國際體育人工智能專利技術的網絡結構與應用熱點

路來冰 許金富 王黨生 楊少雄

關鍵詞：體育；人工智能；專利；IPC；社會網絡

人工智能技術作為第4次產業(yè)革命的基石，與各個行業(yè)的融合創(chuàng)新已成為經濟社會發(fā)展的新增長點和動力源。人工智能核心技術，如機器學習、計算機視覺、深度學習、人機交互等，目前已經廣泛應用于體育領域，在國內外的應用涵蓋大眾健身、學校體育、運動成績提升、運動損傷監(jiān)測與康復、體育用品制造、體育場館與賽事服務等實踐場景。相關研究的技術熱點涵蓋“基于可穿戴加速度計技術的簡單活動識別與能量消耗研究”“基于可穿戴式傳感器的動作分析與損傷防控研究”“基于卷積神經網絡算法的計算機視覺場景分類研究”等方向。研究應用熱點則主要集中于“體質健康促進”“運動損傷防控”“運動能力提升”等領域。體育人工智能相關技術的發(fā)展離不開專利技術的更新和滲透，最大程度地開發(fā)和利用專利信息，轉化成可利用的專利情報，是企業(yè)和研究機構取得體育人工智能技術競爭優(yōu)勢的重要保證。目前，國內外人工智能專利研究熱點包括電數(shù)字數(shù)據處理、數(shù)據識別記錄、管理類數(shù)據處理系統(tǒng)、基于特定模型計算機系統(tǒng)、機械手、數(shù)字信息傳輸、圖像處理與通信、語音識別、控制與調節(jié)系統(tǒng)和無線通信網絡等。其應用領域則集中在智能制造、醫(yī)療服務、金融支付、智慧城市和災害預防等領域，在體育領域的應用深度與廣度尚淺。體育人工智能專利可以反映出各國人工智能技術在體育領域的科技生產力，為相關技術從理論設想到落地扎根提供有力的實現(xiàn)路徑，為其傳播與擴散構建了現(xiàn)實的參考與借鑒樣本?；诖耍胕ncoPat專利數(shù)據庫執(zhí)行專利信息檢索，通過分析國內外體育人工智能專利，采用專利信息分析法與社會網絡分析法對國際體育人工智能領域專利信息的空間分布、研究主體與技術熱點展開分析，并以可視化的形式對結果予以呈現(xiàn)。通過探究相關專利技術的研究熱點與發(fā)展趨勢，挖掘有價值的情報信息為我國體育人工智能技術的發(fā)展提供理論與實踐支撐。

1數(shù)據來源與研究方法

1.1數(shù)據庫選擇

本文研究的數(shù)據來自incoPat專利數(shù)據庫（旗艦版），其是由科睿唯安旗下的中國獨資子公司——北京合享智慧科技有限公司開發(fā)。incoPat專利數(shù)據庫是全球首個可以用中文進行檢索和瀏覽全球專利信息的科技創(chuàng)新情報平臺，涵蓋DII數(shù)據庫等在內的國際相關主流專利數(shù)據庫，收錄了全球120多個國家的1.58億多條專利數(shù)據，字段完善，質量較高。

1.2檢索策略與數(shù)據處理

選取incoPat數(shù)據庫中的“技術檢索”模塊，此檢索方式可以全面查詢一個技術領域的專利。在對“體育”搜索詞的選取中，為全面了解國際體育人工智能專利分布情況，充分拓展“體育”的概念，加入夏、冬季奧林匹克運動會的各大項運動名稱，同時根據前期文獻調研，加入“運動鞋”“運動器材”“健身器材”等相關詞匯。在“人工智能”擴展搜索詞的選取中，綜合技術行業(yè)研究公司Venture Scanner對人工智能領域的分類以及根據2020年《國家新一代人工智能標準體系建設指南》中人工智能標準體系結構的相關規(guī)定，篩選出了與體育領域結合較為緊密的“深度學習”“機器學習”“計算機視覺”“人機交互”“智能機器人”等人工智能領域相關術語作為一級檢索詞。同時，在“關鍵詞工具”檢索模塊推薦的相似關鍵詞中，選取各檢索詞的相近關鍵詞，如“機器學習”添加“隨機森林算法”“決策樹模型”等，“深度學習”增加“卷積神經網絡”“無監(jiān)督學習”等。incoPat數(shù)據庫可以自動翻譯漢譯英檢索詞，最終確定檢索式（簡化）為TIAB=（“體育”or“健身”or“足球”or“籃球”……）and TIAB=（“人工智能”or“深度學習”or“機器學習”or“計算機視覺”or“人機交互”or“智能機器人”or“隨機森林算法”or“決策樹模型”or“卷積神經網絡”or“無監(jiān)督學習”等，完整檢索式可向作者索取）。全球人工智能從2000年開始進入產業(yè)化階段，同時相關專利及知識產權保護提上日程，人工智能得以迅速發(fā)展。因此，以專利申請日為節(jié)點，選取2000年1月1日-2022年12月31日全球人工智能專利的截面數(shù)據，得到了3981條專利，對專利申請?zhí)栠M行去重合并后，排除質量較低的外觀專利，最終得到3365件專利（不含同族專利）作為本研究的數(shù)據集。

1.3研究方法

專利信息分析法又稱專利分析法，是指對有關的專利文獻進行篩選、統(tǒng)計、分析使之轉化成可利用信息的方法。本文對收集整理專利文獻的時空特征信息、發(fā)明人合作信息與專利技術信息進行統(tǒng)計與分析，旨在明晰國際體育人工智能技術的應用發(fā)展態(tài)勢。

社會網絡分析法是研究個體之間相互關系的方法，利用構建網絡可以直觀展示個體在網絡中的位置節(jié)點和整體結構。本文采用社會網絡分析法進行專利情報分析，利用UCINET 6.0軟件導人計算出的共現(xiàn)矩陣，繪制可視化圖譜對專利信息進行中心度分析、“核心一邊緣”分析與聚類分析。

2體育人工智能專利技術發(fā)展與演化分析

2.1體育人工智能專利技術的時間特征

專利的申請數(shù)量與公開數(shù)量是反映專利時間特征的重要觀察指標。申請數(shù)量不僅反映了地區(qū)的科技原始創(chuàng)新能力，而且能折射出這些成果的市場應用潛能。而專利經過公開，專利權人為其投資獲得了回報，專利權的界限得以劃定。目前在大多數(shù)國家（包括中國）采用“早期公開、延遲審查”的專利制度，專利公開和專利申請相比存在時間滯后，一般發(fā)明專利在申請后3～18個月公開，實用新型專利在申請后1～15個月公開。從圖1可以看出，專利的申請與公開趨勢的增長曲線基本吻合，2000-2015年處于平穩(wěn)增長期，年申請與公開專利數(shù)量均在100項以下。而2016-2022年處于快速上升期，年申請與公開專利數(shù)量均高于100項。值得注意的是，2019年起人工智能專利的申請數(shù)量有所放緩。分析原因，與新冠疫情等影響因素下國際經濟與貿易環(huán)境的變化、各國知識產權政策的變化有較強關聯(lián)。中國作為專利申請大國，自2019年起，武漢、東莞、深圳等地市開始全面停止對國內專利申請階段的資助，國家知識產權局也在2021年6月底前全面取消各級專利申請階段的資助，同時我國各級知識產權局也在重點篩查非正常申請專利的有效性與規(guī)范性。而從國際體育人工智能專利的公開趨勢可以看出，近年來體育人工智能技術的應用范圍逐步擴大，對專利技術的需求正處在快速上升的狀態(tài)。

2.2體育人工智能專利技術的空間特征

2.2.1申請人國別與優(yōu)先權國別特征

在體育人工智能專利的空間特征方面，各國專利的申請數(shù)量可以反映出相關技術領域在各國的關注熱度。《中華人民共和國專利法》與《國際專利公約》均規(guī)定：專利申請人首先在其所在國申請專利，在規(guī)定時限內可以利用優(yōu)先權申請國外專利。專利的本國優(yōu)先權分布可以反映該國對相關領域技術研發(fā)的重視與深入程度，以及該領域各國的專利產出情況。數(shù)據顯示，隨著我國人工智能技術的不斷發(fā)展以及對知識產權保護意識的不斷加強，加之政府相關政策的支持，自2015年起，我國的體育人工智能專利的申請數(shù)量增幅迅速上漲，且漲幅遠超美國，截至2022年底，共計申請1386（項／次）專利，位居全球首位，占到全球總量的41.2%，美國以546項居第2位，占比16.2%，第3～5名依次為韓國、日本、印度。排在前4位的國家申請數(shù)量占到91.6%，說明研究熱點國家較為集中。而在體育人工智能技術的優(yōu)先權國分布中，美國作為科技強國和傳統(tǒng)的體育強國，其在體育人工智能技術方面的研發(fā)實力最為強勁，擁有486項本國優(yōu)先權專利，居全球首位，占所有專利的14.4%，韓國排在第2位，共有108項，占比3.2%，而我國排名第3位，僅有79項專利，占比2.3%，第3～5名依次為日本、愛爾蘭、英國。對比2組數(shù)據發(fā)現(xiàn)，我國的專利申請量高于世界第一，但本國優(yōu)先權的專利數(shù)量卻遠遠落后于美國，表明我國體育人工智能專利的技術含量、市場價值與競爭力與世界一流水平還存在一定差距，需要引起相關專利發(fā)明人的高度重視。進一步分析不同國家的本國優(yōu)先權專利與本國申請人專利數(shù)量的比重，發(fā)現(xiàn)雖然我國的本國優(yōu)先權專利數(shù)量位于全球第3位，但與本國申請人專利數(shù)量的比值僅排在第15位，表明雖然我國體育人工智能技術發(fā)展的熱度很高，但“精品率”較低，專利申請中的公共資源浪費情況較為突出，大大影響了我國相關技術的國際影響力與認可度。分析原因，在目前我國體育產業(yè)的發(fā)展進程中，人工智能技術應用場景與市場需求有限是重要因素之一，此外也與相關底層技術投資不足、人才儲備落后、計算資源不足、技術與設備應用成本較高等現(xiàn)實狀況有關。此外，專利制度的不完善也導致國內在體育人工智能專利申請、審查等過程中都存在較大的漏洞。企業(yè)或個人作為申請人為了獲取財政補貼或崗位晉升等現(xiàn)實利益，大量申請技術含量與市場價值較低的專利，也是造成目前我國相關專利申請數(shù)量居高不下但質量較低的重要原因。

2.2.2專利發(fā)明人特征

專利發(fā)明人的數(shù)量以及合作能力在一定程度上反映了發(fā)明人所在企事業(yè)團體的技術創(chuàng)新能力，聯(lián)系緊密的合作網絡更有利于知識的傳播與共享。因而從體育人工智能專利數(shù)據中提取發(fā)明人進行關鍵詞頻次統(tǒng)計，為更加清晰地顯示網絡的核心結構，選取合作次數(shù)≥2次的發(fā)明人建立共現(xiàn)矩陣構建合作網絡圖譜（見圖2），圖中連線的粗細程度表示合作的緊密度。專利發(fā)明人頻次前3位的分別是安徽寰智信息科技股份有限公司的劉思楊、王略志、陳擁權，頻次均為24，第4位為同公司的胡羽中豪，頻次為22，來自愛爾蘭的Mooney Francis以16次排名第5位。此外，度中心性（degree

centrality）是在網絡分析中刻畫節(jié)點中心性的最直接度量指標，節(jié)點的節(jié)點度越大就意味著這個節(jié)點的度中心性越高，該節(jié)點在網絡中就越重要。而節(jié)點的中間中心度（between centrality），則表示一個節(jié)點對于其他信息傳播控制作用的大小，即其他信息想要實現(xiàn)相互傳達，在多大程度上要依賴該節(jié)點。分析全部3730名發(fā)明人（含共同發(fā)明人）的度中心度與中間中心度分析發(fā)現(xiàn)，陳擁權、王略志、劉思楊在合作網絡中的重要性最高，專利主要涉及基于人體動作識別技術的體育訓練輔助設備。而北京工業(yè)大學的楊洲中間中心度最高，表明其是相關專利群中最直接的參與者，相關發(fā)明人對其有重要的依賴作用，專利方向主要涉及計算機視覺的人體姿態(tài)識別等領域（見表1）。

2.2.3專利權人特征

專利權人是指對某項發(fā)明創(chuàng)造依法律規(guī)定或合同約定享有專利申請權的人。近年來在我國的專利申請中，職務申請占比在80%左右，其申請專利的權利歸單位，單位作為專利權人有權占有、使用、處分其專利。從經濟學意義上講，專利作為無形商品，其價值體現(xiàn)在專利給權利人帶來的利益大小。從表2可以看出，成立于2011年，總部位于蕪湖的安徽寰智信息科技股份有限公司作為專利權人的體育人工智能專利數(shù)量最多，達到了24項，致力于開發(fā)不同運動項目的訓練輔助設備，但其中20項為實用新型專利且基本處于失效狀態(tài)，專利技術的可持續(xù)應用能力有待提升。華為技術有限公司以17項發(fā)明專利位居次席，近年來華為公司大力發(fā)展人工智能芯片領域，打造出完全自主可控的人工智能芯片生態(tài)體系，并在此基礎上向體育產業(yè)進軍，研發(fā)基于各種運動項目的智能電子識別設備。如：在健身場景中為保障目標用戶鎖定的準確性，通過移動通訊與無線通訊模塊結合用戶可穿戴智能設備采集的數(shù)據對用戶運動模式進行識別，提升用戶的運動體驗。但其發(fā)明專利多在2020年后申請，處于“審中”階段，相關技術的實質應用還沒有大范圍展開。北京理工大學作為專利權人同樣擁有17項發(fā)明專利，該學校于2018年成立了人工智能研究院，布局人工智能創(chuàng)新平臺，同時立足于計算機科學這一傳統(tǒng)優(yōu)勢學科，于2019年成立人工智能本科專業(yè)，力爭成為我國人工智能技術領軍人才的搖籃。來自美國的Todd Martin以14項發(fā)明專利位居第4位，技術方向涵蓋計算機視覺等領域。來自愛爾蘭的MooneyFrancis主要致力于研發(fā)針對高爾夫動作的智能識別技術，專利數(shù)量位居第5位。專利權人數(shù)量排在第6～10位的依次為STARTS LLC、耐克集團、北京工業(yè)大學、新華智云科技有限公司以及印度昌迪加爾大學。

2.3體育人工智能專利技術構成要素分析

IPC分類號能夠表現(xiàn)專利的主要技術特征，代表著產業(yè)領域中的不同專利技術，是目前國際通用的專利分類方法，可發(fā)現(xiàn)所屬領域專利的技術構成及當前主要創(chuàng)新機構關注的技術焦點。

2.3.1IPC分類的范圍及頻次分析

在體育人工智能專利IPC分類號（小組）頻次前10位中，A63B（體育鍛煉、體操、游泳、爬山或擊劍用的器械，球類，訓練器械）占據6項，表明體育人工智能的技術熱點是體育器材器械的創(chuàng)新應用。G06K（數(shù)據識別，數(shù)據表示，記錄載體，記錄載體的處理）與G06N（基于特定計算模型的計算機系統(tǒng)）各占2項，說明體育人工智能技術離不開各種智能算法，仍以深度學習、計算機視覺等相關理論模型為應用基礎。在前10位高頻IPC的最高被引專利的優(yōu)先權國別中，美國占據8席，中國與加拿大各占1席，再結合專利被引證次數(shù)進一步印證了我國在體育人工智能技術的質量和受關注程度上與世界領先水平還有一定差距，表3列出了前5位IPC分類號的詳細信息。為了進一步識別體育人工智能專利的技術形象感知，分析聚類結構構成，分別將IPC分類號（小組）頻次前100位序號和頻數(shù)作為變量進行曲線擬合，發(fā)現(xiàn)高頻IPC分類號符合冪指數(shù)分布，且模擬方程判定系數(shù)R2值為0.9765，同時測得全部IPC分類號的R2值為0.9547，擬合優(yōu)度很高。根據長尾理論可推斷出，IPC分類號詞頻分布呈明顯的“長尾”分布特征，體育人工智能技術形象感知由核心形象和邊緣形象構成，其中擬合曲線頭部的高頻IPC分類號屬于核心技術，而長尾詞則被視為是體育人工智能的邊緣技術形象。

2.3.2IPC分類號關聯(lián)性分析

當一個專利對應多個IPC分類號且這些IPC屬于不同技術領域，稱之為IPC共生現(xiàn)象。通過分析IPC分類號的網絡結構，發(fā)現(xiàn)共生頻率高的技術熱點或共生頻率極低的技術冷點，對于探索新的研發(fā)方向以及拓展技術的遷移途徑有重要意義。

到2022年底，體育人工智能專利中的IPC分類號（小組）共有1692種，因而建立1692x1692的共現(xiàn)矩陣，選取共現(xiàn)頻次數(shù)量前100的IPC分類號（小組）。結合IPC技術術語進行K-cores分析，并以Fitness值最小化、圖譜可視最優(yōu)化為原則，經過反復配比，得到子群（n）=5，生成圖3，節(jié)點大小以度中一心性表示。其中，度中心性最高前5位依次為G06K9/00、G06K9/62、A63871/06、G06N3/08、G06N3/04。圖中重要節(jié)點周圍形成了一層或多層子群，連接線條的粗細代表IPC分類號共現(xiàn)頻次的高低。圖3的5個子群可概括為4個層次：核心層、次核心層、過渡層與邊緣層。通過Ucinet6.0軟件對各子群的顏色進行自動標識，再結合Root cm6軟件分析各子群IPC分類號的技術術語最終提煉出：I（核心層）用于圖像學習的校準與復原；Ⅱ（次核心層）用于訓練數(shù)據檢索與分析；Ⅲ（過渡層）用于運動鍛煉學習與監(jiān)測；Ⅳ（邊緣層）用于系統(tǒng)應用與管理；V（邊緣層）用于機械手程序模型控制。

計算全部IPC分類號的度中心性與中間中心性（見表4），也與圖4高中心性的IPC分類號基本吻合。從中心性值可以看出A63871/06（比賽或運動員用的指示裝置或記分裝置）是體育人工智能領域影響力最大的專利技術，各項技術與其聯(lián)系最為緊密。而G06K9/00（用于閱讀或識別印刷或書寫字符，用于識別圖形）是各項技術最重要的連接中介，其他體育人工智能技術對其有較強的依賴作用。

3體育人工智能專利技術分布熱點領域分析

通過incoPat數(shù)據庫中自帶的“聚類一地圖”功能，可以對3365項體育人工智能專利權利要求內容熱點進行可視化聚類，得到圖4?？梢钥闯?，熱點研究內容熱度從高到低依次為“圖像識別”“生物力學”“體育比賽”“自動識別”“智能乒乓球”，這也與圖3析出IPC分類號的網絡結構與技術術語信息相呼應，在此基礎上結合前期研究基礎得到以下5大國際體育人工智能專利技術研究熱點范圍。

3.1子群I：核心層為“圖像識別”

此技術領域的代表IPC分類號有G06K9/00、G06K9/62、G06N3/08等。IPC核心技術術語為“圖像學習的校準與復原”，主要應用于為基于計算機視覺的體能與技戰(zhàn)術的識別與預測。通常一項專利技術被后者引證次數(shù)越多，表明專利的技術價值越大。在高被引且處于有效狀態(tài)的專利中，公開于2010年的專利“Camera-based tracking and positiondetermination for sporting events”被引證高達486次，此技術基于紅外視頻跟蹤系統(tǒng)、激光雷達定位系統(tǒng)和數(shù)字信號處理（DSP）圖像處理技術，可實現(xiàn)對體育比賽中球員行為的精準識別。典型案例如NBA金州勇士隊使用的智能籃球比賽分析系統(tǒng)“SportV”，可實時分析球員的運球、傳球、與隊友的間距以及在比賽中的跑動距離等比賽數(shù)據。被引頻次第2位的“Portable wireless mobile device motioncapture data mlning system and method”基于高爾夫運動開發(fā)了便攜式無線運動數(shù)據挖掘系統(tǒng)，可以在移動設備上實時顯示運動數(shù)據，并將數(shù)據與數(shù)據庫中的數(shù)據進行對比分析。我國的相關高被引專利中，深圳先進技術研究院與山東泰山體育產業(yè)投資有限公司共同申請的專利“一種基于計算機視覺的虛擬體育系統(tǒng)及其實現(xiàn)方法”，通過虛擬模塊對運動視頻進行處理，大大降低了技術成本，可應用于居民的日常鍛煉場景并具有良好的實時性和擴展能力。

此類專利技術目前已廣泛應用于大眾健身與競技體育領域，如基于深度學習的籃球視頻分析方案——“Standz basketball”已應用于商業(yè)智能籃球場，此應用APP已可以在中國iTunes市場下載。在競技體育中，此領域專利的應用范圍包括通過計算機視覺技術+神經網絡模型對籃球比賽中對手的跑動位置數(shù)據進行評估與戰(zhàn)術推薦，還能對手球比賽中對手的戰(zhàn)術行為與射門方向進行大數(shù)據分析預測，為教練提供決策支持。相關研究也證實，NBA及美國職業(yè)橄欖球大聯(lián)盟的智能場館系統(tǒng)是推動數(shù)據收集和使用、促進運動員取得優(yōu)異運動成績的重要工具。此外，在算法提升方面，近年來卷積神經網絡（CNN）的技術優(yōu)勢逐漸受到重視，該方法對運動視頻關鍵幀的提取能力顯著優(yōu)于傳統(tǒng)神經網絡方法，已實現(xiàn)對游泳和網球動作的高效識別。

3.2子群II：次核心層為“生物力學”

此技術領域具有代表性的IPC分類號有A63871/06、A63869/00、A63824/00等，其核心技術術語為“訓練數(shù)據檢索分析”，主要應用場景為基于可穿戴式傳感器的動作分析與損傷防控。于2006年公開，被引證達601次的專利“Apparatus，sys-tems， and methods for gathering and processing bio-metric and biome chanical data”提供了用于測量和分析身體運動情況的技術模塊，并開發(fā)了傳送系統(tǒng)與裝置。被引次數(shù)位列次席的專利“Intelligentmotion capture element”開發(fā)了基于慣性測量單元（IMU）的智能運動捕捉元件，可進一步優(yōu)化特定運動設備的傳感器性能，高效并精準地進行數(shù)據捕獲。我國的相關高被引專利“一種運動綜合監(jiān)控系統(tǒng)及其方法”可幫助運動員在訓練或比賽中，通過IMU自動實時采集并記錄運動員多部位的運動姿態(tài)數(shù)據及人體負荷數(shù)據，并利用人工智能相關算法進行多維度實時在線監(jiān)測與綜合分析。

IMU的用途多種多樣，涵蓋運動方式與頻率的檢測、運動誤差的識碰撞過程中力量的評估。應用實例如基于人工神經網絡（ANN）的IMU可以通過結合肌電數(shù)據來預測下肢力量，用以改善人體步態(tài)動作，作為評價運動成績或康復情況的定量指標。在具體運動項目的應用中，橄欖球與足球等對抗項目的運動員在訓練與比賽中可通過穿戴具有聲學反饋功能的IMU傳感器監(jiān)測頭部的撞擊過程，能有效降低頭部撞擊損傷的出現(xiàn)概率。IMU還能跟蹤和區(qū)分肩部運動姿勢，預防在棒球投擲和排球發(fā)球時肩部和肘部過度使用帶來的傷病。在技術動作分析方面，IMU傳感器能夠以90%的準確率識別網球擊球動作，精度比傳統(tǒng)加速度計高10%。在高爾夫揮桿訓練中，當IMU傳感器的采樣頻率在30Hz以上時，該模型對腕關節(jié)旋轉角度的識別有良好的可靠性。此外，基于IMU技術的移動設備還可以實現(xiàn)對排球扣球與攔網跳躍高度的精準測量。

3.3子群III：過渡層為“體育比賽”

此技術領域的代表性IPC分類號包括G06N20/00、A63824/00、A6IB5/00等，核心技術術語為“運動鍛煉學習與監(jiān)測”，主要應用場景為基于計算機視覺技術的技能反饋與評價裁決。高被引專利“Trajectory detection and feedback system”設計了一種運動軌跡檢測和反饋系統(tǒng)，可檢測與分析飛行中的移動物體，并可以通過聲音與視頻的方式實時反饋給觀察者，如籃球的進框角度或速度。通過對比專利被引次數(shù)發(fā)現(xiàn)，相較于其他子群，我國在此領域的專利技術影響力相對較高。北京天天樂動科技有限公司開發(fā)的“基于機器視覺的球類智能機器人教練和裁判系統(tǒng)”，能夠在足球比賽中輔助裁判員對球類軌跡進行精準判斷，同時對日常訓練數(shù)據的統(tǒng)計分析也更加精準。上海體育學院（現(xiàn)為上海體育大學）開發(fā)的“基于視頻識別的乒乓球發(fā)球裁判輔助系統(tǒng)及其檢測方法”可用于計算乒乓球運動員發(fā)球的拋球高度和角度，判定其發(fā)球是否違例，為裁判員的判罰提供精準依據。

此領域技術成果也較為豐富，在技能反饋研究中如基于人工智能的網球實時反饋系統(tǒng)可以對運動員揮拍的穩(wěn)定性與精確性進行實時監(jiān)測。No-vatchkov等運用人工神經網絡等智能建模方法，將旋轉編碼器安裝在負重訓練器械上，可以使運動員與教練員對練習情況進行精準評估。在體育競賽與學校體育評價應用領域，Lv等將支持向量機的高精度分類性能與遺傳算法的魯棒性相結合，建立了針對青少年健美操技能評價的定量模型。而通過人工神經網絡技術模擬排球專家的教學經驗，構建排球技能BP神經網絡評價模型，可以為學校體育課堂提供科學的考核評分依據。在此基礎上，Bai進一步完善了基于人工智能專家決策系統(tǒng)的體育教學智能評價系統(tǒng)。在職業(yè)體育賽場，基于分類決策樹模型的人工智能電子裁判，在網球比賽中的應用分析更易被運動員和觀眾認可，運動員對比賽公平性的感知提高了約55%。此外，索尼旗下的鷹眼系統(tǒng)（hawk-eye innovations）、美國職業(yè)棒球聯(lián)盟的Statcast系統(tǒng)、卡塔爾世界杯中的半自動越位判罰技術（SAOT）等都是人工智能專利技術應用的成功范例。

3.4子群IV&V：邊緣層為“自動識別”與“智能乒乓球”

此技術領域的代表性IPC分類號包括G06N3/02、G06F17/30、A63869/40等，其核心技術術語為“系統(tǒng)應用與管理”與“機械手程序模型控制”，主要應用場景為智能體育器械與智能體育機器人的技術實現(xiàn)與應用。在“自動識別”聚類中，高被引專利“Automatic collecting system of golf ball using the col-lecting robot”開發(fā)了一種基于人工智能技術的高爾夫無人供球系統(tǒng)。湖南優(yōu)冠體育材料有限公司研發(fā)的“一種人工智能足球”，設計了一種智能足球，通過對信號的數(shù)字化處理，能夠更快速地分析出足球的運動軌跡。“人工智能保齡排瓶機械手”可以根據球手指令，隨時選擇1～10個瓶的各種排列組合，有利于專業(yè)球手提高訓練效率。而“智能乒乓球”聚類中，則是對“自動識別”聚類中技術的擴展與升級，即智能機械逐漸升級發(fā)展為智能機器人。如成都理工大學開發(fā)的“一種機器視覺的網球自動撿球機器人”，廣州大學開發(fā)的“一種能自動發(fā)射乒乓球的智能機器人”，山東科技大學開發(fā)的“一種羽毛球擊發(fā)球機器人”等，都可以為業(yè)余愛好者提供簡單的運動技能練習輔助。

隨著人工智能技術的不斷成熟，催化了智能機器人技術的革新與發(fā)展。機器人正在逐步幫助人們進行體育鍛煉，智能機器人在國際體育應用領域扮演著越來越多的重要角色，如技能學習反饋、運動競賽服務、同場競技對抗、運動康復治療、運動健身陪伴等。體育機器人形態(tài)已從最初的基于仿生學原理的機械手升級到了全自動仿人機器人，技術操作層面從最初的人工機械操控發(fā)展到了如今的無刷電機的PID控制、交叉耦合控制、自適應控制等。隨著智能機器人相關專利技術的逐漸成熟，在體育與科技不斷融合的大環(huán)境下，在體育倫理的準則框架下，體育智能機器人將越來越多地參與人類的體育活動。代替人類完成紛繁的體育賽事服務任務，也為不同年齡、不同運動水平、不同身體狀態(tài)的運動員和運動愛好者提供更高效、更精準的保障服務。

4主要結論

（1）通過對2000-2022年的3 365件國際體育領域的人工智能技術專利進行分析，發(fā)現(xiàn)專利的申請與公開趨勢的增長曲線基本吻合。2000-2011年處于平穩(wěn)增長期，2012-2022年處于快速上升期。從2019年起體育人工智能專利申請趨勢逐漸放緩，這與近年來新冠疫情對國際經濟貿易形勢的影響、投資環(huán)境的變化以及政府相關部門對專利申請環(huán)境的凈化密不可分。

（2）中國作為目前體育人工智能專利方面最大的申請國，以1386項專利高居首位。美國位居次席。雖然我國的相關專利關注與申請熱度較高，但技術競爭力與市場價值以及專利申請的公共資源利用效率需要進一步提升。在專利發(fā)明人合作網絡中，專利申請頻次與專利網絡重要性最高的發(fā)明人均來自安徽寰智信息科技股份有限公司，主要涉及基于人體動作識別技術的體育訓練輔助設備。北京工業(yè)大學的楊洲在各發(fā)明人中具有最明顯的中介作用。此外，安徽寰智信息科技股份有限公司、華為技術有限公司與北京理工大學作為專利權人的體育人工智能專利數(shù)量排在前3位。

（3）從IPC分類來看，國際體育人工智能專利技術主要集中在G（物理）、A（人類生活必須）2部，輔以少量B（作業(yè)；運輸）與H（電學）。IPC分類號（小組）頻次分布集中在A63B、G06K與G06N等小類中。同時IPC分類號分布符合“核心一邊緣”特征，依據其技術術語可分為：I（核心層）用于圖像學習的校準與復原；Ⅱ（次核心層）用于訓練數(shù)據檢索與分析；Ⅲ（過渡層）用于運動鍛煉學習與監(jiān)測；Ⅳ（邊緣層）用于系統(tǒng)應用與管理與V（邊緣層）用于機械手程序模型控制。

（4）國際體育人工智能專利研究熱點從高到低依次為：“圖像識別”——基于計算機視覺的體能與技戰(zhàn)術的識別與預測；“生物力學”——基于可穿戴式傳感器的動作分析與損傷防控研究，“體育比賽”——計算機視覺技術的技能反饋與評價裁決研究；“自動識別”與“智能乒乓球”——智能體育器械與智能體育機器人的技術實現(xiàn)與應用。

5研究展望

雖然我國目前的體育人工智能專利的申請量高居世界首位，但專利質量與市場競爭力與西方發(fā)達國家還存在一定差距，這也與先前的相關研究相契合。從體育人工智能專利分布領域分析，體育與人工智能技術的結合主要分布在計算機視覺分析、可穿戴傳感器與智能機器人等領域。其中，計算機視覺技術又涵蓋基于深度學習的體育活動監(jiān)測、數(shù)據自動收集、處理監(jiān)控程序以及基于機器學習的球隊動態(tài)環(huán)境表現(xiàn)分析等具體應用方向；可穿戴傳感器涉及運動員機能狀態(tài)監(jiān)測、運動姿態(tài)估計、運動軌跡追蹤等細分領域。同時智能機器人也越來越多出現(xiàn)在了運動員日常訓練與比賽服務領域。目前我國關于體育人工智能的研究多見于針對具體運動項目的人工智能算法實現(xiàn)、人工智能時代相關體育產業(yè)或體育教學的發(fā)展方略以及通過系統(tǒng)綜述方法的前沿進展等。而本文從專利文獻視角出發(fā)，對目前國內外體育人工智能創(chuàng)新技術的發(fā)展脈絡進行了整理與溯源，對專利技術熱點進行了分層探析，擴寬了體育人工智能研究的理論視野。

針對我國目前體育人工智能專利技術競爭力不足、國際影響力較低的局面，建議不同的地域應結合自身的經濟、教育環(huán)境，構建有利于自身長期發(fā)展的“科技生態(tài)環(huán)境”，為相關的人工智能技術創(chuàng)新主體提供適宜發(fā)展和合作的基礎環(huán)境保障，同日寸加強多學科交叉融合和產學研合作。加強跨領域、跨區(qū)域聯(lián)合創(chuàng)新，構建人工智能多元化網絡體系，將是未來體育人工智能產業(yè)發(fā)展的大勢所趨。其次，具有一定科技底蘊的企業(yè)與高校要提升專利保護與專利戰(zhàn)略意識，加強面向歐美國家的專利申請力度，提升通過國外市場進行專利保護的戰(zhàn)略視野。最后，專利申請主體要持續(xù)關注核心專利的技術狀態(tài)與核心專利擁有者及其變化情況，洞察產業(yè)領域技術的研發(fā)重點與方向。在此基礎上進一步健全專利申請質量的政策導向、完善專利申請質量的監(jiān)督機制，培養(yǎng)與引進高層次人才，提升智能設備的使用者和研發(fā)者的自律性。

從未來趨勢上看，智能機器人、智能醫(yī)療、智能金融、智能安防、智能教育、智能駕駛等6個方面的新興技術主題，與人工智能當前熱點技術存在較強的交叉關聯(lián)。而競技體育、體育產業(yè)與學校體育的發(fā)展與這些不同技術主題關聯(lián)和接觸點，往往孕育著新的技術生長點，極有可能衍生出新的顛覆性技術，并深刻改變當前體育人工智能產業(yè)的現(xiàn)有格局。同時，隨著人工智能算力的快速提升以及相關硬件和技術成本的逐步下降，人工智能技術也將逐步滲透到基層，使更多的健身愛好者、專業(yè)運動員以及在校學生感受科技的便利。但值得注意的是，隨著人工智能技術對體育產業(yè)、體育賽事以及體育教育中大數(shù)據、云計算和物聯(lián)網的推動，企業(yè)數(shù)據泄露、運動員表現(xiàn)數(shù)據的權屬不明確以及監(jiān)管缺失等問題也逐漸顯現(xiàn)。同時，人工智能還會對體育運動中人的主體地位帶來持續(xù)的沖擊，這些倫理風險都是需要未來相關研究者與決策者深入思考的問題。此外，我國目前的人工智能專利中存在“算法黑箱”，如何滿足《專利審查指南》規(guī)定的“可再現(xiàn)性、可實施性、能夠產生積極的社會效果”等要求，也是相關申請主體需要進一步關注的內容。