在8月初举行的东京奥运会女子投掷项目比赛中，中国选手巩立姣和刘诗颖发挥出色，分获铅球和标枪金牌。巩立姣更以20米58创造了个人最好成绩，也为中国队赢得奥运会田赛项目首枚金牌。
赛后，中国田径协会发来感谢信，感谢北京体育大学用科技手段为中国投掷运动员在技术环节上找到了实现自我突破的“关键一招”。
“我们用人工智能技术对运动员的动作技术进行分析，提出改进建议，以科技手段助运动员一臂之力。”北京体育大学运动与健康研究院院长刘卉教授说。记者采访了解到，这项在东京奥运会崭露头角的技术系统，目前也正在为积极备战北京冬奥会的中国运动员不断改进升级提供服务。
快速高质量地获得运动员动作技术数据，是当前急需攻克的一项关键瓶颈。传统动作捕捉技术，要么需要在人体固定反光标记点或惯性传感器，要么需要人工识别人体关节点。
“前者不能在比赛中使用，后者则因为工作量大、耗时长、重复性差，严重影响动作技术分析的反馈速度和可靠性，限制了生物力学在助力竞技体育中的应用。”刘卉解释道。
如何破困局？刘卉团队利用基于深度学习原理的人工智能技术，建立神经网络模型，实现对动作视频中人体关节点的计算机自动识别，进而建立起适用于竞技体育和一般生物力学研究的计算机系统——无反光点人体运动自动捕捉人工智能系统。
作为科技冬奥重点专项“冬季项目运动员专项能力特征和科学选材关键技术研究”课题负责人，刘卉告诉科技日报记者，该系统已应用在国家速度滑冰和越野滑雪项目的训练中，获得超过8000人次的赛时动作技术数据，使机器深度学习越发“得心应手”，对于滑冰与滑雪运动员的动作捕捉与技术分析，既能精准到具体细节，又能快速反馈分析结果。
运动现场拍摄视频，画面环境复杂多样。课题组在常用的运动人体跟踪算法中结合了光流跟踪技术，即通过动作量的多少、动作幅度的大小来准确锁定主ID（身份人物），有效规避快速运动造成的影像模糊，减小复杂背景等因素干扰，确保能够“跟得住”。
同时，对大量已标记的训练数据进行机器学习，利用计算机系统形成神经网络，可识别不同运动姿态的人体关节点，达到“识别准”。
此。
