梦晨 明敏 发自 凹非寺量子位 | 公众号 QbitAI
北京冬奥会正式结束。
不知大家心情如何，反正我觉得还没看过瘾！
毕竟，这次奥运会不仅给我们带来了体育运动员在雪地和冰场上的出色魅力，而且经常暴露出各种耀眼的黑色技术，就像一场为期十多天的视觉盛宴。
但你知道吗？事实上，前沿技术对这项运动赛事的渗透也体现在我们无法企及的地方。
例如，用于辅助科学训练。
使用了速度滑冰和越野滑雪的日常训练。
以速度滑冰项目为例，采用视频动捕技术，AI可实现运动员三维姿态重建，准确定量评估起跑、加速等动作，测量误差可控制在5mm以下。
你知道，速度滑冰作为一种纯速度比赛，优化动作到极致，不断接近人体极限是运动员获胜的关键。
从去年冬天开始，中国速度滑冰队就在日常训练中使用了这种视觉动捕系统。
在北京冬奥会上，中国速滑队赢得了中国历史上第一枚男子速度滑冰金牌，同时打破了奥运纪录。
速滑应将动作优化到极致
以速度滑冰500米个人项目为例，介绍如何帮助运动员训练这种动作跟踪技术。
速滑有时也叫大道速滑，对应短道速滑。
参赛选手两两组，400m在长轨道上竞争，每次滑过一圈交换内外道，以平衡距离的差异。
两位选手之间几乎没有两位选手PK要素，追求极致速度，相当于冰雪运动里的田径项目。
与纯粹的个人实力竞争，包括身体素质、装备、心理素质，当然也有动作技术。
速度滑冰运动员时速可达50-60公里，运动员之间的成绩差距往往只有毫秒。
为了赢得这一眨眼的差距，每一个动作、姿势和细节都应该优化到极致。
近年来，运动员逐渐使用动作跟踪技术来帮助训练。采集数据和分析量化有助于提高每次训练的效率。
总之，动作跟踪技术分为两个阶段。
，AI根据摄像机拍摄的视频，提取运动员的关键骨点信息、身体关键部位的姿势、运动轨迹和位置信息，并进行三维重建。
，生物动力学（Biomechanics）算法分析数据，计算运动员和教练关注的参数。
要说速度滑冰需要量化参数，可以……太多了。
先说起跑阶段，整个人要从静人应该从静止状态转变为移动，并努力获得高速，以突出爆发力。
在准备姿势方面，应考虑脚与起跑线的夹角、腿蹲的幅度、手臂的位置、重心的放置甚至视线的焦点。
迈出的第一步叫做，极其关键。冰刀的速度、力量、内外摆动都会影响整场比赛的结果。
接下来进入，目标是用最少的体力、最少的时间和最短的距离达到最佳速度。
步频、踏冰时间、悬挂时间和地面时间都可以计算到膝关节的角速。
起步阶段疾跑运动的三维重建
体力消耗巨大，难以全程维持。达到一定速度后，要以最低的成本过渡到正常滑跑。
过渡后进入直道阶段，一般需要上身前倾，根据比赛距离选择摆臂或手背。
上半身和冰角、大腿和小腿角、小腿和冰角应保持在一定范围内。首先，为了尽量减少空气阻力，然后在踩冰时增加腿的伸展距离。
每一步踩冰、收腿、摆腿、冰刃都有技术要领；时不时用惯性继续前进，给下一步踩冰的腿一个放松的机会；另外，摆臂和头部位置要配合。
通过数据，可以获得核心关节、膝关节和髋关节的旋转角度和角速度，以及运动员的纹理轨迹和加速度，帮助运动员分析姿势对踏板冰质量和效率的影响。
三维重建直道阶段滑动动作
接下来，还有弯道阶段身体倾斜的角度和转弯半径，冰刀是否沿切线着冰，最后冲刺阶段的滑动和最后一步让冰刀更早触及终点线，这里不再详细说明。
总之，在科技的帮助下，运动员的身体感受和教练脑海中的经历变得更加准确。
通过积累多次训练数据，可以纵向总结运动员自身的习惯和特点，横向比较不同运动员的优缺点。
根据这些结果，就可以有针对性地改进调整，不断优化到极致，向着更好成绩冲刺。
这些训练细节部分来自滑冰教程和体育学术论文，部分来自英特尔发表的信息。
英特尔是中国速度滑冰队的合作伙伴，提供的技术被称为。
它被称为黑色技术，因为它不同于以前的动作捕捉技术，不需要任何特殊的摄像头，如高分辨率的红外摄像头，也不需要任何传感器。
通过精心设计和优化普通单反甚至手机拍摄视频AI算法导出三维运动姿态并进行准确的数据分析。
如此运动员辗转于不同训练场地不用带太多额外设备，能联网就行。
这样，数据采集的便利性就满了，压力就来到了计算方面。
背后有一套完整的软件算法和硬件加速支持，以确保精度和实时性。
从这些角度来看，让我们再次了解这套3DAT系统底蕴。
如何实现无限场地的动捕？
像上面这样使用AI帮助运动员挖掘动作细节已成为中国速度滑冰队的日常生活。
最早在去年年初，这套名为实验性地将视频动捕系统用于辅助训练。经过半年多的磨合，2021年冬天，它正式成为训练队的一员。
3DAT它不仅能捕捉到运动员的三维动作姿势，还能实时在教练面前展示这些图片。它有多强大？让我们看看。
第一，与传统的光学捕捉和惯性捕捉不同，3DAT，在高速运动时捕捉他们的动作姿势。
而且不需要搭建专业的摄影棚，在训练场旁边搭建最普通的摄像头就可以了OK，对摄像头数量的要求也不高。
在1800平方米的花样滑冰场地，2-4个摄像头可以收集到运动员在此范围内的所有动作。
据幕后技术人员透露，甚至是普通人，也能很好的支持3DAT完成动捕。日常训练所需的相机数量完全取决于教练需要检查的细节。
最终给出的数据精度也非常nice。
不仅支持1080P、4K等画质，还能以高于每秒100帧的速度解码。测量误差可以压低至级别，角度误差也控制在7-8度左右。
另一方面，3DAT还可以把以上捕捉到的效果，展现给教练员，大幅提升了指导的效率。
并且它会采集记录下每一位运动员的数据，形成单独的数据库，方便教练员回看和调取记录，以此来分析制定训练计划。
实现这些效果，3DAT主要还是靠支持。
通过收集大量三维运动姿态图像，AI算法可以提取出人体骨骼的关键信息特征，然后再通过检测或回归的方式输出特征图或坐标点。
这一次的AI算法是来自英特尔，而且是跑在上的。
在这里使用了，它可以提供深度学习推理套件（DLDT），从而将各种训练好的模型进行线上部署。
DLDT主要包括两部分：模型优化器和推理引擎。
其中，模型优化器可以将训练好的模型转化为推理引擎可以识别的中间表达，推理引擎则完成高精度分析视频的工作。
也就是说，3DAT不只可以辅助速度滑冰一个项目训练，像花样滑冰、越野滑雪等项目，只要有训练好的模型，就能通过OpenVINO完成部署。
据英特尔的技术专家介绍，采集5万张左右图像就能训练好适配一项运动的模型。
总之，只要有了数据，需要分析什么参数全看运动员和教练员提的需求，算法这边可以根据需求调整。
此外，由于要及时给出结果，3DAT需要高算力、高吞吐，因此在硬件上也有仔细考量。
首先是计算方面，3DAT使用的是第三代英特尔® 至强® 可扩展处理器，它可用于云计算、高性能计算、数据分析和AI等应用场景，拥有8-40个内核，支持8通道DDR4，64条PCI EXPRESS 4.0通道。并且专为AI应用的加速，集成了英特尔® 深度学习加速技术，让CPU加速AI不仅成为可能，而且在优化到位的情况下还可以媲美专用AI加速芯片的效果。
像开幕式上“和平鸽雪花”节目中超过600人实时动捕，其实只用了第三代英特尔® 至强® 可扩展处理器就搞定了。而且时延还做到远低于预定的目标，就是用到了OpenVINO+第三代英特尔® 至强® 可扩展处理器对INT8模型的加速能力。
存储方面则使用了英特尔® 傲腾™ 技术，可以提供持续型内存、大型内存池、快速缓存和快速存储，以此来保证数据的低时延处理。
同时应用的英特尔® Scalable Video Technology还能对相机拍下的画面进行高效编码，进一步降低视频数据的压缩存储和上云的带宽需求。
据技术人员介绍，未来这种计算还可以迁移至云上进行，对设备的要求还能进一步降低。使用者基本只需自备视频拍摄的设备，如手机即可。
看到这里，感觉工程师和运动员在精益求精这件事上达成了一致。
正在走出冬奥训练，走出体育界的“人机共生”
诚然，以上视觉动捕在专业运动项目的应用、帮助人类不断突破体能极限，还只是科技助力体育发展的一隅。
比如三分球“变态准”的库里，就在训练中用过一种穿戴设备来捕捉投篮的姿态；美国职业橄榄球运动员们亦是如此，同样在用AI来辅助了解自身运动状态……“人机合一”或“人机共生”俨然已经成为体育圈内的一种大势所趋。
尤其是在人类已经将自身极限逼向极致的当下，仅仅依靠传统训练手段，想要寻求新的突破已经变得难上加难。此刻，科技便成为人类走向“更高、更快、更强”的一条新路径。
不过，类似3DAT这种AI科技流淌的速度和范围，其实还要超乎人们的预期和想象。它在本次冬奥会开幕式中，以及在专业运动训练中的表现，更像是一种啼声初试。
据英特尔技术团队透露，3DAT在本次冬奥会的开幕式和部分训练中成功应用后，已经有很多合作伙伴或用户。乃至是体育运动领域外的伙伴和用户，也在考虑这项技术在他们业务场景中的应用价值。
接下来，我们或许很快就会看到这项黑科技从专业运动领域渗透到人们的日常生活中。比如仍然与运动相切相关的体育教育、个人健身以及康复训练。抑或是与运动关系不大，但对动捕应用需求旺盛的游戏、虚拟现实、线上购物、数字艺术创作等领域。
光是想想就觉得刺激，过去只有好莱坞大牌片厂才能制作的高逼真虚拟3D角色或偶像，不久之后在你家书房里，只靠手机+电脑就能做出来，这是一种怎样的体验？
看到这里，你期待了吗？
参考资料：[1]孟祥东.试论大道速度滑冰的起跑技术[J].体育风尚,2019(1):55-55.[2]https://mp.weixin.qq.com/s/YABVQ1q-nB6nduiVdhoLjA