Аналіз ланок тіла боксерів під час нанесення ударів за допомогою сучасних технологій
DOI:
https://doi.org/10.15391/ed.2024-1.06Ключові слова:
бокс, змагальна діяльність, удар, сучасні технології, детектування, модулювання, ланки тілаАнотація
Мета: оцінити ефективність використання сучасних технологій комп’ютерного зору для визначення ланок тіла боксерів під час нанесення удару. Матеріал та методи. В ході дослідження використовувалися такі методи: аналіз науково-методичної літератури та інтернет-ресурсів, аналіз відео та зображень за допомогою технологій машинного навчання (зокрема технологій комп'ютерного зору), а також застосування методів математичної статистики. Для аналізу обрано фінальний боксерський поєдинок у ваговій категорії до 91 кг на Олімпійських іграх (Токіо, 2021). Загальна кількість зображень для аналізу склала 1025 одиниць. У дослідженні застосовувались моделі машинного навчання YOLO для детектування осіб, які находились на зображені та MediaPipe для визначення ланок тіла кожного із спортсменів. Результати: у рамках наукового дослідження детектування моделі YOLO під час боксерського поєдинку були отримані достатньо високі результати. Перший спортсмен у червоній формі виявлений з високою точністю - лише на 1,4 % зображень його не було виявлено; другий спортсмен у синій формі був виявлений на 98,7 % всіх зображень. Вірогідність правильного визначення спортсмена моделлю склала 89,5 % та 91,2 % відповідно для першого та другого спортсмена. Аналіз результатів вказує на те, що модель MediaPipe має обмеження в ідентифікації певних ланок тіла спортсменів під час змагань в єдиноборствах. Зокрема, відсоток зображень, на яких не вдалося ідентифікувати ланки тіла, коливається від 21,7 % до 31,7 %. Загальна картина показує, що модель успішно ідентифікує ключові ланки тіла, такі як плечі, лікті, зап'ястя, долоні та пальці, з вірогідністю результатів на рівні від 61,5 % до 74,5 %. Висновки. Проведено аналіз результатів використання сучасних технологій комп’ютерного зору для визначення ланок тіла боксерів під час нанесення ударів у змагальній діяльності. Результати свідчать про високу ефективність та точність моделі YOLO в задачі детектування спортсменів під час спортивних подій. Але в той же час, отримані протилежні дані використання моделі MediaPipe для визначення ланок тіла спортсменів. Візуальний безпосередній аналіз показує певні проблеми з визначенням рухів спортсменів. Загальною тенденцією є те, що в умовах боксерських змагань модель MediaPipe може стикатися з викликами, пов'язаними зі специфікою цього виду спорту, і вимагати подальшої оптимізації для досягнення найвищої точності та надійності в ідентифікації ланок тіла боксерів. Але в той же час, інтеграція технологій комп’ютерного зору в спортивні заходи відкриває нові можливості для об'єктивного аналізу та удосконалення технічного майстерності єдиноборців.
Посилання
Архипов, О.А., & Питомець, О.П. (2016). Якісний біомеханічний аналіз техніки бігу на короткі, середні та довгі дистанції. Науковий часопис НПУ імені М.П. Драгоманова, 3 (70), 285-288.
Гамалій В. (2020). Біомеханічні аспекти раціоналізації процесу навчання рухів у процесі технічної підготовки спортсменів. Теорія і методика фізичного виховання і спорту, 28(2), 36-41. DOI:10.32652/tmfvs.2020.2.36-41
Камаєв, О.І., Тропін, Ю.М., & Арнаут, В.Ю. (2019). Біомеханічний аналіз виконання технічних дій у спортивній боротьбі. Проблеми і перспективи розвитку спортивних ігор і єдиноборств у вищих навчальних закладах, 1, 32-35.
Коробейніков, Г., Воронцов, А., Костюченко, В., & Григоренко, О. (2020). Аналіз змагальної діяльності збірної команди України з греко-римської боротьби на чемпіонатах Європи 2019–2020 років. Теорія і методика фізичного виховання і спорту, (4), 27-33 DOI:10.32652/tmfvs.2020.4.27-33
Латишев М.В., Поляничко О.М., Вольський Д.С., Лахтадир О.В., & Рибак Л.О. (2022). Аналіз попередніх досягнень призерів чемпіонату світу 2022 року з вільної боротьби. Єдиноборства, 4(26), 44–53 DOI:10.15391/ed.2022-4.05
Латишев, М., Рибак, Л., Штанагей, Д., Вольський, Д., & Омельчук, М. (2023). Сучасні технології для визначення ланок тіла борців. Єдиноборства, (4 (30)), 49-58. DOI:10.15391/ed.2023-4.05
Латишев, М.В., Квасниця, О.М., Спесивих, О.О., & Квасниця, І.М. (2019). Прогнозування: методи, критерії та спортивний результат. Спортивний вісник Придніпров’я, 1, 39-47 DOI:10.32540/2071-1476-2019-1-039
Подригало, Л.В., & Володченко, О.А. (2016). Порівняльний аналіз біомеханічних аспектів кік-боксу та інших одноборств. Вісник Чернігівського національного педагогічного університету. Серія: Педагогічні науки. Фізичне виховання та спорт, 139 (1), 145-149.
Шандригось, В.І. (2018a). Cистемно-історичний аналіз досягнень країн-учасниць в змаганнях з вільної боротьби на Олімпійських Іграх (1904-2016 рр.). Єдиноборства, 1 (7), 89-97.
Шандригось, В.І. (2018b). Використання інформаційних технологій в теорії і практиці спортивних єдиноборств. Науково-методичні основи використання інформаційних технологій в галузі фізичної культури та спорту, 25(2), 137-41.
Шандригось, В.І., Блажейко, А.І., & Латишев, М.В. (2022). Стан і перспективи розвитку вільної боротьби в Україні. Єдиноборства, №2(24), 96–116 DOI:10.15391/ed.2022-2.09
Штанагей, Д.В., Коробейніков, Г.В., Колумбет, О.М., & Дудорова, Л.Ю. (2021). The study of the dynamic characteristics of hand movements of female boxers with different types of functional asymmetry. Науковий часопис Національного педагогічного університету імені МП Драгоманова, (7 (138)), 16-21 DOI 10.31392/NPU-nc.series15.2021.7(138).03
Cook, G., Burton, L., Hoogenboom, B.J., & Voight, M. (2014). Functional movement screening: The use of fundamental movements as an assessment of function‐part 1. International journal of sports physical therapy, 9(3), 396.
Groos, D., Ramampiaro, H., & Ihlen, E.A. (2021). EfficientPose: Scalable single-person pose estimation. Applied intelligence, 51, 2518-2533 DOI:10.1007/s10489-020-01918-7
Jiang, P., Ergu, D., Liu, F., Cai, Y., & Ma, B. (2022). A Review of Yolo algorithm developments. Procedia Computer Science, 199, 1066-1073 DOI:10.1016/j.procs.2022.01.135
Latyshev, M., Shandrygos, V., Tropin, Y., Polianychko, O., Deineko, A., Lakhtadyr, O., & Mozoliuk, O. (2021). Age distribution of wrestlers participating in the world championships. Acta Kinesiologica, 15 (1): 138-143 DOI:10.51371/issn.1840-2976.2021.15.1.17
Latyshev, M., Tropin, Y., Podrigalo, L., & Boychenko, N. (2022). Analysis of the Relative Age Effect in Elite Wrestlers. Ido movement for culture. Journal of Martial Arts Anthropology, (22 (3)), 28-32 DOI:10.14589/ido.22.3.5
Pardos, A., Tziomaka, M., Menychtas, A. & Maglogiannis, I. (2022). Automated Posture Analysis for the Assessment of Sports Exercises. In Proceedings of the 12th Hellenic Conference on Artificial Intelligence, 1-9 DOI:10.1145/3549737.3549784
Shandrygos, V.I., Blazheyko, A.I., Latyshev, N.V., Tropyn, Y.N., Boychenko, N.V., & Myroshnychenho, Y.S. (2022). Analysis of the performances of the national team of Ukraine in women’s wrestling at official competitions (1992–2021): second message. Rehabilitation & Recreation, 10, 170-183. DOI:10.32782/2522-1795.2022.10.22
Shandrygos, V.I., Boychenko, N.V., Tropyn, Y.N., & Latyshev, N.V. (2023). Influence of functional asymmetry on performance of technical actions at freestyle wrestlers. Martial artse, 1(27), 110-122. DOI:10.15391/ed.2023-1.10
Tropin, Y., Podrigalo, L., Boychenko, N., Podrihalo, O., Volodchenko, O., Volskyi, D., & Roztorhui, M. (2023). Analyzing predictive approaches in martial arts research. Pedagogy of Physical Culture and Sports, 27(4), 321–330. DOI:10.15561/26649837.2023.0408
Tropin, Y., Romanenko, V., Cynarski, W., Boychenko, N., & Kovalenko, J. (2022). Model characteristics of competitive activity of MMA mixed martial arts athletes of different weight categories. Slobozhanskyi Herald of Science and Sport, 2(26), 41-46. DOI:10.15391/snsv.2022-2
Wang, J., Qiu, K., Peng, H., Fu, J., & Zhu, J. (2019). AI coach: Deep human pose estimation and analysis for personalized athletic training assistance. In Proceedings of the 27th ACM international conference on multimedia, 374-382 DOI:10.1145/3343031.3350910
Youtube. Men's Boxing Super Heavyweight +91kg Final Tokyo Access Mode: – [Electronic resource]. – Access mode https://www.youtube.com/watch?v=ms80nCeFYds (date of application 01.11.2023).
Zhang, W., Liu, Z., Zhou, L., Leung, H., & Chan, A. B. (2017). Martial arts, dancing and sports dataset: A challenging stereo and multi-view dataset for 3D human pose estimation. Image and Vision Computing, 61, 22-39 DOI:10.1016/j.imavis.2017.02.002
![](https://journals.uran.ua/public/journals/774/article_297720_cover_uk_UA.jpg)