量子位 | "大众号 QbitAI
北京冬奥会已经正式落下帷幕。
不知大家心情如何，反正我是以为还没看过瘾！
毕竟这届奥运会不仅为我们带来了运动健儿们在雪场、冰场上的卓越风采，还频频曝出各种让人眼花缭乱的黑科技，宛如一场为期十余天的视觉盛宴。
不过你知道吗？实在前沿科技对付这场运动盛会的渗透，还表示在我们目所不能及的地方。
比如说，用于赞助科学演习的英特尔® 3DAT运动员追踪系统。
速率滑冰、越野滑雪项目的日常演习，都已经用上了它。
以速率滑冰项目为例，利用视频动捕技能，AI可以实现运动员三维姿态重修，对起跑、加速等动作进行精准量化评估，丈量偏差可以掌握在5毫米以下。
要知道，速率滑冰作为一项纯速率较劲的比赛项目，把动作优化到极致、不断逼近人体极限是运动员取胜的关键所在。
从去年冬季开始，中国速率滑冰队便已经在日常演习中用上了这套视觉动捕系统。
而这次北京冬奥会上，中国速滑队在冲破奥运记录的同时，赢得了中国历史上首枚冬奥会男子速率滑冰金牌。
速滑要把动作优化到极致我们以速率滑冰500米个人项目为例，先容一下这项动作追踪技能怎么帮运动员演习的。
速率滑冰有时也称大道速滑，与短道速滑相对应。
参赛选手两两为一组，在400m长的赛道上竞赛，每滑过一圈交流内外道以平衡间隔的差异。
两位选手之间险些没有PK要素，追求极致速率，相称于冰雪运动里的田径项目。
比拼纯粹的个人实力，包括体能、装备、生理本色，当然也少不了动作技能。
速率滑冰选手最高时速可达50-60千米，选手之间的成绩差距每每只在毫秒之间。
为赢得这一眨眼的差距，每一个动作、每一瞬的姿势、每一处细节都要优化到极致。
近年来，运动员们逐渐用上了动作追踪技能来赞助演习。采集数据、剖析量化的方法能帮助提高每一次演习的效率。
大略来说，动作追踪技能分为两个阶段。
第一，AI根据摄像机拍下的视频，提取运动员的关键骨骼点信息、身体关键部位的姿态、运动轨迹和位置信息等，并进行三维重修。
第二，生物动力学（Biomechanics）算法对数据做剖析，打算出运动员和教练员关注的参数。
要说速率滑冰须要量化的参数，那可就……太多了。
先提及跑阶段，全体人要从静止状态变到移动并只管即便得到高速率，突出一个爆发力。
预备姿势上，要考虑双脚与起跑线的夹角，双腿蹲屈的幅度，双臂的位置，重心的摆放乃至视线的焦点。
迈出的第一步叫做“起动”，极为关键。踏冰第一脚的速率、力量、冰刀的内外摆动都影响整场比赛的结果。
接下来进入“疾跑”，目标是用最少体力、最少韶光、最短间隔达到最佳速率。
这里面步频、蹬冰韶光、悬空韶光和地面韶光，细到膝枢纽关头的角速率都可以通过打算得到。
△起步阶段疾跑动作的三维重修
疾跑动作体力花费巨大，难以全程坚持。达到一定速率后要以最小的代价衔接过渡到正常滑跑。
过渡后就进入直道阶段，总的来说须要上体前倾，视比赛间隔选择摆臂还是手背后。
上体与冰面夹角、大腿与小腿夹角、小腿与冰面夹角都要保持在一定范围内，一是为了只管即便减少空气阻力，再是增加蹬冰时腿部能伸展的间隔。
每一步的蹬冰、收腿、摆腿、冰刃着冰都有技能办法；时时时还要利用惯性延续提高，给下一次蹬冰的腿一个放松的机会；再加上摆臂和头部位置也要有合营。
有了数据，可以得到核心枢纽关头、膝枢纽关头、髋枢纽关头的旋转角度和角速率，以及运动员的质心的轨迹和加速度，帮助运动员剖析姿态对蹬冰质量和效率的影响。
△直道阶段滑行动作的三维重修
接下来，还有弯道阶段身体倾斜的角度、转弯半径，冰刀是否沿切线着冰，末了冲刺阶段的滑跑和末了一步更早让冰刀触及终点线等，这里不再逐一详述。
总之在科技帮助下，运动员身体的感想熏染和教练员脑海中的履历变得更加精确。
多次演习数据积累起来，纵向能总结某一个运动员自身的习气和特点，横向能比对不同运动员间的长处与短板。
根据这些结果，就可以有针对性地改进调度，不断优化到极致，向着更好成绩冲刺。
以上这些演习细节，部分来自滑冰教程和体育学术论文，部分来自英特尔公布的资料。
英特尔正是中国速率滑冰队的签约互助伙伴，供应的这套技能叫做英特尔® 3DAT运动员追踪系统。
之以是叫它黑科技，是由于它不同于此前的动作捕捉技能，不须要什么专用摄像机，如高分辨率红外摄像机，也不须要被捕捉者穿着任何传感器。
只用普通单反，乃至手机拍摄视频，就能通过精心设计和优化的AI算法导出三维运动姿态并进行精准的数据剖析。
如此运动员辗转于不同演习园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拉满，压力就来到了打算这边。
为了担保精度和实时性，背后有一整套软件算法和硬件加速的支持。
下面从这些角度，再认识一下这套3DAT系统的秘闻。
不限园地的动捕，如何实现？像以上这样利用AI帮助运动员抠动作细节，现在已经成为了中国速率滑冰队的日常。
最早在去年年初，这套名为3DAT的视频动捕系统就被试验性地用在了赞助演习上。经由半年多的磨合，在2021年冬天，它正式成为了演习队中的一员。
3DAT不仅可以捕捉到运动员的三维动作姿态，乃至还能实时将这些画面展示在教练员面前。详细究竟有多厉害？我们一起来看。
首先，差异于传统光学捕捉、惯性捕捉，3DAT无需运动员佩戴任何设备，就能捕捉到他们在高速运动时的动作姿态。
而且也不须要搭建专业的拍照棚，在演习场阁下架设最普通的摄像机就OK，对摄像头数量的哀求也不高。
像花样滑冰1800平方米这样大的园地，2-4个摄像头就能采集到运动员在此范围内的所有动作。
据幕后技能职员透露，乃至连普通的手机摄像头，也能很好支持3DAT完成动捕。日常演习中所需的相机数量，完备取决于教练员须要查看多少精度的细节。
终极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帧的速率解码。丈量偏差可以压低至5毫米级别，角度偏差也掌握在7-8度旁边。
另一方面，3DAT还可以把以上捕捉到的效果，实时展现给教练员，大幅提升了辅导的效率。
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，以此来剖析制订演习操持。
实现这些效果，3DAT紧张还是靠AI算法支持。
通过网络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色，然后再通过检测或回归的办法输出特色图或坐标点。
这一次的AI算法是来自英特尔，而且是跑在CPU上的。
在这里利用了英特尔® OpenVINO™ 视觉工具套件，它可以供应深度学习推理套件（DLDT），从而将各种演习好的模型进行线上支配。
DLDT紧张包括两部分：模型优化器和推理引擎。
个中，模型优化器可以将演习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剖析视频的事情。
也便是说，3DAT不但可以赞助速率滑冰一个项目演习，像花样滑冰、越野滑雪等项目，只要有演习好的模型，就能通过OpenVINO完成支配。
据英特尔的技能专家先容，采集5万张旁边图像就能演习好适配一项运动的模型。
总之，只要有了数据，须要剖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度。
此外，由于要及时给出结果，3DAT须要高算力、高吞吐，因此在硬件上也有仔细考量。
首先是打算方面，3DAT利用的是第三代英特尔® 至强® 可扩展处理器，它可用于云打算、高性能打算、数据剖析和AI等运用处景，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运用的加速，集成了英特尔® 深度学习加速技能，让CPU加速AI不仅成为可能，而且在优化到位的情形下还可以媲美专用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，实在只用了4颗第三代英特尔® 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，便是用到了OpenVINO+第三代英特尔® 至强® 可扩展处理器对INT8模型的加速能力。
存储方面则利用了英特尔® 傲腾™ 技能，可以供应持续型内存、大型内存池、快速缓存和快速存储，以此来担保数据的低时延处理。
同时运用的英特尔® Scalable Video Technology还能对相机拍下的画面进行高效编码，进一步降落视频数据的压缩存储和上云的带宽需求。
据技能职员先容，未来这种打算还可以迁移至云上进行，对设备的哀求还能进一步降落。利用者基本只需自备视频拍摄的设备，如手机即可。
看到这里，觉得工程师和运动员在精益求精这件事上达成了同等。
正在走出冬奥演习，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运用、帮助人类不断打破体能极限，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，就在演习中用过一种穿着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来赞助理解自身运动状态……“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确当下，仅仅依赖传统演习手段，想要寻求新的打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科技流淌的速率和范围，实在还要超乎人们的预期和想象。它在本次冬奥会开幕式中，以及在专业运动演习中的表现，更像是一种啼声初试。
据英特尔技能团队透露，3DAT在本次冬奥会的开幕式和部分演习中成功运用后，已经有很多互助伙伴或用户。乃至是体育运动领域外的伙伴和用户，也在考虑这项技能在他们业务场景中的运用代价。
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。比如仍旧与运动相切干系的体育教诲、个人健身以及康复演习。抑或是与运动关系不大，但对动捕运用需求兴旺的游戏、虚拟现实、线上购物、数字艺术创作等领域。
光是想想就以为刺激，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，这是一种若何的体验？
看到这里，你期待了吗？
参考资料：[1]孟祥东.试论大道速率滑冰的起跑技能[J].体育风尚,2019(1):55-55.[2]https://mp.weixin.qq.com/s/YABVQ1q-nB6nduiVdhoLjA
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态