МЕТОДИКА ЭКСПРЕСС-ОЦЕНКИ РЕЗУЛЬТАТИВНОСТИ ВЫПОЛНЕНИЯ ДВИЖЕНИЙ ХОККЕИСТОМ С ПРИМЕНЕНИЕМ КОМПЬЮТЕРНОГО ЗРЕНИЯ
Аннотация
Цель: разработка методики экспресс-оценки результативности выполнения движений хоккеистом в процессе тренировки с применением компьютерного зрения. Материалы и методы. Авторская методика базируется на сравнении построенных траекторий движения хоккеиста во время выполнения упражнения в трехмерном пространстве с эталонными траекториями. При трехмерной реконструкции используется модель BODY_25. Эталонные движения выбираются тренером. Видеосъемка проводится синхронно на две RGB-камеры. Сравнение построенных траекторий движения хоккеистов в ходе выполнениями ими упражнений с эталонными проводилось путем расчета среднего расстояния между точками кривой, задающей траекторию движения сустава спортсмена, и точками кривой, задающей соответствующее эталонное движение. Попытка выполнения упражнения спортсменом считается результативной, если расчетное расстояние для всех кривых, задающих движения спортсмена во время его выполнения, меньше порогового значения. На базе СДЮСАШОР А.В. Кожевникова (г. Омск) осуществлялась запись пяти попыток выполнения квалифицированным хоккеистом броска с длинным разгоном шайбы в условиях зала. Результаты. В качестве реперных точек взяты точки, характеризующие движения плечевого пояса, таза, кистей хоккеиста. Расчеты показали, что попытки выполнения упражнения хоккеистом значимо отличаются от эталона и нерезультативны. Заключение. Применение разработанной методики станет одним из инструментов повышения качества и результативности тренировочного процесса в хоккее.
Литература
2. Савин, В.П. Удары и броски шайбы как средства поражения ворот противника: метод. разработка для слушателей ВШТ, ФПК и студентов академии / В.П. Савин. – М., 1993. – 29 с.
3. Физическая подготовка хоккеистов с использованием технических средств: учеб.-метод. пособие / В.Н. Коновалов, Д.А. Бернатавичюс, А.И. Табаков и др. – Омск: Сиб-ГУФК, 2020. – 188 с.
4. An Intelligent Motion Detection Using OpenCV / S. Mishra, M.V. Verma, N. Akhtar et al. // International Journal of Scientific Research in Science, Engineering and Technology (IJSRSET). – 2022. DOI: 10.32628/IJSRSET22925
5. Computer vision for sports: Current applications and research topics / G. Thomas, R. Gade, Th.B. Moeslund et al. // Computer Vision and Image Understanding. – 2017. – Vol. 159. – P. 3–18. DOI: 10.1016/j.cviu.2017.04.011
6. Das Dawn, D. A comprehensive survey of human action recognition with spatio-temporal interest point (STIP) detector / D. Das Dawn, S.H. Shaikh // The Visual Computer. – 2016. – Vol. 32. – P. 289–306.
7. Hockey activity recognition using pre-trained deep learning model / K. Rangasamy, M.A. As’ari, N.A. Rahmad, N.F. Ghazali // ICT Express. – 2020. – Vol. 6 (3). – P. 170–174.
8. Host, K. An overview of Human Action Recognition in sports based on Computer Vision / K. Host, M. Ivašić-Kos // Heliyon. – 2022. – Vol. 8, iss. 6. – Р. e09633. DOI: 10.1016/j.heliyon.2022.e09633
9. Tensorflow: a system for large-scale machine learning / M. Abadi, P. Barham, J. Chen et al. // In Osdi. – 2016. – Vol. 16. – P. 265–283.
References
1. Tret'yak V.A., Rotenberg R.B., Bure P.V. et al. Nacional'naya programma sportivnoy podgotovki po vidu sporta “hokkey” [National Sports Training Program for the Sport Hockey]. Mos-cow, 2019. 234 р.2. Savin V.P. Udary i broski shayby kak sredstva porazheniya vorot protivnika: metod. razrab. dlya slushateley VSHT, FPK i studentov Akademii [Hitting and Throwing the Puck as a Means of Hitting the Opponent's Goal. A Method. Developer for Students of HST, FPK and Academy Students]. Moscow, 1993. 29 p.
3. Konovalov V.N., Bernatavichyus D.A., Tabakov A.I. et al. Fizicheskaya podgotovka hokkeistov s ispol'zovaniem tekhnicheskih sredstv: uchebno-metod. posobie [Physical Training of Hockey Players Using Technical Means. Educational Method. Allowance]. Omsk, SibGUFK Publ., 2020. 188 р.
4. Mishra S., Verma M.V., Akhtar N. et al. An Intelligent Motion Detection Using OpenCV. International Journal of Scientific Research in Science, Engineering and Technology (IJSRSET), 2022. DOI: 10.32628/IJSRSET22925
5. Thomas G., Gade R., Moeslund Th.B. et al. Computer Vision for Sports: Current Applications and Research Topics. Computer Vision and Image Understanding, 2017, vol. 159, pp. 3–18. DOI: 10.1016/j.cviu.2017.04.011
6. Das Dawn D., Shaikh S.H. A Comprehensive Survey of Human Action Recognition with Spatio-Temporal Interest Point (STIP) Detector. The Visual Computer, 2016, vol. 32, pp. 289–306. DOI: 10.1007/s00371-015-1066-2
7. Rangasamy K., As’ari M.A., Rahmad N.A., Ghazali N.F. Hockey Activity Recognition Using Pretrained Deep Learning Model. ICT Express, 2020, vol. 6 (3), pp. 170–174. DOI: 10.1016/j.icte. 2020.04.013
8. Host K., Ivašić-Kos M. An Overview of Human Action Recognition in Sports Based on Computer Vision. Heliyon, 2022, vol. 8, iss. 6, e09633. DOI: 10.1016/j.heliyon.2022.e09633
9. Abadi M., Barham P., Chen J. et al. Tensorflow: a System for Large-scale Machine Learning. In Osdi, 2016, vol. 16, pp. 265–283.
Copyright (c) 2025 Человек. Спорт. Медицина

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.