北京冬奧走出一項AI黑科技：實時動捕三維姿態，誤差不到5毫米

夢晨 明敏 發自 凹非寺

量子位 | 公眾號 QbitAI

北京冬奧會已經正式落下帷幕。

不知大家心情如何，反正我是覺得還沒看過癮！

畢竟這屆奧運會不僅為我們帶來了運動健兒們在雪場、冰場上的卓越風姿，還頻頻曝出各種讓人眼花繚亂的黑科技，宛如一場為期十餘天的視覺盛宴。

不過你知道嗎？其實前沿科技對於這場運動盛會的滲透，還體現在我們目所不能及的地方。

比如說，用於輔助科學訓練的

英特爾 3DAT運動員追蹤系統

。

速度滑冰、越野滑雪專案的日常訓練，都已經用上了它。

以速度滑冰專案為例，利用影片動捕技術，AI可以實現運動員三維姿態重建，對起跑、加速等動作進行精準量化評估，測量誤差可以控制在5毫米以下。

要知道，速度滑冰作為一項純速度較量的比賽專案，把動作最佳化到極致、不斷逼近人體極限是運動員取勝的關鍵所在。

從去年冬季開始，中國速度滑冰隊便已經在日常訓練中用上了這套視覺動捕系統。

而這次北京冬奧會上，中國速滑隊在打破奧運紀錄的同時，贏得了中國歷史上首枚冬奧會男子速度滑冰金牌。

速滑要把動作最佳化到極致

我們以速度滑冰500米個人專案為例，介紹一下這項動作追蹤技術怎麼幫運動員訓練的。

速度滑冰有時也稱大道速滑，與短道速滑相對應。

參賽選手兩兩為一組，在400m長的賽道上角逐，每滑過一圈交換內外道以平衡距離的差異。

兩位選手之間幾乎沒有PK要素，追求極致速度，相當於冰雪運動裡的田徑專案。

比拼純粹的個人實力，包括體能、裝備、心理素質，當然也少不了動作技術。

速度滑冰選手最高時速可達50-60千米，選手之間的成績差距往往只在毫秒之間。

為贏得這一眨眼的差距，每一個動作、每一瞬的姿勢、每一處細節都要最佳化到極致。

近年來，運動員們逐漸用上了動作追蹤技術來輔助訓練。採集資料、分析量化的方法能幫助提高每一次訓練的效率。

簡單來說，動作追蹤技術分為兩個階段。

第一

，AI根據攝像機拍下的影片，提取運動員的關鍵骨骼點資訊、身體關鍵部位的姿態、運動軌跡和位置資訊等，並進行三維重建。

第二

，生物動力學（Biomechanics）演算法對資料做分析，計算出運動員和教練員關注的引數。

要說速度滑冰需要量化的引數，那可就……太多了。

先說起跑階段，整個人要從靜止狀態變到移動並儘量獲得高速度，突出一個爆發力。

預備姿勢上，要考慮雙腳與起跑線的夾角，雙腿蹲屈的幅度，雙臂的位置，重心的擺放甚至視線的焦點。

邁出的第一步叫做

“起動”

，極為關鍵。踏冰第一腳的速度、力量、冰刀的內外擺動都影響整場比賽的結果。

接下來進入

“疾跑”

，目標是用最少體力、最少時間、最短距離達到最佳速度。

這裡面步頻、蹬冰時間、懸空時間和地面時間，細到膝關節的角速度都可以透過計算得到。

△起步階段疾跑動作的三維重建

疾跑動作體力消耗巨大，難以全程維持。達到一定速度後要以最小的代價銜接過渡到正常滑跑。

過渡後就進入直道階段，總的來說需要上體前傾，視比賽距離選擇擺臂還是手背後。

上體與冰面夾角、大腿與小腿夾角、小腿與冰面夾角都要保持在一定範圍內，一是為了儘量減少空氣阻力，再是增加蹬冰時腿部能伸展的距離。

每一步的蹬冰、收腿、擺腿、冰刃著冰都有技術要領；時不時還要利用慣性延續前進，給下一次蹬冰的腿一個放鬆的機會；再加上擺臂和頭部位置也要有配合。

有了資料，可以得到核心關節、膝關節、髖關節的旋轉角度和角速度，以及運動員的質心的軌跡和加速度，幫助運動員分析姿態對蹬冰質量和效率的影響。

△直道階段滑行動作的三維重建

接下來，還有彎道階段身體傾斜的角度、轉彎半徑，冰刀是否沿切線著冰，最後衝刺階段的滑跑和最後一步更早讓冰刀觸及終點線等，這裡不再一一詳述。

總之在科技幫助下，運動員身體的感受和教練員腦海中的經驗變得更加精確。

多次訓練資料積累起來，縱向能總結某一個運動員自身的習慣和特點，橫向能比對不同運動員間的長處與短板。

根據這些結果，就可以有針對性地改進調整，不斷最佳化到極致，向著更好成績衝刺。

以上這些訓練細節，部分來自滑冰教程和體育學術論文，部分來自英特爾公佈的資料。

英特爾正是中國速度滑冰隊的簽約合作伙伴，提供的這套技術叫做

英特爾 3DAT運動員追蹤系統

。

之所以叫它黑科技，是因為它不同於此前的動作捕捉技術，不需要什麼專用攝像機，如高解析度紅外攝像機，也不需要被捕捉者穿戴任何感測器。

只用普通單反，甚至手機拍攝影片，就能透過精心設計和最佳化的AI演算法匯出三維運動姿態並進行精準的資料分析。

如此運動員輾轉於不同訓練場地不用帶太多額外裝置，能聯網就行。

這樣資料採集的便利性拉滿，壓力就來到了計算這邊。

為了保證精度和實時性，背後有一整套軟體演算法和硬體加速的支援。

下面從這些角度，再認識一下這套3DAT系統的底蘊。

不限場地的動捕，如何實現？

像以上這樣利用AI幫助運動員摳動作細節，現在已經成為了中國速度滑冰隊的日常。

最早在去年年初，這套名為

3DAT

的影片動捕系統就被試驗性地用在了輔助訓練上。經過半年多的磨合，在2021年冬天，它正式成為了訓練隊中的一員。

3DAT不僅可以捕捉到運動員的三維動作姿態，甚至還能實時將這些畫面展示在教練員眼前。具體究竟有多厲害？我們一起來看。

首先，區別於傳統光學捕捉、慣性捕捉，3DAT

無需運動員佩戴任何裝置

，就能捕捉到他們在高速運動時的動作姿態。

而且也不需要搭建專業的攝影棚，在訓練場旁邊架設最普通的攝像機就OK，對攝像頭數量的要求也不高。

像花樣滑冰1800平方米這樣大的場地，2-4個攝像頭就能採集到運動員在此範圍內的所有動作。

據幕後技術人員透露，甚至連普通的

手機攝像頭

，也能很好支援3DAT完成動捕。日常訓練中所需的相機數量，完全取決於教練員需要檢視多少精度的細節。

最終給出的資料精度也非常nice。

不僅支援1080P、4K等畫質，還能以高於每秒100幀的速度解碼。測量誤差可以壓低至

5毫米

級別，角度誤差也控制在7-8度左右。

另一方面，3DAT還可以把以上捕捉到的效果，

實時

展現給教練員，大幅提升了指導的效率。

並且它會採集記錄下每一位運動員的資料，形成單獨的資料庫，方便教練員回看和調取記錄，以此來分析制定訓練計劃。

實現這些效果，3DAT主要還是靠

AI演算法

支援。

透過收集大量三維運動姿態影象，AI演算法可以提取出人體骨骼的關鍵資訊特徵，然後再透過檢測或迴歸的方式輸出特徵圖或座標點。

這一次的AI演算法是來自英特爾，而且是跑在

CPU

上的。

在這裡使用了

英特爾 OpenVINO 視覺工具套件，它可以提供深度學習推理套件（DLDT），從而將各種訓練好的模型進行線上部署。

DLDT主要包括兩部分：模型最佳化器和推理引擎。

其中，模型最佳化器可以將訓練好的模型轉化為推理引擎可以識別的中間表達，推理引擎則完成高精度分析影片的工作。

也就是說，3DAT不只可以輔助速度滑冰一個專案訓練，像花樣滑冰、越野滑雪等專案，只要有訓練好的模型，就能透過OpenVINO完成部署。

據英特爾的技術專家介紹，採集5萬張左右影象就能訓練好適配一項運動的模型。

總之，只要有了資料，需要分析什麼引數全看運動員和教練員提的需求，演算法這邊可以根據需求調整。

此外，由於要及時給出結果，3DAT需要高算力、高吞吐，因此在硬體上也有仔細考量。

首先是計算方面，3DAT使用的是第三代英特爾 至強 可擴充套件處理器，它可用於雲計算、高效能計算、資料分析和AI等應用場景，擁有8-40個核心，支援8通道DDR4，64條PCI EXPRESS 4。0通道。並且專為AI應用的加速，集成了英特爾 深度學習加速技術，讓CPU加速AI不僅成為可能，而且在最佳化到位的情況下還可以媲美專用AI加速晶片的效果。

像開幕式上“和平鴿雪花”節目中超過600人實時動捕，其實只用了

4顆

第三代英特爾 至強 可擴充套件處理器就搞定了。而且時延還做到遠低於預定的目標，就是用到了OpenVINO+第三代英特爾 至強 可擴充套件處理器對INT8模型的加速能力。

儲存方面則使用了英特爾 傲騰 技術，可以提供持續型記憶體、大型記憶體池、快速快取和快速儲存，以此來保證資料的低時延處理。

同時應用的英特爾 Scalable Video Technology還能對相機拍下的畫面進行高效編碼，進一步降低影片資料的壓縮儲存和上雲的頻寬需求。

據技術人員介紹，未來這種計算還可以遷移至雲上進行，對裝置的要求還能進一步降低。使用者基本只需自備影片拍攝的裝置，如手機即可。

看到這裡，感覺工程師和運動員在精益求精這件事上達成了一致。

正在走出冬奧訓練，走出體育界的“人機共生”

誠然，以上視覺動捕在專業運動專案的應用、幫助人類不斷突破體能極限，還只是科技助力體育發展的一隅。

比如三分球“變態準”的庫裡，就在訓練中用過一種穿戴裝置來捕捉投籃的姿態；美國職業橄欖球運動員們亦是如此，同樣在用AI來輔助瞭解自身運動狀態……“人機合一”或“人機共生”儼然已經成為體育圈內的一種大勢所趨。

尤其是在人類已經將自身極限逼向極致的當下，僅僅依靠傳統訓練手段，想要尋求新的突破已經變得難上加難。此刻，科技便成為人類走向“更高、更快、更強”的一條新路徑。

不過，類似3DAT這種AI科技流淌的速度和範圍，其實還要超乎人們的預期和想象。它在本次冬奧會開幕式中，以及在專業運動訓練中的表現，更像是一種啼聲初試。

據英特爾技術團隊透露，3DAT在本次冬奧會的開幕式和部分訓練中成功應用後，已經有很多合作伙伴或使用者。乃至是體育運動領域外的夥伴和使用者，也在考慮這項技術在他們業務場景中的應用價值。

接下來，我們或許很快就會看到這項黑科技從專業運動領域滲透到人們的日常生活中。比如仍然與運動相切相關的體育教育、個人健身以及康復訓練。抑或是與運動關係不大，但對動捕應用需求旺盛的遊戲、虛擬現實、線上購物、數字藝術創作等領域。

光是想想就覺得刺激，過去只有好萊塢大牌片廠才能製作的高逼真虛擬3D角色或偶像，不久之後在你家書房裡，只靠手機+電腦就能做出來，這是一種怎樣的體驗？

看到這裡，你期待了嗎？

參考資料：

［1］孟祥東。試論大道速度滑冰的起跑技術［J］。體育風尚，2019（1）：55-55。

［2］https：//mp。weixin。qq。com/s/YABVQ1q-nB6nduiVdhoLjA