基于數據挖掘的排球動員訓練動作評價模型研究

摘要：為了提高排球運動發展水平，使運動員取得更好的成績，科學、系統的訓練是實現這一目標的最基礎保障，而訓練強度大，動作不規范易發生損傷，運動員潛藏的小動作影響技術水平發揮等問題，在一定程度上影響著訓練效果。針對以上問題，提出基于數據挖掘的排球運動員訓練動作評價模型研究，通過深度成像的方式建立運動員的三維數據信息庫，以數據挖掘算法分析數據，經過和排球運功員動作特征庫的對比評價分析，得出評價結果。經過實驗評估，證明設計的評價模型可實時采集排球運動員的速度，力量，技術等信息，以數據信息為依據規范動作，適合在排球運動的長期訓練中使用。

關鍵詞：數據挖掘;排球運動員;訓練;動作評價模型

中圖分類號：TP302 文獻標識碼：A

文章編號：1009-3044（2020）04-0274-02

收稿日期：2019-10-25

作者簡介：張東兵（1967—），女，湖北武漢人，本科，副教授，研究方向為體育教學與訓練。

排球運動是一項受眾廣泛的運動項目，排球運動自誕生以來已有一百多年的歷史，從一項娛樂活動演變為有明確的規則，競爭激烈的比賽運動。排球運動員肩負著國家的榮譽，，他們長期處于高強度的訓練中，并且要保持體能，速度，技術，心理等多方面因素的協調發展，因此急需科學、先進的訓練技術。但排球運動員和教練難以及時的發現排球運動員訓練中動作的問題，若問題長期存在，則會對運動員造成身體機能的損傷和體能的變化等，加大了制定訓練計劃的難度。針對以上問題，采用數據挖掘處理算法對運動員訓練中的動作規范性進行評價，以期及早發現運動員深層次的動作缺陷，實現科學訓練。

1 基于數據挖掘的排球運動員訓練動作評價模型

基于數據挖掘的排球運動員訓練動作評價模型的基本流程如圖1所示：

模型需要的原始數據是排球運動員的動作特征數據，是評價的參考數據。被測試的排球運動員首先注冊賬號，登錄模型，錄入基本信息，包括性別，年齡，身高和體重，場上位置等等，建立運動員的檔案，有利于長期的訓練動作評價分析。之后在測試過程中自動導入通過硬件設備獲取的訓練動作數據，經過模型評價分析，排球運動員可以查詢自己的評價結果。用戶設定部分有權限設置，教練可以查看所有運動員的評價結果，以此調整訓練計劃。

1.1 排球運動員訓練動作數據獲取

數據采集設備配有1個廣角彩色攝像頭，1個紅外投影機（紅外發射器），1個深度攝像頭，4個麥克風陣列等部件。廣角彩色攝像頭可以360度旋轉，根據人群的距離自動調整。麥克風陣列可以準確地定位聲源，并且可以起到抑制噪聲的作用2。紅外投影機和深度攝像頭的結合構成了設備的深度傳感器，在運行時，每一個像素點上的灰度值可以得出該點代表的深度值，就是被測的排球運動員對應點到深度攝像頭的垂直距離。這些設備的組合可以準確地把排球運動員和場景分割開，使排球訓練場的前后景分離，從運動的排球運動員中捕捉訓練動作：三維數據信息。深度圖像獲取使用的是光子飛行時間技術，獲取運動員到紅外發射器的平面距離s計算公式為：

公式（1）中，k表示為光速，約等于3x 10*m/s，m是調制光頻率（紅外投影機），4β代表發射光信號和反射光信號間的相位差。通過這個公式計算可以得到的訓練場空間的深度值，獲取運動員三維位置信息。這個技術相對穩定，抗光線干擾的能力強，獲取精度比傳統設備有很大提高。

排球運動員在訓練中，身體結構不會發生變化，不會因為身高體重而受到影響，則本文模型選取關節的三維空間數據來識別運動員的運動情況，選取了左肘、右肘、左膝、右膝為主的15個關節點來作為動作跟蹤。模型中設置了三種狀態來表示數據獲取情況，如表1所示。

三種狀態在數據采集設備上有提示燈顯示，綠色是正常跟蹤，黃色代表推測，紅色代表跟蹤失敗，使用時可以根據提示燈及時調整設備狀態。

1.2 排球運動員訓練動作數據評價

排球運動員訓練動作評價模型評價的主要參照數據是排球運動員動作特征庫的內容。排球比賽是隔網對抗型運動，和武術、體操等有嚴格標準動作姿態的運動不同，排球動作的規定，主要是根據人體生物學等原理，以最省力的技術完成有效扣球[3]。排球運動員動作特征庫判定合理的技術動作，要綜合發力順序，發力規律等諸多技術要領來設定。由于每個運動員的動作幅度不同，排球技術動作，姿態沒有統一的評價標準，每個運動員的動作在完成上會有一定范圍的差異，這些差異不會影響發球的質量，動作連貫性，所以同樣是合理有效的。對不同的技術動作要分類進行提取，建立相應的動作特征表，形成動作特征數據庫。

以攔網為例，副攻準備好攔網后，以右腳離地為開始，中間使用交叉步做攔網動作，最后以雙腳落地為結束[4]。對這個動作進行動力學、解剖學的分析，結果如下表所示。

根據分析結果查閱文獻，進行專家訪談，了解有可能破壞動作合理性，流暢性的關鍵性指標。有了方向之后，以實際獲取的運動員訓練中的動作數據做分析，選取20名優秀排球運動員，20名普通排球運動員，做左髖，左膝，右踝，右髖，右膝，右踝關節角度測試數據的分析。分析結果與預測-致，優秀排球運動員這個啟動動作的所有關節角度都要小于普通運動員，由此可知，啟動動作的角度直接影響了動作速度，合理的啟動角度有利于身體的協調和能量的傳遞[5]。在這個結論的基礎上調取大量優秀排球運動員的關節角度數據，分析得出數據區間，作為排球運動員動作特征庫的數據，并把這些影響動作的因素錄入動作特征庫中，做評價分析的參考。

2 實驗評估

為了測試本文提出的基于數據挖掘的排球運動員訓練動作評價模型的有效性，進行實驗評估。在訓練場地的相同位置安裝本文的訓練動作評價模型數據采集設備和傳統的訓練動作評價模型相關設備。

被測試的排球運動員分別在兩個模型中錄入個人基本信息。測試時間為四天，測試期間排球運動員保持正常訓練。被測試的排球運動員分別用傳統的訓練動作評價模型和本文提出的訓練動作評價模型對所獲得的左前臂、右前臂、左小腿、右小腿四個關節點軌跡信息進行誤差率分析對比，實驗論證結果曲線如圖2所示。

由圖中可以看出本文提出的基于數據挖掘的排球運動員訓練動作評價模型比傳統的評價模型誤差率低，而且保持平穩0，不受時間長度影響，基本維持在2.42%左右，完全符合動作評價模型對誤差率的要求。

同樣的條件，選取左髖，左膝，右踝，右髖，右膝，右踝六個關節，做關節角度的評價結果測試，圖3是本文提出的基于數據挖掘的排球運動員訓練動作評價模型的評價結果，圖4是傳統的訓練動作評價模型評價結果。

由兩種模型的評價結果可以發現，傳統模型的評價結果只有分數，本文的模型評價結果很詳細，對每一個關節角度數據都有分析[7]，并且有專家和教練對訓練動作的指導，往期訓練結果多方面分析比較的數據等。

3 結束語

本文模型以先進數據采集設備來獲取運動員動作信息數據，進行數據分析并得出動作評價結果。實驗評估表明，本文提出的模型有極高的適用性，對排球運動員日常訓練很有幫助。其中排球運動員的動作特征庫的數據，希望有關專業人士幫助進行填充。模型的很多細節需要繼續完善，評價結果還可以輸出很多不同的數據，有待進一步研究。

參考文獻：

[1]黃云.數據挖掘的排球訓練方案評價模型[J].現代電子技術，2017，40（15）：101-104.

[2]楊宋華.基于數據挖掘的排球運動員身體素質評價模型[J].現代電子技術，2017，40（11）：119-122.

[3]李萍，朱學強，畢楠.星形偏移平衡測試在評價女子排球運動員神經肌肉訓練效果中的應用[J].天津體育學院學報，2018，33（1）：86-92.

[4]王琳琳.排球扣球動作的三維手勢重建系統設計[J].科學技.術與工程，2019，19（6）：180-184.

[5]孫英俊.排球扣球技術動作的力學分析[J].中學物理教學參考，2017（20）：68-69.

[6]趙陽.排球發球技術路徑視頻圖像正確性校正仿真[J].計算機仿真，2017，34（11）：240-243.

[7]井蘭香，尹兆友，朱青，等.間歇靜態拉伸訓練對跖屈肌神經-生物力學特征的急性和慢性影響[J].天津體育學院學報，2018，33（6）：508-515.

[通聯編輯：張薇]