3DAT助力冬奥开幕式及赛前训练:这究竟是什么「神秘黑科技」?

2022 年 3 月 25 日 机器之心

机器之心报道

作者:蛋酱
北京冬奥虽已收官,但有一幕却让冰雪运动的爱好者们久久难忘,那就是 2 月 12 日晚,中国队凭借 34 秒 32 的成绩获得北京冬奥会速度滑冰男子 500 米比赛金牌,并刷新了该项目奥运纪录的那一幕。


这枚金牌得来不易,破纪录成绩的背后,是中国运动员们无数个日日夜夜挥洒在冰场的汗水。

世界级比赛中,前几名选手的差距往往只在毫秒之间。在奥运赛场上,运动员的每一次蹬冰、每一次摆臂,都是对速度与精确的全力追求。

这是属于中国的速度,从另一方面说,这也是属于科技进步的速度。

如果想要不断追求技术动作的完美,就必须在训练的过程中付出更多的努力。体育运动中,训练时提高发力、姿态等要素的精准度,是提升训练效率的关键,更对运动表现起到决定性作用。

但在传统的训练过程中,教练更多是通过肉眼观察和个人经验对运动员进行指导,存在很大误差。究其背后原因,运动训练数据采集和分析工作的缺失一直是个明显的制约因素。

随着 AI 应用领域的不断扩展,更多前沿技术正在走进体育运动的训练场内。英特尔 ® 3DAT 三维运动员追踪技术就是这样一个可以精准、实时地采集分析运动员生物力学数据,帮助运动员高效训练的工具,而它,也正是中国速滑队备战北京冬奥时,在训练中使用的一项「神秘黑科技」。

「3DAT」是什么样的黑科技?

速度滑冰是一项历史悠久的体育运动,运动员脚着冰鞋在冰面上滑行,借助冰刀的刀刃切入冰面形成稳固的支撑点,通过两腿轮流蹬冰、收腿、下刀,滑进动作以及全身协调配合向前快速滑行。

速度滑冰运动员训练时的动作幅度很大,运动速度很高,且训练场地的空间范围更大,一般周长在 400 米左右。这意味着基于光学或传感器的传统动作捕捉技术难以用于该项目的数据采集;同时,这两种方法的应用也受到经济成本的限制,很难满足运动员的日常训练数据采集需求。

进一步说,缺少数据就意味着缺少模型来实现更精准的训练指导。随着视频采集和分析技术的发展,运动姿态数据处理和运动表现分析已经成为运动员训练阶段竞争的制高点。

那么,有没有一种高效、低成本且部署过程更简单的运动捕捉技术呢?

英特尔 ® 3DAT 运动员追踪系统就是答案,它基于先进的计算机视觉和 AI 技术,能从训练视频源中提取速滑运动员的关键骨骼点信息、关键部位姿态、运动轨迹等进行三维重建。随后,3DAT 通过 AI 分析数据,生成运动员生物力学数据的参数集,这些参数集就是对运动员进行评估、指导调整的重要依据。英特尔技术团队表示,以上总体过程最少只需要十几分钟,而如果只是进行三维重建的话,其速度更是可以做到近乎实时。

3DAT 技术支持 1080P、4K 等画质,并以高于每秒 100 帧的速度解码,支持多路视频的同步采集以及多路视频在后续数据处理过程中的同步处理、多路视频生成 3D 姿态数据等。

在 3DAT 的助力下,动作捕捉告别了过去要使用专用或定制化采集设备,被采集者也需要穿戴传感器的时代,即使是借助一部手机设备拍摄的训练视频,任何人都能够清楚地了解到,运动员的身体正在进行着怎样的运动,以及如何可以使其达成更好的竞技表现。


以速度滑冰项目的起跑阶段为例,3DAT 技术在运动员全身定义了 23 个动作捕捉点,可以生成运动员的步频、蹬冰(Push off)时间、悬空(Air time)和地面(Ground time)时间、膝关节角速度、起跑角速度等一组参数集,以此分析起跑姿态对速度的影响:

 
而到了直道加速阶段,3DAT 可以得到核心关节、膝关节、髋关节的旋转角度和角速度,以及运动员的质心的轨迹和加速度,帮助运动员分析姿态对蹬冰质量和效率的影响:

 
在精准分析运动姿态、聚合运动数据的基础上,教练员可以在 3DAT 技术的支持下整理并提出科学训练计划和专业策略,有效提升训练效率;在分析动作和运动轨迹的基础上,这一系统还可以在若干秒计算中实时处理、校验、统计和分析复杂而庞大的训练数据信息,生成骨骼分析报告和图表,为教练员指导提供详细概述,制定更科学的训练计划。

3DAT 强大能力背后的技术底座

3DAT 系统能够为运动员训练提供如此高效的帮助,得益于背后第三代英特尔 ® 至强 ® 可扩展处理器的强大支撑。使用者利用摄像机拍摄运动员进行训练的过程,然后将视频数据发送到就近部署或在云端部署的、搭配该款处理器的服务器,就可在该处理器集成的英特尔 ® 深度学习加速技术的帮助下,加速运动员三维运动信息的重建和进行数据分析。

具体来说,3DAT 系统具备时效快、无干扰、高精度、大范围四大优势,这大大提高了数据生成的效率和准确率。

英特尔 ® 3DAT 技术可以做到当日视频当日出数据,教练有需要现场即时出数据,让数据具有时效性。第三代英特尔 ® 至强 ® 可扩展处理器,支持 8 通道 DDR4,64 条 PCI EXPRESS 4.0 通道,全面增强 I/O 吞吐量,能实时处理、校验、统计和分析复杂而庞大的训练数据信息。英特尔 ® 傲腾™ 技术提供充足的数据存储容量的同时,可凭借低时延特性确保数据处理效率。英特尔 ® Scalable Video Technology 则支持对摄像设备采集的大量视频进行高效编码,确保生成报告或者视频播放的低时延。

同时,由于运行在第三代英特尔 ® 至强 ® 可扩展处理器上的 3DAT 技术采用了先进的 AI 和计算机视觉算法,运动员也不再需要穿戴传感器等影响运动效果的装备,系统可以直接从训练视频中提取数据进行分析,做到对正常训练的零干扰。

总的来说,基于第三代英特尔 ® 至强 ® 可扩展处理器提供的强劲算力,视频数据读取、预处理、缺失帧修复、运动数据生成等图像处理可以更精准、高效,测量达像素级精度。3DAT 基于英特尔 ® OpenVINO™ 视觉工具套件进行开发,能实现精准、流畅、实时的视频数据读取、智能分析处理,人体三维运动信息提取等。英特尔 ® 至强 ® 可扩展处理器集成的英特尔 ® 深度学习加速技术,则能显著提升深度学习推理和训练的性能,让模型的生成和应用更加高效。

最后,3DAT 技术还让整个系统及应用的部署变得更容易,也可以很便捷地跟随队伍转场训练和比赛。运行在第三代英特尔 ® 至强 ® 可扩展处理器上的 3DAT 技术可实现大视野数据采集,得益于先进的 AI 分析模型,即使是宽阔的速滑冰场也只需要部署 2-4 台摄像设备,所采集的视频素材就能够支持生物力学数据模型的生成。


3DAT 的价值,不止于体育

英特尔技术团队介绍说,除了以上应用优势外,3DAT 系统另一大特点就是具备很高的通用性,面向不同的项目只需要简单的适配过程,大概需要 5 万张左右图片即可训练出针对性的 AI 模型,随后就可用于采集和分析空间定位和三维姿态等信息进行参考。

在冬奥的开幕式上,3DAT 技术也参与打造了一场人文与科技的视觉盛宴。英特尔联合第三方专业团队定制开发了「基于人工智能技术的演出实时特效系统」,将 3DAT 技术应用在《致敬人民》和《雪花》两个节目中,在开幕式现场仅通过 4 台摄像机就覆盖了全场,并让演员与现场铺设的大屏实现实时互动,成功打造出了美轮美奂的观赏效果。


 
为了确保演员与大屏中艺术形象互动的实时性与流畅性,英特尔技术团队将算法改进到能够更好利用英特尔 ® 深度学习加速技术 INT8 加速能力的状态,加上 pipeline 的时延优化,最终仅在四颗第三代英特尔 ® 至强 ® 可扩展处理器的支持下,就将摄像机到 AI 处理的时延降到了 50 毫秒以下。

在这一届冬奥的 开幕式和备战训练中 ,3DAT 技术展现出了巨大的价值和潜力。未来,英特尔希望 3DAT 技术走向更广泛的场景,即在所有需要动作追踪的应用场景中进行推广,实现「无门槛化应用」。

以体感游戏为例,3DAT 技术能够实时将物理世界中的动作数字化,人在物理世界中的每一个动作,都可以准确转化为游戏中的动作,同时还能让这种转化有更短的时延,实现更加丝滑、流畅的游戏体验。再以线上购物试衣镜应用为例,有了 3DAT 后,试衣的效果将不再是将衣服的图像呆板地贴在你的数字照片或影像上,而是能实时识别你的动作姿态,展示出类似真实穿着的效果。

当然,我们就更不用提,也许在不久后的一天,每个人用一台普通的智能手机搭配 3DAT,就可以对自己的运动表现进行打分和策略分析了。

到那时,这项曾在北京冬奥会上大放异彩的「黑科技」就不再只是一项与专业体育运动密切相关的 AI 技术了,它将更像是我们与元宇宙,与数字世界同步的一个关键接口。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:content@jiqizhixin.com

登录查看更多
0

相关内容

【AI+体育】机器学习在体育应用概述
专知会员服务
34+阅读 · 2022年4月17日
英国国防部《人类增强——新范式的黎明》,110页pdf
专知会员服务
32+阅读 · 2022年4月16日
《日本在智慧农业上的举措》最新报告,24页PPT
专知会员服务
54+阅读 · 2022年3月23日
《5G+智慧农业解决方案》22页PPT,三昇农业
专知会员服务
52+阅读 · 2022年3月23日
元宇宙专题深度,63页ppt
专知会员服务
217+阅读 · 2021年11月22日
DARPA可解释人工智能
专知会员服务
126+阅读 · 2020年12月22日
冬奥的另一场角力,安踏实现中国式登顶
这可能是冬奥会藏得最深的黑科技了
量子位
0+阅读 · 2022年2月18日
奥运会最神秘武器,气炸韩国人
创业邦杂志
0+阅读 · 2022年2月9日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
2D Human Pose Estimation: A Survey
Arxiv
0+阅读 · 2022年4月15日
Arxiv
58+阅读 · 2021年11月15日
Simplifying Graph Convolutional Networks
Arxiv
12+阅读 · 2019年2月19日
Arxiv
13+阅读 · 2018年4月6日
VIP会员
相关VIP内容
【AI+体育】机器学习在体育应用概述
专知会员服务
34+阅读 · 2022年4月17日
英国国防部《人类增强——新范式的黎明》,110页pdf
专知会员服务
32+阅读 · 2022年4月16日
《日本在智慧农业上的举措》最新报告,24页PPT
专知会员服务
54+阅读 · 2022年3月23日
《5G+智慧农业解决方案》22页PPT,三昇农业
专知会员服务
52+阅读 · 2022年3月23日
元宇宙专题深度,63页ppt
专知会员服务
217+阅读 · 2021年11月22日
DARPA可解释人工智能
专知会员服务
126+阅读 · 2020年12月22日
相关基金
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员