哈Ha！

评估运动员的成绩并不是一件容易的事。速度提高，程序变得更加复杂，出现了新的元素及其包。至少比较一下滑手或体操运动员在伦敦，里约热内卢，温哥华或索契的表演，以及他们的前辈半个世纪前获得金牌的节目。即使不跟随这项运动的人也会感到与众不同。

谁是评委？尽管他们精通他们的领域，但是普通人却变得疲倦，分心，眨眼并屈服于情感。结果是有争议的决定，在此之后，球迷们准备将整个评委“送给肥皂”。
由于一个人不是完美的，为什么不用最新的科学技术来弥补自己的弱点。终点线的另一场激烈热潮使爱德华·梅布里奇想到，及时拍摄马匹越过终点线的照片将使他们免于激烈的辩论，并避免了当赌注如此之高时同样严重的后果。他们开始快速练习，并且在19世纪末首次使用了比赛中的照片效果。第一次视频重播将纪念今年的65周年。自1970年代以来，网球一直使用电子线路判断器-一种确定球着陆位置的计算机化系统。

当某些动作导致胜利时（首先越过终点线，将球打入球门，跳到对手上方等），这样的系统将是有效的，但是当确定最佳状态时，例如通过执行元素的技术，其数量和顺序，这种系统几乎是无用的。该程序。在这里，您需要比简单的即时重播更复杂的内容。富士通将3D传感器技术视为其解决方案，该技术可以实时扫描，数字化和评估运动员的动作。关于削减工作原理的更多信息。

2016年5月，富士通与日本体操协会（JGA）签署了一项联合研究协议，以使用3D扫描和识别技术创建裁判支持系统。 JGA本身为富士通提供了裁判的实践知识，运动员数据以及测试环境，而富士通则使用3D传感器开发了原型裁判支持系统。

您可能会说出为什么要重新发明轮子。有一项众所周知的动作捕捉技术，该技术早已在电影界和游戏开发人员中成功使用。为什么不应用它？答案很简单。数十个比乒乓球稍小的传感器在训练过程中会产生很大的干扰，更不用说让运动员在榻榻米或运动场上争夺奖牌了。他们尝试了，但是这种技术的应用通常仅限于实验室条件。当然，收集到的数据可以用来优化训练或防止受伤，但是陪审团至少不能使生活变得轻松一些。

物联网的发展和物联网传感器的引入为裁判带来了更多好处。它们以射箭或跆拳道等某种形式隐藏在设备中，非常成功地帮助确定了哪个参与者更好。在射箭中，传感器确定跆拳道中箭头在目标中的位置-它使您可以评估击中盾牌和头盔的打击。尽管这个想法并不是什么新鲜事物，但让我们回想一下网球，但是随着物联网的发展，在各种学科中使用传感器的机会越来越多。
没错，物联网传感器不会帮助创建一个真正的通用系统来支持法官。首先，对于每种运动，您都必须选择传感器的类型，其次，在许多情况下，必须将传感器直接放置在运动员身上。第三，他们无法实时创建运动员运动的3D模型，这意味着它们将无法应用于评估运动，设备和元素复杂性的运动。

选择体操作为起点并非偶然。首先，体操的特点是运动员所进行的动作多种多样。从长远来看，这将允许收集大量数据，在此基础上创建具有高度多功能性的运动基础，并将其用于其他运动。
第二个原因是比较平淡无奇的。体操是日本流行和发达的运动。此外，在日本人口“老龄化”的背景下（到2035年，老年人将占该国总人口的近三分之一），日本政府积极支持旨在发展体育和保健的倡议。结果，富士通相对容易地获得了日本体操协会和国际体操联合会的专家以及其他感兴趣的组织的全面支持和专家协助。

3D传感器

为了摆脱必须直接安装在运动员身上的标记和传感器，富士通决定使用深层图像（即，在该点上到物体的距离存储在每个像素中，而不是颜色存储的图像）中进行分析。为了执行人体运动的三维扫描，系统使用三维激光传感器读取深度图像，深度图像是人体表面的轮廓。之后，将骨骼识别技术应用于生成的图像，以确定关节的位置。只是这样，您就可以准确计算与肘部，膝盖，脊柱等位置相关的角度，并根据这些角度的值的暂时变化来详细分析身体的运动。也就是说，法官可以依靠系统获得的模型，确定例如在执行元素过程中体操运动员的后背是否笔直，并决定罚款。

准确拍摄运动员的快速动作需要很高的帧频，并且需要一种收集深度图像的方法，该图像可以高分辨率和长距离捕获所有动作。因此，标准深度相机立即掉落了。尽管这样的摄像机可以高速，高分辨率地接收深度信息，但它只能在不超过5米的短距离内完成此操作。这极大地限制了它们在比赛场地上的使用。
使用基于LIDAR技术（光检测和测距）的激光传感器，情况会更好。它们可以从最远15米的距离接收物体的深度图像，但是此处的扫描速度和图像质量取决于投影侧的扫描系统和检测侧的光学系统的配置。例如，在具有旋转多面镜的系统中，在每条扫描线之后，系统必须等待镜旋转到特定位置才能开始下一个扫描过程，这大大降低了速度。

使用基于微机电系统（MEMS）的反射镜可以显着提高扫描速度，但是即使在这里，也有必要“使用文件进行修改”。为了在运动中使用基于激光传感器和MEMS反射镜的扫描系统，与现有的LIDAR技术相比，必须将扫描点的数量增加十倍以上，这意味着有必要提高MEMS反射镜的扫描速度。否则，您将无法接收高分辨率的图像。
因此，有必要使用扫描角放大透镜来减小MEMS反射镜的尺寸。如果投影和光检测是同轴的，则减小也用于检测的MEMS镜的尺寸将防止所有来自目标的光反射，从而减少光电探测器上的光量。为了确保有足够的可检测光，富士通使用了具有独立投影和检测单元的光学系统。

下图显示了Fujitsu Laboratories开发的三维激光传感器的配置，该传感器配备了使用MEMS反射镜的光学拆分投影/检测系统。

为了测量到目标的距离，该系统使用飞行时间（ToF）方法，该方法测量从投射激光脉冲到确定其反射的时间。注意了投射激光脉冲，从目标反射以及在检测单元上进行检测所需的时间为ΔT，光速为c（大约300,000 km / s），您可以使用以下公式设置到目标的距离d：

d =（c×Δ T）/ 2

但是困难并没有就此结束。首先，重要的是要确保传感器的相对自由度，因为并非所有情况下都可能将传感器设置为与物体保持一定且恒定的距离，因为所有比赛场所都是不同的。例如，传感器在近距离处以高分辨率接收物体的深层图像。但是，如果物体距离传感器更远，只要视角不变，图像分辨率就会下降。为了避免这种情况，我们向系统添加了对视角的控制。

还必须“切断”进入系统的多余光线（阳光，聚光灯，照相机闪光灯等）。为此，开发了一种多段光检测技术，借助该技术，扫描系统与MEMS反射镜控制信号同步，以便选择性地仅打开接收从物体反射的最大光量的光电检测器，同时禁用所有受环境光影响的光检测器。。

最后，在3D激光传感器的多个块之间添加了同步，以避免出现盲点。

因此，解决了以高质量和高速度获得运动员运动的深入图像的任务。剩下的唯一事情就是分析它们。

骨架识别技术

骨骼识别技术可让您从3D传感器的深度图像中提取人体各个关节位置的数据。在体育运动和艺术体操，花样滑冰，跳水等运动中。有关关节位置的3D信息，其角度应极其准确，因为积分数取决于此，最终决定了获胜者。

下图显示了可提供高速度和准确性的骨架识别的技术原理。在准备阶段，该系统已经过培训，可以确定关节在图像中的位置，并基于这些位置创建人体位置的3D模型，但是在此过程中，它还会从接收到的新数据中学习。

在训练阶段，将创建预测模型，以使用深入的图像导出关节坐标的估计值。为此，使用计算机图形从先前获得的运动（具有关节坐标）创建深层图像，以准备用于机器学习的训练集。

结果，在识别阶段，将从几个3D激光传感器获得的多点深度图像与在训练阶段创建的预测模型相叠加，以获得关节的三维坐标（即，识别骨骼）。在此阶段，将获得的关节坐标用作将人体模型应用于点云的初始值，对应于从每个传感器获得的深层图像。此过程称为“拟合”。为了使点云的坐标尽可能接近用于拟合的人体模型表面的坐标，确定“重合度”（可能性），然后以最大似然搜索坐标，这将确定关节的最终三维坐标。

当使用机器学习识别骨骼时，准确性通常较低，因为根据预测模型确定关节的位置。但是，此后续的拟合过程通过根据多个3D激光传感器的点云将关节的位置与实际测量值进行比较来提高精度。这时，基于机器学习的骨骼识别中测量值的准确性决定了调整范围，因此会影响骨骼识别最终结果的准确性和处理时间。为了提高基于机器学习的骨骼识别的准确性，正在准备几种预测模型，这些模型结合了身体位置，例如前（前），倒立（倒立）和后（后移），应用一种在识别骨骼之前通过确定身体的位置来选择最佳预测模型的方法。与将所有运动合并到单个预测模型中的方法相比，此方法通过限制应在预测模型中研究的运动来显着提高识别准确性。

此图显示了在体操比赛中基于使用多个传感器进行机器学习的骨骼识别结果。当在马上骑圈时，使用与向前位置相对应的预测模型，对于跳跃，则使用与倒立位置相对应的预测模型。这些结果表明，即使对于典型的体操运动，在不同类型的身体位置的预测模型之间切换也可以实现高精度的骨骼识别。

实施与应用

该系统的首次测试演示于2016年10月在国际体操联合会的大会上举行，之后开始了该技术的实际实施工作。 2017年10月，在蒙特利尔举行的第47届世界体操锦标赛上，使用实际比赛数据进行了第一个测试实验。

在2019年斯图加特世界体操锦标赛上，富士通系统被正式认可为评估4种形式表演难度的辅助工具：体操马，环，拱顶（男女）。
值得一提的是，富士通3D传感器系统的使用不仅限于法官的帮助。有许多潜在的应用场景。

跟随体操运动员的表演，系统学会识别最多样化和最复杂的动作。因此，不久将有可能将其应用适应于其他运动，仅需要为每个特定学科确定合适的预测模型。这不仅有助于法官更快地做出决定，这将有利于电视广播节目的出现次数（减少陪审团会议-运动员在摄像头前有更多时间），而且还有助于观众更好地了解球场上发生的事情。扫描仪处理的图像非常适合可视化单个性能时刻（复杂元素的执行，错误）。

运动员和训练员可以使用通过扫描获得的3D模型来使用有关系统操作和应用场景的视频，以改善设备，优化训练并防止受伤。同样，这种系统为远程训练和咨询开辟了新的可能性，因为与传统的视频记录相比，该系统的模型可以更好地了解运动员的技术。同时，人类运动以数字格式表示，这意味着这些数据可用于研究。

在当前期间，这种使用情况变得尤为重要。现在，即使在城市之间，甚至在国家之间，人们之间的流动都受到限制，但是，运动员仍需要教练和其他专家的实践和有力的咨询，以免因运动寿命何时恢复正常而变得不安定。

您也可以放弃带有静态插图和冗长的文字说明的“裁判规则”的标题，这些文字说明了体操运动员如何进行锻炼。未来取决于应用程序，并且基于从3D传感器获得的数据和模型，我们将为法官提供一套适用于一组规则，正确执行技术的动态详细图像的最佳应用程序，从而最大限度地减少差异或双重解释。

最后，他们将使用最终的3D扫描和识别系统来使患者康复。它有助于可视化关节活动度的恢复并正确调整治疗方法。有趣的是，这项技术最初是从富士通实验室发展而来，用于医疗机构的康复。确实，历史是周期性的。

有用的链接

用于实时量化运动员运动的
3D传感技术通过3D传感技术创建的基于ICT的艺术体操和预期新世界的裁判支持系统，
“迈向未来”，首次正式使用富士通技术来支持裁判在2019艺术体操世界锦标赛上

激光和传感器如何帮助法官保持紧张

3D传感器

骨架识别技术

实施与应用

More articles: