利用无标记动作捕捉技术探究擒抱运动学的变化以及基于负荷的擒抱技术熟练度

《Journal of Sports Sciences》：Using markerless motion capture to explore changes in tackle kinematics and load-based tackling technique proficiency

本研究旨在探讨PlayerLoad?和tackle运动学如何与技术熟练度相关。通过模拟tackle并使用标记less运动捕捉和PlayerLoad?设备分析20名业余男子的240次tackle数据，发现高技术组tackle的肩部功率显著更高（27.8 kW vs 7.9 kW），而低技术组接触力方向与tackle方向相反（3.6 kN vs -2.1 kN）。总PlayerLoad?在各组间无差异，表明技术熟练度影响力量方向而非外部负荷总量。

　　在现代体育训练中，特别是在接触性运动如橄榄球中，理解如何在不影响运动员安全的前提下提高技术表现和减少受伤风险变得尤为重要。这项研究旨在探讨在模拟对抗中，PlayerLoad? 和技术性对抗（tackle）的运动学特征如何随着技术熟练度的变化而变化。通过分析不同技术熟练度等级的对抗数据，研究提供了对运动员如何在对抗中有效运用力量的深入见解，同时揭示了技术熟练度对对抗过程中外部负荷的影响。

研究中，二十名业余男性橄榄球联盟球员参与了实验，他们在使用专门设计的对抗接触模拟器（Tackle Contact Simulator）上进行了十二次对抗。该模拟器被设计用来复制真实比赛中的一对一正面对抗，同时避免了实际对抗可能带来的身体伤害风险。模拟器的使用使得研究人员能够在安全的环境中评估对抗过程中的技术、身体和心理因素。参与者在每次对抗后填写了主观评估问卷，包括对身体疲劳、心理疲劳、感知努力程度和感知挑战程度的评价。这些主观数据为研究提供了关于对抗强度的额外信息，同时也帮助研究人员了解运动员在不同技术熟练度下的感受。

对抗技术的熟练度通过视频分析和标准化技术评估标准进行衡量。研究将对抗分为三个技术熟练度等级：低分对抗（≤7 AU）、中等分对抗（8 AU）和高分对抗（≥9 AU）。其中，AU 是任意单位，用于表示技术熟练度的评分。通过对视频进行分析，研究人员提取了运动学变量，如力量、能量、速度、动量等，并结合PlayerLoad?数据进行比较。PlayerLoad?是一种基于微技术设备（microtechnology device）的负荷测量方法，它通过计算加速度变化的矢量和来评估运动员在对抗中的物理负荷。这些数据的采集和分析为研究提供了定量化的依据。

研究发现，在高分对抗中，肩部在接触时的功率显著高于低分对抗。这一结果表明，技术熟练的运动员能够更有效地将力量传递到对抗点，从而产生更大的对抗效果。然而，肩部在接触时的力却在低分对抗中更高，但方向与对抗的方向相反。这种现象可能意味着低分对抗中的力量应用不够精准，导致力的施加方向偏离预期，从而影响对抗的效果。此外，研究还发现，高分对抗的肩部加速度高于中等分对抗，但与低分对抗相比并没有显著差异。这些结果表明，技术熟练度对力量的应用和传递有直接影响，而不仅仅是加速度。

PlayerLoad?的测量结果显示，高分对抗的接触点负荷显著高于低分对抗，但总体负荷没有显著差异。这说明尽管高分对抗在接触时更加有力，但整体上运动员在对抗中所承受的外部负荷可能相似。这一发现对训练实践具有重要意义，因为它表明即使在技术熟练度较高的对抗中，运动员的负荷管理仍然需要得到关注。此外，研究还指出，高分对抗的负荷轨迹更加稳定，而低分对抗的负荷轨迹则存在较大的波动性。这种稳定性可能有助于运动员更好地适应对抗环境，从而减少受伤风险。

在运动学分析方面，研究使用了无标记运动捕捉（markerless motion capture）技术，这是一种新兴且成本较低的方法，能够在不使用传统运动捕捉设备的情况下获取运动员的运动轨迹和身体动作数据。无标记运动捕捉通过高分辨率视频分析，结合深度学习算法（如DeepLabCut）进行人体姿态估计，从而实现对运动员和对抗模拟器的三维位置重建。这种方法为研究人员提供了一种非侵入性、高效且经济的工具，用于分析对抗过程中的技术细节和运动特征。研究还采用了稀疏捆绑调整（Sparse Bundle Adjustment）技术，以优化视频中的姿态数据，并通过低通滤波器（low pass filter）处理得到的三维关节位置，从而提高数据的准确性。

研究的局限性也值得考虑。首先，虽然模拟器能够复制真实对抗的某些特征，但它仍然无法完全模拟实际比赛中的复杂环境。例如，模拟器中的对抗是控制的，缺乏真实比赛中可能遇到的意外情况和高强度的身体接触。其次，研究未分析肩部主导性对对抗技术的影响。以往研究表明，主导肩部在对抗中能够产生更大的力量，而技术熟练度在身体和心理疲劳后可能不会明显下降。因此，未来的研究可以进一步探讨不同肩部主导性对对抗技术的影响，以及如何在不同训练条件下优化技术表现。

此外，研究中使用的视频采样频率（120 fps）虽然能够提供足够的数据细节，但也存在一定的局限性。根据奈奎斯特采样定理，采样频率应至少是信号最高频率的两倍，以避免信号失真。因此，视频中获取的加速度数据可能只是对实际加速度的估计，而不是精确的测量值。尽管如此，研究中使用的微技术设备（如S5，Optimeye）仍然是目前最常用且频率最高的设备之一，这使得研究结果在实际训练环境中具有一定的参考价值。

研究还发现，尽管技术熟练度较高的运动员在对抗中表现出更高的力量和更稳定的负荷轨迹，但他们在对抗过程中所承受的外部负荷可能与其他技术等级的运动员相似。这一发现对训练计划的制定具有重要意义，因为它表明教练在关注技术表现的同时，也需要考虑运动员的负荷管理。例如，即使在技术熟练度较高的对抗中，运动员也可能面临类似的负荷，因此训练计划应确保运动员在不同技术等级下的负荷处于可控范围内，以避免过度疲劳和潜在的受伤风险。

总的来说，这项研究为橄榄球对抗技术的训练提供了重要的理论依据和实践指导。通过结合PlayerLoad?和运动学分析，研究人员能够更全面地理解技术熟练度对对抗效果和运动员负荷的影响。此外，无标记运动捕捉技术的应用展示了其在运动科学中的巨大潜力，为未来的运动分析提供了新的方法。未来的研究可以进一步探索不同位置、不同技术等级以及不同训练条件下的对抗特征，以制定更加科学和个性化的训练方案。同时，提高无标记运动捕捉技术的用户友好性和数据处理效率，也将有助于其在实际训练和比赛中的广泛应用。