数据挖掘下的排球动员训练评价模型

前言：想要写出一篇引人入胜的文章？我们特意为您整理了数据挖掘下的排球动员训练评价模型范文，希望能给你带来灵感和参考，敬请阅读。

摘要：为了提高排球运动发展水平，使运动员取得更好的成绩，科学、系统的训练是实现这一目标的最基础保障，而训练强度大，动作不规范易发生损伤，运动员潜藏的小动作影响技术水平发挥等问题，在一定程度上影响着训练效果。针对以上问题，提出基于数据挖掘的排球运动员训练动作评价模型研究，通过深度成像的方式建立运动员的三维数据信息库，以数据挖掘算法分析数据，经过和排球运功员动作特征库的对比评价分析，得出评价结果。经过实验评估，证明设计的评价模型可实时采集排球运动员的速度，力量，技术等信息，以数据信息为依据规范动作，适合在排球运动的长期训练中使用。

关键词：数据挖掘；排球运动员；训练；动作评价模型

排球运动是一项受众广泛的运动项目，排球运动自诞生以来已有一百多年的历史，从一项娱乐活动演变为有明确的规则，竞争激烈的比赛运动[1]。排球运动员肩负着国家的荣誉，他们长期处于高强度的训练中，并且要保持体能，速度，技术，心理等多方面因素的协调发展，因此急需科学、先进的训练技术。但排球运动员和教练难以及时的发现排球运动员训练中动作的问题，若问题长期存在，则会对运动员造成身体机能的损伤和体能的变化等，加大了制定训练计划的难度。针对以上问题，采用数据挖掘处理算法对运动员训练中的动作规范性进行评价，以期及早发现运动员深层次的动作缺陷，实现科学训练。

1基于数据挖掘的排球运动员训练动作评价模型

基于数据挖掘的排球运动员训练动作评价模型的基本流程如图1所示：模型需要的原始数据是排球运动员的动作特征数据，是评价的参考数据。被测试的排球运动员首先注册账号，登录模型，录入基本信息，包括性别，年龄，身高和体重，场上位置等等，建立运动员的档案，有利于长期的训练动作评价分析。之后在测试过程中自动导入通过硬件设备获取的训练动作数据，经过模型评价分析，排球运动员可以查询自己的评价结果。用户设定部分有权限设置，教练可以查看所有运动员的评价结果，以此调整训练计划。1.1排球运动员训练动作数据获取数据采集设备配有1个广角彩色摄像头，1个红外投影机(红外发射器)，1个深度摄像头，4个麦克风阵列等部件。广角彩色摄像头可以360度旋转，根据人群的距离自动调整。麦克风阵列可以准确地定位声源，并且可以起到抑制噪声的作用[2]。红外投影机和深度摄像头的结合构成了设备的深度传感器，在运行时，每一个像素点上的灰度值可以得出该点代表的深度值，就是被测的排球运动员对应点到深度摄像头的垂直距离。这些设备的组合可以准确地把排球运动员和场景分割开，使排球训练场的前后景分离，从运动的排球运动员中捕捉训练动作三维数据信息。深度图像获取使用的是光子飞行时间技术，获取运动员到红外发射器的平面距离s计算公式为:公式(1)中，k表示为光速，约等于3×108m/s，m是调制光频率(红外投影机)，Δβ代表发射光信号和反射光信号间的相位差。通过这个公式计算可以得到的训练场空间的深度值，获取运动员三维位置信息。这个技术相对稳定，抗光线干扰的能力强，获取精度比传统设备有很大提高。排球运动员在训练中，身体结构不会发生变化，不会因为身高体重而受到影响，则本文模型选取关节的三维空间数据来识别运动员的运动情况，选取了左肘、右肘、左膝、右膝为主的15个关节点来作为动作跟踪。模型中设置了三种状态来表示数据获取情况，如表1所示。三种状态在数据采集设备上有提示灯显示，绿色是正常跟踪，黄色代表推测，红色代表跟踪失败，使用时可以根据提示灯及时调整设备状态。1.2排球运动员训练动作数据评价排球运动员训练动作评价模型评价的主要参照数据是排球运动员动作特征库的内容。排球比赛是隔网对抗型运动，和武术、体操等有严格标准动作姿态的运动不同，排球动作的规定，主要是根据人体生物学等原理，以最省力的技术完成有效扣球[3]。排球运动员动作特征库判定合理的技术动作，要综合发力顺序，发力规律等诸多技术要领来设定。由于每个运动员的动作幅度不同，排球技术动作，姿态没有统一的评价标准，每个运动员的动作在完成上会有一定范围的差异，这些差异不会影响发球的质量，动作连贯性，所以同样是合理有效的。对不同的技术动作要分类进行提取，建立相应的动作特征表，形成动作特征数据库。以拦网为例，副攻准备好拦网后，以右脚离地为开始，中间使用交叉步做拦网动作，最后以双脚落地为结束[4]。对这个动作进行动力学、解剖学的分析，结果如下表所示。根据分析结果查阅文献，进行专家访谈，了解有可能破坏动作合理性，流畅性的关键性指标。有了方向之后，以实际获取的运动员训练中的动作数据做分析，选取20名优秀排球运动员，20名普通排球运动员，做左髋，左膝，右踝，右髋，右膝，右踝关节角度测试数据的分析。分析结果与预测一致，优秀排球运动员这个启动动作的所有关节角度都要小于普通运动员，由此可知，启动动作的角度直接影响了动作速度，合理的启动角度有利于身体的协调和能量的传递[5]。在这个结论的基础上调取大量优秀排球运动员的关节角度数据，分析得出数据区间，作为排球运动员动作特征库的数据，并把这些影响动作的因素录入动作特征库中，做评价分析的参考。

2实验评估

为了测试本文提出的基于数据挖掘的排球运动员训练动作评价模型的有效性，进行实验评估。在训练场地的相同位置安装本文的训练动作评价模型数据采集设备和传统的训练动作评价模型相关设备。被测试的排球运动员分别在两个模型中录入个人基本信息。测试时间为四天，测试期间排球运动员保持正常训练。被测试的排球运动员分别用传统的训练动作评价模型和本文提出的训练动作评价模型对所获得的左前臂、右前臂、左小腿、右小腿四个关节点轨迹信息进行误差率分析对比，实验论证结果曲线如图2所示。由图中可以看出本文提出的基于数据挖掘的排球运动员训练动作评价模型比传统的评价模型误差率低，而且保持平稳[6]，不受时间长度影响，基本维持在2.42%左右，完全符合动作评价模型对误差率的要求。同样的条件，选取左髋，左膝，右踝，右髋，右膝，右踝六个关节，做关节角度的评价结果测试，图3是本文提出的基于数据挖掘的排球运动员训练动作评价模型的评价结果，图4是传统的训练动作评价模型评价结果。由两种模型的评价结果可以发现，传统模型的评价结果只有分数，本文的模型评价结果很详细，对每一个关节角度数据都有分析[7]，并且有专家和教练对训练动作的指导，往期训练结果多方面分析比较的数据等。

3结束语

本文模型以先进数据采集设备来获取运动员动作信息数据，进行数据分析并得出动作评价结果。实验评估表明，本文提出的模型有极高的适用性，对排球运动员日常训练很有帮助。其中排球运动员的动作特征库的数据，希望有关专业人士帮助进行填充。模型的很多细节需要继续完善，评价结果还可以输出很多不同的数据，有待进一步研究。

参考文献：

[1]黄云.数据挖掘的排球训练方案评价模型[J].现代电子技术,2017,40(15):101-104.

[2]杨宋华.基于数据挖掘的排球运动员身体素质评价模型[J].现代电子技术,2017,40(11):119-122.

[3]李萍,朱学强,毕楠.星形偏移平衡测试在评价女子排球运动员神经肌肉训练效果中的应用[J].天津体育学院学报,2018,33(1):86-92.

[4]王琳琳.排球扣球动作的三维手势重建系统设计[J].科学技术与工程,2019,19(6):180-184.

[5]孙英俊.排球扣球技术动作的力学分析[J].中学物理教学参考,2017(20):68-69.

[6]赵阳.排球发球技术路径视频图像正确性校正仿真[J].计算机仿真,2017,34(11):240-243.

[7]井兰香,尹兆友,朱青,等.间歇静态拉伸训练对跖屈肌神经-生物力学特征的急性和慢性影响[J].天津体育学院学报,2018,33(6):508-515.

作者：张东兵 单位：武汉科技大学体育学院