的籃球運動知識與現代人工智能技術相結合。這種融合不僅提升了理論指導的實用性和針對性，還使得教學更加科學、高效。這有助于解決傳統教學中難以實現的個性化教學問題，提升學生的學習效果和興趣。

3.3新裝備的功能創新

多功能集成：投籃姿態智能分析平臺集數據采集、分析、存儲等多項功能于一體，實現了對投籃姿態的全面監控和評估。這種多功能集成使得平臺的使用更加便捷、高效，滿足了教學過程中的多樣化需求。

4 結語

針對當前投籃教學中，課堂學生數量多，難以形成針對每一位學生的個性化的指導，糾正投籃運動姿態難度大等問題。本文提出了一種人工智能技術賦能的投籃姿態教學方法。通過構建一個輕量化的投籃姿態智能分析平臺，從而顯著提升投籃教學的效率和質量。本工作主要從輕量化人體骨骼點智能檢測技術、構建基于骨骼點位置的投籃姿態糾正理論和投籃動作矯正平臺研發三個方面進行了探索。

從應用角度來說，該平臺只需要根據投籃視頻進行運動姿態分析，而無需耗費大量的時間去佩戴或者標記，適合于課堂教學。同時，這也方便學生在課下練習時對自己的動作進行糾正。從成本角度來說，基于視頻的動作捕捉技術相對慣性和光學動捕技術來說，性價比高，適合于學生使用。從未來發展角度來說，基于骨骼點檢測的運動分析技術不僅適用于投籃姿勢檢測，也同樣適用于如足球，羽毛球等其它運動類型。在后續工作中，仍可以不斷拓展平臺的運動分析類型，逐漸形成一套完整的運動姿態分析和矯正系統。

參考文獻

[1] 中華人民共和國國務院.國務院關于印發全民健身計劃（2021—2025 年）的通知：國發[2021]11號[EB/OL].（2021-07-18）[2021-08-03]. www.gov.cn.

[2] 中國籃球運動發展研究課題組.中國籃球運動發展報告（2021）：總體特征與多元價值認知[M]// 社會科學文獻出版社.2021.15.

[3] 霍波，李彥鋒，高騰，等.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（03）：233-256.

[4] 路來冰，李小龍.人工智能技術在國際體育運動領域的聚類與演化[J].山東體育學院學報，2020，36（03）：21-32.

[5] 肖曦，侯君利，王井強.人工智能助力學校體育數字化轉型的機遇、挑戰與進路[J].湖北體育科技，2024，43（02）：114-118.

[6] WEI S E， RAMAKRISHNA V， KANADE T， et al. Convolutional Pose Machines[C/OL]//2016 IEEE Conference on Computer Vision and Pattern Recognition （CVPR）， Las Vegas， NV， USA. 2016.https：//ieeexplore.ieee.org/document/7780880