大数据背景下可穿戴设备在网球运动中的应用进展

米宏伟 王缓

摘 要：本文目的是了解可穿戴设备在网球项目中的应用情况，发现其价值并找到问题，以综述的形式对网球项目中智能可穿戴设备的应用进展进行了总结。结果发现可穿戴设备对网球项目监测的产品类别很多且形式多样，可以实现对外在表现形式和内在心理和生理活动的双重监测，网球项目中可穿戴设备在技术动作分类、技能评估、身体状态监测、比赛监控方面的应用价值很大，但在实施过程中不同的产品形态自身仍存在一系列有待完善的潜在问题。

关键词：网球;可穿戴设备;应用情况;存在问题

中图分类号：G845;G818.3  文献标识码：A  文章编号：1673-260X（2022）02-0088-05

引言

可穿戴设备的思想和雏形是在20世纪60年代由美国麻省理工学院媒体实验室提出的，是指采用具有先进的功能、特点的技术制造可以佩戴在用户身上的产品和电子设备[1]。可穿戴技术的提出是源于量化自我概念的提出，两者之间关系密切，传统意义上来讲可穿戴技术不出现也可以完成手动的数据量化，但可穿戴设备能够实现较为便捷、高效的数据收集。据On World研究机构的相关预测未来五年内全球智能设备的市場规模将达到500亿美元和数量将增至7亿台，并且NPD Display Search的研究报告也显示，14年智能设备的出货总量达到4800万台，预计2020年会升至1.53亿台，此外，国内从2013年开始也陆续出台了相关文件对国内可穿戴设备的发展予以支持[2]。大数据背景下量化自我的发展已然成为趋势，2007沃尔夫和凯文两人首次提出“量化自我”概念（quantified self）指通过数据收集、数据可视化、交叉引用分析和数据相关性等技术手段，来获取个人生活中有关生理吸收、当前状态和身心表现等方面的数据[3]。简而言之，就是对人所产生的内在心理机制和外在行为表现进行数据量化处理并给予实时反馈。数据信息化时代的到来使得可穿戴设备在体育运动领域的应用也相当广泛尤其是竞技体育和大众健身方面较为成熟。人们在不同的运动过程中佩戴可穿戴设备，通过设备传感器所输出的数据信息来获取自己在运动过程中的生理状况、心理波动、技术动作等方面的情况，以此更加科学合理地记录技术动作和身体状态。网球作为世界第二大球，在全球范围内有众多的喜爱者和追捧者，将可穿戴设备运用到网球运动中无论对运动本身还是参与者都有较大的数据参考价值，不仅可以让运动员随时监控自己的身体状态，也使教练员对其技术的分析更加科学全面，有利于提高运动员的竞技水平。相比较国内对于可穿戴设备在网球运动方面的研究国外的研究更早且深入，可穿戴设备传感器的划分类别更细致而国内还仅是停留在理论层面，关于实证方面的研究较少。本文主要是搜集和整理国内外关于可穿戴设备在网球运动中应用情况的文献，旨在了解国内外对于可穿戴设备在网球运动中的认可程度和应用情况，探究在实践应用过程中可能出现的潜在问题。

1 可穿戴技术在网球训练过程中的数据量化

1.1 技术动作划分

量化自我理念的不断深入，使得可穿戴设备逐渐成为训练中不可或缺的帮助教练和运动员量化数据的工具。在训练中智能设备能够清晰的划分每个运动员的技术动作以及量化在击球技术中不同技术类型的击球力量、速度和旋转等数据结果，如Marko kos等人使用一个微型的Inertial Measure Unit（IMU）设备定位在运动员的前臂上用来检测和分类三种最为常见的击球技术：正手、反手、发球，这一设备是基于传感器的手势识别方法，使用一个低成本的相机用于视频捕捉试图从系统内12个不同的手势和3360个手势样本中进行检测和分类三种常见的技术动作，研究结果表示系统能够做出精确的分类且击球检测的性能较好，虽不能进行单独的评估但其网球技术动作划分的准确率从整体上来讲达到了98.1%[4]。另外，拉尔斯·布泰等人在此基础上提出了一个由三个IMU组成的可穿戴传感器，用来捕捉网球运动员的手臂挥拍动作和脚步运动，分别将三个带有惯性测量的传感器附着在手臂、球拍和腿上，记录的数据可用于独立的分类镜头以及播放器类型，通过每个部分的时间显示建立一个简单的网球助理，因此教练可根据新手和高手之间的实际训练数据差距给予相关建议，无需教练进行其他外部的分析[5]。Connaghan D等人在文中描述了一种使用单个低成本相机自动识别网球击球的方法，作者开发了一套精确的识别系统（Tennis Sense）它可以搜集大量视频自动将其定义为有意义的网球视频片段且该识别系统包括培训数据和动作的统计比较，最初的网球识别实验中作者创建了所有击球的运动历史图像（MEI）和运动能量图像（MHI）而这些图像是通过背景扣除和前台后处理等方法进行实时提取，而后通过视觉观察对镜头中运动员的不同姿势进行了关键技术分类包括发球风格、正手和反手[6]。

1.2 技能水平评估

可穿戴技术能够帮助教练员和个人量化在训练过程中形成相关数据，但由于训练需求和设备的局限性使得产生的大量数据处理起来工作量大且枯燥，由此一种虚拟的陀螺仪传感器被有效应用于网球运动员技术动作监测与评估中，它与其他可穿戴技术相比使用起来效率更高且更加适应大数据的量化处理。这种虚拟的陀螺仪传感器是在光学监控动作捕捉系统的帮助下运行工作，基于标记的方法模拟陀螺仪行为，使用Vicon标准插件步态标记放置，进行手腕弯曲、上臂旋转的速度测量，可以帮助不同技能水平的运动员进行真实环境下的实时监控与评估，在训练期间直接获取实时反馈，Amin Ahmadi和David Rowlands等相关学者利用这一虚拟的陀螺仪传感器对四名男性不同运动水平的网球运动员的上手发球技能进行了评估，能够有效地测量其手腕弯曲度和上臂旋转的速度，结果表明，运动员身体上的陀螺仪和基于标记的方法的输出结果是一致的，计算并绘制不同技能水平的运动员的上臂内旋、腕屈曲和肩部旋转的角速度值，使其与拍头的速度进行比较，得出更高水平的运动员产生更大的上臂内旋转，手腕弯曲和肩部旋转，因此产生更大的拍头速度，通过所有数据显示的结果来调整某些变量从而提高运动员的技能水平，结论中表明，陀螺仪传感器可以用于技能评估和第一次网球发球的技能改进[7]。Ahmadi使用三个加速度计测量系统来测试技术水平与第一次发球挥拍特点的相关性，文中将三个加速度计分别安装在膝、腿和手腕处，以此观察发球的运动学模型，此外还研究了手的侧向运动以及运动员腰部向前运动用作评估运动员的指标技能等级，实验表明，加速度计可以用来监控运动学模型且给出评估技能水平的结果[8]。Yang D等人基于IMU传感器的在线反馈系统对网球训练过程中受试者进行在线评估，为网球爱好者提高他们的技能水平提供科学的专业指导，这是一种新颖的在线服务提取方法，为实现准确的在线评估，提出了一种基于服务分割的新型分层评估方法对性能进行深入评估，使用马尔可夫模型（HMM）将服务分为8个阶段，最后用回归模型对服务进行最后评分，实验结果表明Tennis Master系统在网球发球的识别和性能评估上有极高的准确性，可以实现96.0%的服务探测精度和系统分类精度，此外服务评估准确性的平均绝对误差为0.398，是一个可信度极高的结果[9]。

1.3 身体功能状态监测

人的身体功能状态有内隐的反应途径同时也存在外在的反应方式。相关研究人员使用这些具备身体功能监测功能的可穿戴设备对实验对象进行的生理检测主要包括心电、呼吸、体温、脉搏、血压、血氧饱和度及血糖等一系列反应实质问题的生理参数进行监控，而后通过参数反映出来的相关生理信息判断受试者当时状态下的身体情况，拉夫˙劳伦在美网公开赛中推出了polo tech智能衬衫，这项技术是由OMSignal一家生物识别智能设备公司提供并通过胸前一根弹性的生物传感线可以捕捉用户的生命体征，包括心率、呼吸等，并将其数据传输到与之相匹配的iphone和ipad的相关APP上，经过检验测量的结果相比智能手表和健身腕带等设备的监测结果更加精准，从而对人们的运动健康实施有效监督[10]。Patrick Kugler等人将表面肌电图（EMG）的可穿戴设备应用于网球中用以分析和预防网球运动肩肘膝关节损伤，此设备有三个主要部分组成：能够获取原始数据的可穿戴传感器节点、接收和处理数据的移动设备以及在设备上运行的实际分析算法，通过使用移动肌电图分析技术对运动过程中的疲劳情况进行分类显示创建实时反馈，将该系统运用到网球的训练中能帮助运动员更好的协调技术动作和疲劳监控，尽可能的避免运动损伤的发生，以此对运动员的训练计划作出合理的调整[11]。Connaghan D等人等人在文中详细描述了一个正在开发的传感平台，该平台由可穿戴（身体传感器：基于T恤的流动生理监测系统，不仅可以为教练员和运动员提供最高心率的百分比还能够测量动态的呼吸频率）和固定的基础构件（9台IP摄像机和Ubisense的空间定位系统）组成，能够为网球教练员和运动员提供情境和生理反馈，作者在多种传感器模式组合的初步实验中，对两名有经验的网球运动员的进行相对较少量的传感器读数，使用所有传感器模式捕获两次21分钟的竞赛培训课程，每个课程又分为7个三分钟内容的节段，该平台用于提供网球运动中不同性能因素的反馈，文中详细的描述了正在构建的基于内容的搜索和分析引擎，产生的反馈以可访问的方式呈现给教练[12]。

2 可穿戴技术对网球竞技比赛的数据量化

2.1 计分功能

比分是唯一判别网球比赛中双方选手胜负的关键，比分的准确与否根本上决定着一方运动员的最终排名，比赛过程中双方的比分对彼此之后的技战术应用都有较大的影响，随之可穿戴技术在比赛中的应用有效地缓解了因比分错误所引起的尴尬局面。Play sight通过四个全景摄像装置的交互作用进行实时监控不仅可以对运动员的训练和比赛进行3D录像回放，还同样具有“鹰眼”的功能对比赛进行判罚使用者可直接获取数据并进行管理使用，甚至可以为教练员进行技战术的反馈，此外，另一个由网球大满贯冠军Andy Ram设计的名为pulse play的智能手环装备同样能成为各类网球赛事的好帮手，它内置50多位解说员的声音，比赛开始按下start按钮，在整场比赛过程中帮助双方计分的同时也在对方的pulse play上进行显示，经验证它能够很准确的帮助双方队员算好成绩和分数并被广泛的应用于俱乐部和赛场中[13]。

2.2 追踪球的落点

伴随着职业运动员技术水平的不斷改进和提高，在网球竞技比赛过程中很难用肉眼去识别和判断球的落点，为了保证比赛的公平公正，量化自我技术成为各大赛事网球裁判的好帮手。然而例数各大网球赛事场地与竞赛智能的发展现状，我们所熟知和被有效使用具有权威的智能设备就是鹰眼系统和智能边线。“鹰眼”在网球比赛中能够有效追踪球的落点，保证比赛公平公正的前提下提高比赛的观赏性，该系统于2006年在迈阿密纳斯达克100大师赛上首次应用，运动员可以在争议球上对裁判提出回放要求，现场的所有人可以在大屏幕的模拟回放中看出争议球压线与否[14]。目前，智能边线技术对判球出界具备的两种原理一是球触线时颜色和纹理发生的化学变化;二是球触线依靠电子感应技术产生的警示;这项智能技术改善了传统的网球边线判罚的不足可以对网球竞赛进行实时的监控和精准的边线判罚[15]。

2.3 监控比赛进行数据反馈

运动员在各种比赛中的技术动作的相关数据信息很难进行人工的简单统计，量化自我技术在网球赛事中的合理应用有效地解决了一系列复杂化的问题，运动员的技术动作的数据信息可以通过视频录像的方式记录下来，可穿戴技术对比赛的数据量化将为下一代的体育教练系统的发展提供良好的基础，如周翔增等人提出了一种用于网球追踪的双层数据关联（TLDA）方法，其中球追踪是处理和分析球类比赛的关键技术，这种方法是利用局部或全部信息帮助进行可能的轨迹搜索，作者对2010年澳网公开赛和2011年美网公开赛两种网球赛事进行了比赛分析实验设置：比赛录像使用平底、倾斜和缩放（PTZ）的单镜头摄像机录制，分辨率为1280*720，以每秒25帧的采样速率从US2011FedeMon的游戏视频、AUS2010FedeTson和24363中提取37260帧图像，实验结果显示，作者提出的方法相比其他三种方法有更好的追踪性能和US2011FedMon受摄像的动作影响较为明显[16]。

3 网球中新智能技术应用

我们生活在被数据信息包裹的时代，大数据背景下网球项目的发展离不开“技术”二字，网球运动类可穿戴技术理念的不断成熟成为“量化自我”在网球运动类项目中应用的催化剂。网球项目中可穿戴技术的形态类别主要有三大类球拍类、传感器类、手环类，下面我将从这三类对智能网球穿戴设备进行介绍，见表1。

3.1 可穿戴设备在网球运动中的问题与挑战

智能可穿戴设备的发展是建立在大数据背景下，云处理和云储存为这些智能设备提供了便捷条件，后台的数据处理能力也不断提高[17]。而作为智能设备分支的网球可穿戴设备也同样作为一种新兴科技正逐渐的融入到人们的生活之中。但随着智能设备的普及，越来越多的问题也随之出现。近些年，网球智能可穿戴设备的研发与应用虽产品形态不断增多、功能类别不断完善，但在实际应用过程中仍存在很多需要不断完善和改进的问题。

3.1.1 网球智能可穿戴设备手环类

手环类的产品类别主要有护腕、腕带、手表等，这些产品形态小且便于携带佩戴者在使用过程中较为方便，相比其他智能设备价格便宜适合大众消费，但在使用过程中其产品本身耗电量大且电池蓄电能力较弱需要使用者经常充电来维持正常工作。

3.1.2 网球智能可穿戴设备传感器类

网球智能设备中内置传感器的产品形式主要有PIVOT、智能T恤、手臂监测传感器和智能球场控制系统等，这些智能设备的技术和功能更加成熟和完善且数据信息反馈的可信度较高。但当佩戴者在一定的特殊环境背景下使用智能穿戴设备时，设备的灵敏度是否会发生变化有待探究。例如，智能T恤和手臂监测传感器，汗水和手臂的抖动会影响传感器的数据传输，造成数据可信度降低。又如在网球比赛和训练中运动幅度过大时，使传感器发生震荡，信号源与传感器不能很好的进行连接，这些都是需要研究者重新对可穿戴设备进行完善的方面。此外相比其他类别的网球智能设备，传感器类的产品技术操作复杂且成本造价高，譬如鹰眼系统，它作为维护比赛顺利进行的辅助工具其使用和造价成本非常高。

3.1.3 网球智能可穿戴设备球拍类

球拍类智能设备本身就是一种优势能够实时监控选手的运动表现、数据信息反馈相对直观，检测和分类原理相对简单，但在技术动作分类中处理性能低且存储容量有限、内置功能系数低缺乏关键技术的支撑、独立评估的功能较弱缺乏独立性在使用过程中需要与其他相关的智能客户端相连接来实现实时的信息反馈。

4 结论与展望

科技时代催促人们需要更加认清自我，量化自我技术不断被人们所熟知又同样在网球项目中产生作用，在这场技术潮流中它的作用无非就是间接提升大众的身体锻炼效果和给相关领域提供数据库，可穿戴技术应用于网球中无时无刻不在对训练、比赛中的运动人群量化数据，根据可穿戴设备在网球中的使用情况和发展趋势来看，在未来几年里可以预见，量化自我技术将出现在网球运动的方方面面并产生多角度的实用效益且在功能上也会更加贴近运动人群的需求，网球中使用人群的普适化也同样会使得可穿戴设备的应用逐步趋于普及化的态势，基于量化自我技术下可穿戴技术将会给网球运动大环境带来更数据化的全新环境，因为将可穿戴设备广泛的应用到网球运动中，不仅是科技的推动更是满足网球事业更好发展的需要。可穿戴技术量化数据的有效性对于提高和改善业余或职业网球运动员在训练或比赛中的身体状态和技能水平有不同程度的影响，与此同时这些先进技术对提高运动员的竞技水平也有重要的作用，未来将会在竞技体育领域有更大的应用价值。

参考文献：

〔1〕梅策香，柳钰，曾利霞.可穿戴设备在人体健康监测中的应用与发展现状[J].电子世界，2016，16（19）：8-10.

〔2〕陈梦飞.基于Web of Science的可穿戴设备研究文献计量分析[J].智能计算机与应用，2017，7（02）：84-86+89.

〔3〕Gary Wolf， Kevin Kary. The data-driven lif[OL]./http：//www.nytimes.com/2007/05/02/ma gazine/02self-measure ment.html/.

〔4〕Kos， Marko， et al. "Tennis stroke detection and classification using miniature wearable IMU device." International Conference on Systems， Signals and Image Processing IEEE， 2016：1-4.

〔5〕Lars B¨uthe1， Ulf Blanke1， Haralds Capkevics1 and Gerhard Tr¨oster1.A wearable sensing system for timing analysis in tennis[J]. IEEE International Conference on Wearable & Implantable Body Sensor Networks， 2016：43-48.

〔6〕Connaghan D， Conaire C O， Kelly P， et al. Recognition of tennis strokes using key postures[C]// Signals and Systems Conference. IET， 2010：245-248.

〔7〕Amin Ahmadi， David Rowlands， Daniel Arthur James. Towards a wearable device for skill assessment and skill acquisition of a tennis player during the first serve[J]. Sports Technology，  2009， 2（3-4）：129-136.

〔8〕Ahmadi A， Rowlands D D， James D A， et al. Investigating the translational and rotational motion of the swing using accelerometers for athlete skill assessment[C]// Sensors， 2006. IEEE Conference on. IEEE， 2006：980-983.

〔9〕Yang D， Tang J， Huang Y， et al. TennisMaster： an IMU-based online serve performance evaluation system[C]// Augmented Human International Conference. ACM， 2017：17.

〔10〕Ralph Lauren Goes High-Tech.wearable.com˙FEBRUARY 2015＼WEARABLES.

〔11〕Patrick Kugler， Samuel Reinfelder， Johannes Schlachetzki， Bjoern M. Mobile EMG Analysis with Applications in Sport and Medicine. [J]Proceedings of the 1st Biomedical Signal Analysis（Rio de Janeiro， October 21-24， 2013）.

〔12〕Connaghan D， Hughes S， May G， et al. A Sensing Platform for Physiological and Contextual Feedback to Tennis Athletes[J].  2009.

〔13〕Wearable devices are used in tennis. https：//channels.theinnovationenterprise.com/articles/30 -wearable-technology-in-tennis

〔14〕霍方.“鷹眼——即时回放系统”在网球比赛中的应用[J].体育科技文献通报，2007，30（09）：11-12.

〔15〕赵新平.体育场地“智能边线”研究的可行性分析[J].体育科技文献通报，2009，17（09）：14+28.

〔16〕Zhou X， Xie L， Huang Q， et al. Tennis Ball Tracking Using a Two-Layered Data Association Approach[J]. IEEE Transactions on Multimedia， 2015， 17（02）：145-156.

〔17〕李森浩，王冬慧.网球运动智能化及穿戴设备发展研究[J].辽宁体育科技，2017，39（02）：125-128.

收稿日期：2021-10-23

3467501908231