基于三维图像的运动员起跑动作误差预测仿真

田径比赛运动支撑期间,起跑动作的准确性可使运动员在最短时间内获得最佳速度,直接影响比赛成绩,因此需要对运动员起跑动作进行误差预测,当前方法预测起跑动作时,难以对运动员起跑动作关节点进行准确跟踪,降低了运动轨迹预测的精度。提出一种基于三维图像的运动员起跑动作误差预测方法。上述方法选用星型骨架组成结构描述运动员起跑动作三维运动模式,采用ISOMAP非线性降维方法计算获取起跑动作图像三维子空间的运动状态投影,将起跑动作三维数据投影至非线性低维子空间中,识别出运动员起跑动作状态的内在结构后研究整个起跑动作的各个关节点,利用Mean-Shift搜索算法确定运动员起跑动作各个关节点位置,并通过卡尔曼滤波器算法进行运动员起跑动作误差预测,确定运动员起跑过程中的动作轨迹。仿真结果表明,所提方法可有效提升运动员起跑动作轨迹预测精度,且预测效率较高。

运动员专项动作识别的神经效率:来自EEG节律去同步化和相干性证据

目的:从大脑皮层激活与功能连接视角,探讨运动员专项动作识别的神经效率。方法:采用专家新手研究范式,随机抽取19名乒乓球二级运动员和20名业余大学生被试,完成乒乓球发球动作识别任务试验,比较反应时、正确率、EEG节律去同步化和相干性系数的组间差异性。结果:专家组动作识别正确率高于新手组(P<0.05);专家O1、O2、P3、P4电极点低频alpha-ERD低于新手组(P<0.05);专家组O1、O2、F5、F6、P3、P5、T7电极点高频alpha-ERD低于新手组(P<0.05);专家组O2T8电极对theta、高频alpha(P<0.05),O2F4电极对theta、高频alpha(P<0.05),F4T8电极对theta、低频和高频alpha(P<0.05)的相干性系数高于新手组;专家组O1P3和O1F3电极对高频alpha(P<0.05),F3T7电极对theta和高频alpha(P<0.05),T7F3电极对低频和高频alpha(P<0.01),F3P3电极对高频alpha(P<0.05),F3F4、P3P4、T7T8电极对theta、低频和高频alpha(P<0.05)相干性系数低于新手组。结论:在专项动作识别过程中,运动员大脑皮层的神经效率,不仅表现为枕-顶视觉皮层和镜像系统激活的降低,还表现右半球内脑区有效功能连接的增强,以及左半球内脑区和半球间脑区功能连接的减弱。