基于多传感器智能鞋垫的足球守门员步态识别与轨迹跟踪新方法

《BMC Sports Science, Medicine and Rehabilitation》：Footwork recognition and trajectory tracking of football goalie using Multi-Sensor technology

本研究针对传统视频分析技术在足球罚点球场景中易受遮挡、光照影响且侵犯隐私的问题，开发了一种融合多传感器智能鞋垫的系统。通过互补滤波融合加速度与角速度数据，结合双模态卷积神经网络(DMCNN)实现守门员步态识别，并以卡尔曼滤波为核心完成轨迹跟踪。实验结果显示，该系统在正常场景下目标跟踪曲线下面积(AUC)达91.15%，位移误差不超过6%，突破了传统方法的局限，为守门员训练提供了更稳定可靠的数据支持。

　　

在足球比赛中，罚点球时刻往往决定着比赛的走向。由于足球飞行速度极快，守门员仅有0.3秒左右的反应时间，必须提前预测球的方向才能成功扑救。然而，传统的视频分析技术在这一场景下面临着严峻挑战：场上球员的遮挡、光线变化、拍摄角度限制等因素都会影响跟踪效果，而且全程录像还可能涉及球员隐私问题。这些局限性使得教练团队难以获取准确、连续的守门员移动数据，从而限制了训练效果的提升。

为了解决这一难题，广东医科大学体育部的叶国喜和梁林在《BMC Sports Science, Medicine and Rehabilitation》上发表了一项创新研究，提出了一种基于多传感器智能鞋垫的足球守门员步态识别与轨迹跟踪系统。该系统通过在鞋垫中嵌入12通道惯性测量单元(IMU)，采集守门员在罚点球过程中的运动数据，结合先进的算法模型，实现了高精度的动作分析和轨迹重建。

研究团队采用了多项关键技术方法：首先使用智能鞋垫收集24名受试者的1,440次罚点球动作数据，建立专门的步态数据集；然后通过互补滤波算法融合加速度和角速度数据，有效抑制积分漂移；接着采用双模态卷积神经网络(DMCNN)进行步态识别，将加速度和角速度数据分别输入独立的卷积神经网络进行特征提取；最后以卡尔曼滤波为核心完成轨迹跟踪，通过动态加权观测值和模型预测值，输出最优的运动员状态估计。

方法有效性验证

研究人员对比了K近邻(KNN)、支持向量机(SVM)、卷积神经网络(CNN)和双模态卷积神经网络(DMCNN)四种算法在步态识别任务上的表现。结果显示，DMCNN在准确率和F1分数上均表现最佳，分别达到94.43%和95.56%，证明了多模态数据融合的有效性。虽然其推理延迟为286.39毫秒略高于其他方法，但在实际应用场景中这一延迟是可以接受的。

轨迹跟踪性能

在轨迹跟踪实验中，研究设置了四种不同复杂程度的场景进行评估。在正常场景（场景1）下，本文算法的AUC值达到91.15%，显著高于对比算法。特别是在场景2中，当目标被同队球员遮挡时，传统视觉跟踪方法性能大幅下降，而本文方法仍能保持67.73%的AUC值，体现了多传感器融合在抗遮挡方面的优势。

系统实时性评估

为验证系统在实际比赛中的适用性，研究团队将系统嵌入2018年俄罗斯世界杯的10个点球大战场景进行测试。结果显示，系统从数据触发到轨迹输出的平均时间为29秒，仅占每场比赛总时间的0.48%，与现有视频助理裁判(VAR)的时间消耗相当，对比赛流畅度影响极小。

位移测量精度

在直线轨迹实验中，系统估计距离与实际距离的误差控制在6%以内，证明了其在位移测量方面具有较高的准确性。这一精度足以满足训练分析和裁判辅助的需求。

The serial number

Estimated distance(m)

Actual distance(m)

1

14.6

15

2

14.8

15

3

14.5

15

区域统计分析

研究还分析了不同场区的执法需求，发现罚球区（红色区域）由于人员密集、对抗激烈，是视频助理裁判介入最频繁的区域，达到约238次，而中场区域（绿色区域）仅约72次。这一分布特点进一步说明了在复杂场景下可靠跟踪技术的必要性。

研究结论表明，该多传感器智能鞋垫系统成功突破了传统视频分析技术在光照、遮挡和隐私方面的限制，为足球守门员的训练和比赛分析提供了新的技术路径。系统通过卡尔曼滤波和互补滤波实现了运动员身体姿态的高鲁棒性计算，位移误差控制在6%以内，为后续结合球轨迹的全局分析奠定了基础。

与现有研究相比，该方法的创新性在于将数据分析的"锚点"从易受干扰的外部环境固定到运动员自身的生物轨迹上，从而能够持续稳定地获取高质量的身体数据。虽然系统在传感器校准精度和穿戴舒适度方面仍有优化空间，但其在复杂比赛环境下表现出的稳定性和准确性，为体育科学领域提供了一种新的研究范式。

未来，该系统可进一步结合自适应校准模块，根据步态事件动态重置积分误差，同时优化鞋垫材料和结构设计，提高穿戴舒适性。通过优化低延迟传输协议和探索端到端推理技术，有望将处理延迟降低到毫秒级，为实时反馈系统和裁判辅助系统奠定基础。这项技术不仅适用于足球运动，还可扩展至其他需要精确运动分析的体育项目，具有广阔的应用前景。