10.10 人工智能技术在国际体育运动领域的聚类与演化
<p>人工智能技术在国际体育运动领域的聚类与演化
路来冰，李小龙
山东体育学院学报 第36卷第3期 2020年6月
研究目的: 以 Web of Science 数据库 1995 年以来“体育人工智能”等关键词为主题的 549 篇文献为数据来源，利用 Cite Space V 软件进行可视化处理和分析，以可视化知识图谱的方式梳理了近25 年体育人工智能研究的国家、学科分布、研究热点以及演化趋势，探讨其研究进展和发展方向。
文章脉络：
人工智能是在多种学科基础上发展起来的，通过分析国际体育 界对于人工智能的研究与应用情况，推进我国体育运动领域的人工智能研究。
1 数据来源与研究方法
体育领域人工智能的应用覆盖面较广，搜索词应涉及多门学科。本研究选取的是City Space V软件。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=bae0a9695856a7757e16761be568e193&file=file.png" alt="" />
2 研究结果与分析
2.1 体育人工智能研究的国家（地区）分布
圆圈半径的大小、节点连接线条的粗细与发文量和联系紧密程度成正比。同时圆圈外层的紫色圆环宽度越宽，其中心性越大。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=426341ea12eedc259fabcbc33e26e06c&file=file.png" alt="" />
中国目前排名第8。通过上述结果可以看出美国、欧洲与亚洲的经济强国在体育人工智能领域的研究开展得较为充分。我国虽然总发文量居世界第二，但数据认证我国的文献质量还没有在世界范围内被认可，说明我国人工智能发展水平与一些发达国家还有一定的差距。所以应提升视野，加速科技发展，加强学术交流。
2.2 体育人工智能研究的学科分布
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=37f4dc1caf03bbeb6d29b1d36805e172&file=file.png" alt="" />
计算机科学与工程学牢牢占据发文量与文章中心性的头两名，体育科学也均在前 5 之列。体育人工智能技术是从计算机科学中“来”，在工程学中“蜕变”，到体育科学中“去”。阿尔法围棋战胜了李世石之后，引起了全球体育发展的社会学思考。
3 体育人工智能研究热点分析
3.1 体育人工智能高频关键词共现分析
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=24207893e83755d2ac61378de9b67df0&file=file.png" alt="" />
人工神经网络出现在了关键词频次与中心性排序中。人工神经网络通过模仿动物神经网络行为特征，进行分布式并行信息处理，用以模拟人的思维。机器学习仍是目前体育人工智能研究热点中的热点。可以通过光学智能跟踪系统、计算机视觉技术模型等技术，来作出科学评判、制定合理战术。
3.2 体育人工智能突现关键词分析
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=4ebce685b0510b0a11c6fe3b56ecf837&file=file.png" alt="" />
跟踪、体育锻炼、人工神经网络、有效性、能量消耗等词汇在2011-2013年集中突现并有很强的关联。神经网络应用场景的处理范围可以涉及到很多方面、很多行业。从 2011 年左右开始，以人工神经网络技术为理论基础，以人体能量消耗为指标，开展了一系列对身体活动的高效识别与追踪技术研究，并最终实现了智能穿戴设备的终端载体。
3.3 体育人工智能关键词时区图分析
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=1719b15cb22e6ac4dc28428822b6c93e&file=file.png" alt="" />
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=e0107ee6d6ec32189d912ccff4ff108c&file=file.png" alt="" />
从2006年第一次将人工智能概念引入运动生物力学领域开始，直到2012年左右才达到一个高峰。2012年到2016年出现了一个回落，从2017年开始进入爆发期。分析说明以机器深度学习为主要途径的人体运动 识别技术将是今后的研究热点。
4 体育人工之智能研究的聚类与演化
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=80c2caa22a1a998c7d6c6155d9c232a0&file=file.png" alt="" />
4.1 C1知识群：基于加速度计技术的简单活动识别与能量消耗研究
在早期的体育人工智能领域，对人体运动状态的简单有效的 监控与评估是研究的热点。C1知识群的研究适用于体育人工智能研究的中早期阶段，主要通过智能穿戴装备、人工神经网络技术和加速度计来实现。目标为简单动作识别和能量消耗的准确预测。
4.2 C2知识群：基于卷积神经网络算法的计算机场景分类研究
深度卷积网络具有以下特征: 1) 可以逐层提取图像的特征，不需要人工的设计特征。2) 泛化能力较强，可以适用于目标识别、场景识别和区域适应等。3) 鲁棒性(在异常和危险情况下系统生存的能力）强，对图像的扭曲、偏移、缩放等完全适应。在2012-2017年期间，图像识别技术理论由三层结构的人工神经网络发展到五层结构的卷积神经网络。
4.3 C3知识群：基于计算机视觉技术的体能与技战术的分析与预测
研究者可以通过计算机视觉技术了解运动员能量消耗的反馈和团队表现，并且可以在此基础上建立人工神经网络分析模型进行智能化和自动化分析。计算机视觉技术可以在训练辅助反馈中发挥重要作用，将具有精细分析功能的人工智能的教练系统与更具备经验历练的传统教练团队结合，预计将是未来体育团队决策的发展方向。
4.4 C4知识群：基于可穿戴式传感器的动作分析与损伤防控研究
穿戴传感器可以准确地监测和评估在 撞击等易发生运动损伤的状况下，评估人体机能的实 时状态，减少受伤风险。如何从连续的数据中分割出不同类型动作的边界，是动作自动识别的关键。使用可穿戴传感器 进行活动识别和检测的一个主要障碍是: 当传感器在人体的配置发生任何变化时，识别的算法就需要重新开始构建，并且对于这些新算法的再训练还需要大量的有标记的训练数据集。
4.5 C5知识群：基于计算机深度学习的人体识别技术
从 2010 年起，在 体育运动领域，视频中复杂背景下人体的识别与精细 动作的识别是计算机视觉技术的重要研究方向。
5 小结
体育人工智能的未来趋势依然呈现一种更加应用化、实践化的发展策略，通过不断完善与匹配，找到更加高效与实用的人工智能算法与模型，深入开发更加智能的可穿戴传感器与提高视觉分析系统的深度学习能力是未来研究的重要方向。
优点：
1 从多个知识群分析了人工智能技术，根据各种运动项目的特性选择测试各自适合的技术。
2 举了很多具体的例子，来证明人工智能技术在比赛、裁判等方面的适用性和不足。
3 列用很多数据，说明了人工智能一直以来的发展历程。
思考：
1 体育人工智能是否可以普及到大众体育中
2 文中许多例子都是围绕青少年儿童展开的，缺少其他人群的数据</p>