基于人工智能的智慧體育訓練輔助系統設計

劉正統 馬進

摘要：隨著人工智能和科技產業的迅速發展，智能體能訓練設備愈發重要，旨在提高運動員技能、改進訓練方式和改進運動技巧。為此，我們使用AIOT傳感技術搭建了專門針對體育訓練的實時監控網絡。系統包括紅外線傳感器、三維加速傳感器、心率帶、脈搏探測器和溫度感應部分等，用以收集訓練者的心率、呼吸速率等生理信息。利用AI算法建立體能與訓練強度的關聯模型，實施實時的訓練強度監測。實驗結果證實，系統運行穩定，其負載與吞吐量均在預期范圍內，達成了設計目標。

關鍵詞：人工智能? 智慧體育訓練輔助系統? 系統設計

中圖分類號：G80文獻標識碼：A文章編號：1006-8902-（2024）-02-178-3-ZQ

在體育訓練這個充滿挑戰的領域，對運動員身體機能水平有著極為嚴苛的要求，尤其針對如競技武術及平原自行車隊此類要求持久力與耐受度的項目更是如此，運動員們需要經受長時間且高度密集的高強度、過度負荷的訓練，通過這種方式以超越自身極限，逐步攀登至新高峰。然而，在面臨如此嚴峻的訓練環境下，運動員的身體機能一旦無法承受住這類鍛煉負荷，就有可能導致惡性后果，不僅影響到他們的健康狀況，甚至還可能危及生命。鑒于此，我們需要深入研究體育訓練強度監測技術，以期在訓練過程中避免運動員遭受不應有的傷害。近年來，國內外諸多學者已經開始關注這一問題，他們運用不同的理論模型、實驗數據以及訓練成果等手段，探尋體育訓練如何改變我們的身體機能，并根據這些研究成果，他們找到了一些可以用來監測運動員身體機能變化的關鍵指標，如最大血液乳酸濃度、最大無氧承受能力、肺通氣量、最大氧氣攝入量以及心電圖等。在此基礎之上，學者們提出了以下幾個具有參考價值的理念。例如，畢學翠等學者選擇以賽艇訓練為例進行研究，他們采用遞增運動員負荷的方式來驗證訓練強度的有效性，用以提供賽艇訓練監控所依賴的關鍵參數，從而實現針對賽艇訓練強度的有效控制。再比如，劉恒源教授團隊選取橄欖球運動為研究對象，他們通過詳細分析橄欖球運動中常見的傷病特點及誘發因素，從而確定出能夠準確反映運動強度的監控指標，以此來確保橄欖球運動訓練的強度得到有效控制。然而，盡管這些學者們潛心研究出各種有效的監控方法，但在實際應用過程中存在著系統運行負載與吞吐量未能滿足系統運行需求的問題，因此作者提出應利用人工智能物聯網（AIOT）傳感器技術，構建一套適合于體育訓練強度實時監控的系統方案。

1、智能體育訓練系統的技術實現

1.1、傳感器技術

作為智能體育訓練體系的關鍵組成部分，傳感器技術發揮著至關重要的作用。此項尖端科技輔以各類傳感器設備，可實時精準地洞察運動員在繁復的訓練過程中所處的各種狀態與姿態，進而依托于精密的數據分析，為教練團隊提供精確且具有針對性的反饋，以便其更有效地把握運動員的實際表現與各項身體指標。運動員以及教練員們還得以借助先進的智能恒速控制系統實現深度關聯，而更為智能化的人工智能物聯網（AIOT）技術還能助力他們將整個訓練流程實現云端化管理。

1.2、運動傳感器

在當前市場環境下我們常能見到兩種類型的運動傳感器：即慣性傳感器與壓力傳感器。前者主要行使著對運動過程中產生的加速度及角速度進行精確測量的職能，故對于跑步、單車騎行以及其他簡易運動項目擁有廣泛的運用場景。然而，壓力傳感器卻因具備實時感測和分析用戶運動狀況及其姿勢的獨特功能，因此常被廣泛運用于更為復雜且嚴格的健身訓練當中。

1.3、數據采集器

數據采集器的主要功能便是對從各類傳感器精心收集而來的運動數據進行精密處理及永久存儲，為接下來的數據深度整合與分析以及訓練層計劃的成功創建做好充分的準備。為了滿足大規模記錄運動數據的需求，數據采集器通常都會配備高性能的存儲硬件，確保即使在大量數據的情況下仍能穩定運行。并且借助于藍牙等先進技術手段，它還能夠與其他多元化設備進行順暢無阻的連接，實現運動相關數據的便捷分享。

1.4、顯示屏

顯示器在智能輔助運動訓練系統中扮演著至關重要的角色，發揮出獨特的用戶互動界面機能，其主要職責便是展示用戶所需要掌握的各項運動數據及經過科學設計的個性化訓練方案。一臺卓越的智能輔助運動訓練系統理應超越常規，具備更高的顯示清晰度與顯示速度，從而讓廣大用戶能夠更加輕松地查看自身運動相關數據，同時也能在第一時間接收到來自系統的準確且實時的反饋信息。

1.5、計算機

在智能輔助運動訓練領域中，計算機堪稱主導大腦的關鍵控制器，肩負著極其重要的職責——高效準確地處理運動數據以及制定相應的科學訓練計劃。通常而言，為了保證系統運作的穩定性及數據處理的高效性，智能輔助運動訓練系統必定配備一款功能強大的高性能計算機作為其堅實的后盾。

1.6、機器學習和人工智能

智能體育訓練體系運用先進的機器學習及人工智能科技，對海量數據進行深度發掘與處理，從而提供更為精準詳盡的分析結果。借助此類高科技手段，教練員得以獲取到具有極高價值且更加可靠的信息，以此深入洞察運動員們的競技表現，進而制定出更為科學合理且針對性較強的專項訓練方案以及技能調整策略。例如，借助于依托大數據構建的機器學習系統的強大功能，我們便能夠從繁復的數據中篩選出寶貴的機會，挖掘諸多不易被察覺的微小但重要的細節，從而最終實現運動成績的大幅提升。

1.7、虛擬現實技術

在教育培訓領域中，虛擬現實技術能夠創建更為逼真、細致的學習環境，同時提供全方位、詳盡的反饋信息，對于某些重復性技能的培養極為關鍵。比如在高爾夫運動項目中，提高推桿技巧需要大量的練習，而虛擬現實技術可以根據訓練者的即時表現，動態調整訓練環境中的各種參數與情境設置，從而給予選手更為貼近實戰的鍛煉。除此之外，虛擬現實技術還能有效提升訓練過程中的娛樂性及參與感，從而激發運動員們參與訓練的熱情。

2、智能體育訓練系統的設計要素

2.1、個性化定制

智能體育訓練體系需要充分考慮各個運動員個體的獨特需求與訓練特性，而非采用單一固定的模式為所有人員設計訓練方案。在這種思想指導下，系統需具備收集運動員各項身體指標的能力，以便透過高品質的數據反饋以及精心設計的訓練計劃來更準確地滿足運動員的個性化需求。

2.2、高效數據處理能力

領先的智能體育訓練系統必須深度集成強大的大數據處理功能，以便能夠精準處理海量的數據，從而生成更加真實可靠的訓練反饋成果。在此過程中，系統必須充分運用高效率的智能算法以及尖端的機器學習技術，進一步優化對數據的使用及深度分析，從而大幅度提升數據分析的績效水平與可信程度。例如，在執行訓練分析環節時，采用精煉數據矩陣的方法不僅顯著縮短了數據的處理時間，更使得反饋結果可以以更快的速度呈現給運動員/教練員。

2.3、用戶友好的界面

該智能體育訓練平臺需配備一款極具人性化且簡單便捷的用戶交互界面，以便讓運動員及教練能夠暢通無阻地實現各項功能。透過其內置精密算法對運動員各種表現數據的深入分析與解讀，教練員與運動員間的交流將更為順暢高效，這不僅有助于提升教練團隊針對訓練過程出現問題的快速反應能力，同時也有利于運動員對自身競技狀態的深刻認識與理解。

3、實時監控系統軟硬件設計

3.1、系統硬件設計

（1）平臺系統框架。

眾所周知，體育運動的訓練強度對運動員所面臨的健康風險和身體功能狀態有著不可忽視的深遠影響。因此，對于如何能夠科學而又及時地監測與控制體育訓練過程中的鍛煉強度，無疑是極其關鍵的環節。為了達成這一目的，我們有必要對運動員在訓練期間身體各方面的生理變化指標進行實時的精確測量和嚴密監控，這些重要的生理參數包括心率、呼吸速率、體溫、脈搏以及動脈血氧飽和度等等。在此基礎之上，我們通過精心研發和精細調整，成功構建和完善了一個科學嚴謹而又合理有效的硬件平臺系統，如圖1所示那樣，它可以滿足上述所有的功能需求。

本方案基于紅外線傳感器、三軸加速度計和心率帶等現代智能傳感設備構建了尖端AIOT傳感網絡，以全面記錄并分析五項關鍵身體機能數據，準確評估訓練強度。我們將這套傳感網絡與專門的單片機相連，并借助MSP430F5438的卓越控制性能確保系統平穩運行及數據高效率處理。為了滿足動態追蹤和實時監控要求，我們還在單片機上配備了GPRS模塊負責調控監視中心。同時，此方案還包含具有即時身體數據處理能力的數據庫模塊，可依據訓練者的基準數據產生個體化運動機能報告并傳送至監視中心，讓訓練師實時掌握運動員身體狀況。

（2）組建人工智能物聯網（AIOT）傳感網。

針對圖1所示的系統及客戶需求，我們將物聯網傳感器設計為穿戴式數據采集模塊，用于滿足運動員訓練中的便攜式需求。具體來說，我們選用了以下幾款高性能傳感器來實現這一目標。

首先，心率帶是用來采集運動員心跳頻率的關鍵設備。我們選取了具有藍牙功能的Armor-XGO-HRM藍牙4.0無線心率帶，以保證數據傳輸的順暢；

其次，對于呼吸數據，我們使用了壓電式三軸加速度傳感器（AY061D-3X）結合數字濾波技術，確保了采集到的呼吸數據穩定可靠；

此外，我們還采用了紅外傳感器（BH-PD21AA3）測量運動員體內的血氧濃度，以便評估運動員的身體狀況；

最后，我們選用了紅外脈搏傳感器（MAX30100）以及紅外熱電探測器（IRTP300L）以測量運動員體溫，這些都是性能卓越的傳感器，能夠準確地反映運動員的生理狀態。

當以上各傳感器與藍牙主機構成聯網之后，就構成了完整的人工智能物聯網（AIOT）傳感網絡。

3.2、實時監控系統軟件設計

本研究探討利用體育訓練者的體能狀況進行訓練強度的實時監控。具體流程包括：（1）建立基于圖2所示程序的體訓實時監控模型；（2）確定體能與鍛煉強度之間的映射關系表；（3）擬定體育訓練強度等級系統。由于訓練強度可劃分為訓練總負荷和負荷強度兩個方面，負荷即單位時間內的總體施加力度，負荷強度則表現為每單位時間內所完成動作所需承受的壓力。在此基礎上，我們將借助物聯網技術收集的體能參數來完善體能與鍛煉強度之間的關系模型。則有：

①式展示了體征（如呼吸、脈搏、心率等）、身體功能強度（簡稱Qi）、負荷總量（即Z）、時間（用字母t表示）以及體側數據（例如審計機能數據或體育運動員在訓練中的數據Xi）之間的關系。其余部分包括體育運動員的休息期表現（即安靜狀態下的身體機能數據Ai）和其身體機能的最終表現（maximum data，也就是Mi）。根據上述方程所揭示的對應模式，可以將體育訓練強度分為了適中和過度負荷兩個層面。由于每個人的身體素質存在一定差異，為此，我們制定了以下的標準來確定適合于運動員的訓練強度等級。

運用公式②，我們設定心率（H）、呼吸率（R）、血氧飽和度（S）和脈搏強度（P）以及被視為特例的溫度（T）均設值為1。在引入身體機能與訓練強度模型（公式①）及其訓練強度分級標準（公式②）后，這些參數已按照①式被納入圖2所示的實時運動監控軟件。據此，若結果等級為F4，軟件將自動啟動訓練負荷預警；若為F2，則意味著出現訓練超負荷問題；如處于F3或F1區間內，系統則不會警告。通過此方式，實時監測體育訓練強度得以實現。

4、系統測試

4.1、黑盒測試系統單元功能

運用JUnit4.0的Java測試架構進行黑盒測試，對本系統的各項功能進行了全面校驗。操作系統選用Microsoft Windows XP professional，Web服務器由 GlassFish 3.1運行，以Microsoft Windows Server 2003管理數據庫，而Mysql5.5則負責數據庫服務器的工作。選取系統數據采集、數據庫、系統預警以及數據傳輸四大核心部分進行試驗設計并進行測試，檢驗單元功能的準確性。其結果與預設用例完美契合，表明本次設計的系統順利完成了系統功能測試。

4.2、測試系統性能選擇

采用MercuryLoadRunner 8.1對系統性能進行測試。體系結構既包括功能測試系統的服務器控制軟件及數據庫管理工具，也涵蓋了系統性能測試這項重要工作。

（1）確定系統性能測試標準及方法。

依據系統要求，確定最大同時在線人數上限為60。在用戶數量接近此限制時，系統對數據及頁面的操作均可在3-8s內得到回應。另針對系統數據的增刪改操作，事務處理時間應低于10s。為了驗證系統滿足以上設定的性能測試標準，我們計劃實施負載測試。此處主要采用Web（HTTP/HTML）交換方式，借助MercuryLoadRunner 8.1軟件與待測系統建立聯系，同時也負責構建相應的Vuser測試腳本。其主要步驟包括：進入系統，實現對體育訓練強度的實時監控，收集運動員數據，然后進行數據的添加、刪除、修改，最后離開監控界面，確保整個用戶流程順利完成。接下來，通過MercuryLoadRunner 8.1軟件的Controller功能，將該測試腳本導入到系統之中。值得注意的是，開始階段系統用戶數量設為4人，此后每隔15s鐘增加4人，直至總數達到60為止。接著在保持系統正常服務5min之后，再關閉整個測試過程。

（2）系統負載測試結果系統運行。

通過對系統加壓和減壓測試，共執行了30輪Vuser腳本以收集系統負載數據。實驗持續了約11′05″，平均每分鐘點擊次數達到了160.54次，事務平均響應時間僅為4.47s，所有這些指標均在既定的系統測試標準之內。

（3）系統吞吐量測試。

依據系統負載測驗成果，我們觀測到系統吞吐量與用戶并發數成正比，且隨系統負載波動呈同步動態趨勢。這有力地證明了該設計版系統服務器表現出高度穩定性。總的來說，這套系統在其功能及性能方面都達到了預設指標，完全有資格應用于運動強度實時監測領域。

5、智能輔助運動訓練系統的應用

智能輔助運動訓練系統在健身領域的應用非常廣泛，其主要應用于自我訓練、健身房、私人教練等多種場景。

5.1、自我訓練

智能輔助運動訓練系統可以幫助用戶更加科學、合理地進行自我訓練，其通過運動識別算法和訓練方案生成算法，在運動過程中及時地對用戶進行評估和反饋，使用戶能夠更加科學、細致地進行自我訓練。

5.2、健身房

智能輔助運動訓練系統在健身房的應用也非常廣泛，其通過運動傳感器和數據采集器，實時地采集用戶的運動數據，同時配合訓練方案生成算法，生成一系列適合用戶自身身體狀況和運動水平的訓練方案，幫助用戶快速提升運動效果。

5.3、私人教練

智能輔助運動訓練系統在私人教練的應用也非常廣泛，其通過運動傳感器和數據采集器，實時的采集用戶的運動數據，同時配合訓練方案生成算法，生成一系列科學合理的訓練方案，促使教練更好地幫助用戶進行健身訓練。

6、結語

綜上所述，該創新設計采用先進的人工智能物聯網（AIOT）傳感技術，構建了全方位的AIOT監測網絡，能夠實時掌控體育訓練強度相關的各項指標如心率、呼吸、血氧、體溫、脈搏等體征數據，從而精確判斷訓練強度。然而，此項目仍有許多改進之處，特別是在如何打造更友好的用戶界面以及優化系統操作指導方面還待深究。展望將來，我們將致力于研究和改善系統界面布局，以期提高系統的易用性。事實上，這種智能化的體育訓練系統代表著未來的發展方向，能為運動員及整個體育界提供更高質量、更高效的解決方案。借助各類傳感器以及人工智能、機器學習和虛擬現實技術，這個系統能更加精準地追蹤運動員表現及數據變化，協助教練提升訓練效果，助力運動員取得更為優異的成績，也有助于他們在賽場上更好地發揮自己的實力。

參考文獻：

[1]陜西理工大學.一種基于人工智能的體育訓練動作輔助指導系統：CN201910150088.8[P].2019-05-31.

[2]孟莉.基于虛擬現實技術的三維體育輔助訓練系統設計[J]. 蘭州工業學院學報，2023，30（2）.

[3]茍小平，張萬軍，張峰等.基于體育輔助訓練器速度調節控制系統的研究與分析[J].甘肅科技，2020，36（24）.

[4]田云飛.論體育輔助訓練開展過程中計算機系統構建[J].西安文理學院學報（自然科學版），2017，20（6）.

[5]北京繁洋科技有限公司.一種基于大數據的體育輔助訓練系統及訓練方法：CN202310283358.9[P].2023-05-30.

[6]長春博立電子科技有限公司.一種基于視頻分析的智慧體育輔助訓練系統及訓練方法：CN202010493114.X[P].2020-09-18.