大數(shù)據(jù)+人工智能在游泳運(yùn)動(dòng)員訓(xùn)練中的應(yīng)用研究

摘要：人工智能和大數(shù)據(jù)技術(shù)的快速發(fā)展已經(jīng)在各個(gè)領(lǐng)域取得了一定的成就，其中包括體育領(lǐng)域，但是在與游泳的結(jié)合方面還處于初期探索階段。本文通過文獻(xiàn)資料法等方法，結(jié)合智能可穿戴設(shè)備和圖像視頻等數(shù)據(jù)，運(yùn)用人工智能分析及大數(shù)據(jù)技術(shù)進(jìn)行綜合采集和高效處理，以此精準(zhǔn)矯正運(yùn)動(dòng)員的游泳姿勢(shì)。研究結(jié)果表明，人工智能和大數(shù)據(jù)技術(shù)在運(yùn)動(dòng)員訓(xùn)練中的應(yīng)用能夠?yàn)樗麄兲峁└婧蛡€(gè)性化的數(shù)據(jù)支持，為運(yùn)動(dòng)員提供更深入的運(yùn)動(dòng)表現(xiàn)分析和技術(shù)改進(jìn)的機(jī)會(huì)。這一發(fā)現(xiàn)強(qiáng)調(diào)了大數(shù)據(jù)和人工智能技術(shù)在提升運(yùn)動(dòng)員表現(xiàn)和技術(shù)指導(dǎo)方面的重要性。

關(guān)鍵詞：人工智能;大數(shù)據(jù);游泳運(yùn)動(dòng)員;智能可穿戴設(shè)備;圖像視頻

Research on the Application of Big Data and Artificial Intelligence in Swimmer Training

Abstract： The rapid development of artificial intelligence and big data technology has achieved significant advancements in various fields， including sports， although the integration with swimming is still in the early exploration stage. This paper employs methods such as literature review， combining intelligent wearable devices and data like image and video， utilizing artificial intelligence analysis and big data technology for comprehensive and efficient data collection to accurately correct swimmers' postures. The research results indicate that the application of artificial intelligence and big data technology in athlete training can provide them with more comprehensive and personalized data support， offering deeper insights into performance analysis and opportunities for technical improvements. This finding emphasizes the importance of big data and artificial intelligence technology in enhancing athlete performance and technical guidance.

Keywords： artificial intelligence; bigdata; swimmers; Intelligent wearable devices; images and videos

引言

隨著科技發(fā)展推動(dòng)人類社會(huì)的進(jìn)步，社會(huì)處于從資源短缺到盈余的階段，人工智能得以井噴式發(fā)展[1]。國(guó)家體育總局于2021年10月印發(fā)的《“十四五”體育發(fā)展規(guī)劃》中明確提出要通過信息技術(shù)聯(lián)結(jié)運(yùn)動(dòng)場(chǎng)景與智能裝備。

當(dāng)前，游泳與大數(shù)據(jù)和人工智能技術(shù)的結(jié)合處在初期探索階段，存在著技術(shù)不成熟，應(yīng)用不明確等問題。運(yùn)動(dòng)員和教練需要針對(duì)各種泳姿的精確的訓(xùn)練數(shù)據(jù)進(jìn)行分析，來完成實(shí)時(shí)反饋和個(gè)性化指導(dǎo)，以便更好地理解和改進(jìn)其技術(shù)。大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用為滿足這些需求提供了全新的可能性。所以，尋找人工智能與游泳的結(jié)合點(diǎn)顯得更為重要，可以為游泳員更好地提供針對(duì)性的訓(xùn)練方法。

本文通過文獻(xiàn)綜述法和游泳運(yùn)動(dòng)員的智能可穿戴設(shè)備、圖像以及視頻等訓(xùn)練數(shù)據(jù)，采用基于大數(shù)據(jù)和人工智能的方法對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行綜合處理和分析。具體而言，本文詳細(xì)探討了大數(shù)據(jù)在游泳中的應(yīng)用，特別是基于人工智能的泳姿矯正方法，旨在優(yōu)化運(yùn)動(dòng)員在不同泳姿下的表現(xiàn)，并為游泳運(yùn)動(dòng)員提供個(gè)性化的訓(xùn)練支持。同時(shí)，有助于游泳運(yùn)動(dòng)員更深入地了解自身技術(shù)問題，有針對(duì)性地改進(jìn)訓(xùn)練計(jì)劃，以及制定更明智的比賽策略?？傮w來說，這項(xiàng)研究將為運(yùn)動(dòng)員和教練們提供更加科學(xué)和智能的方法，幫助提升四種泳姿的技術(shù)水平，為未來的競(jìng)技表現(xiàn)創(chuàng)造更大的機(jī)會(huì)。

1.背景

1.1大數(shù)據(jù)+人工智能

大數(shù)據(jù)在1997年被美國(guó)學(xué)者M(jìn)ichael Cox和David Ellsworth提出。數(shù)據(jù)來自于科學(xué)研究、公共政策和商業(yè)等領(lǐng)域的眾多數(shù)據(jù)記錄，比如政府記錄、互聯(lián)網(wǎng)用戶留下的痕跡等。大數(shù)據(jù)是一個(gè)用來描述龐大、復(fù)雜且多樣化的數(shù)據(jù)集合的概念，其真正價(jià)值在于空間維度上的多角度、多層次信息的交叉復(fù)現(xiàn)，以及時(shí)間維度上的與人或社會(huì)有機(jī)體的活動(dòng)相關(guān)聯(lián)的信息的持續(xù)呈現(xiàn)[2]。人工智能和大數(shù)據(jù)有著密切聯(lián)系，人工智能是一門研究運(yùn)用計(jì)算機(jī)模擬和延伸人腦功能的綜合性科學(xué)，其假設(shè)電腦系統(tǒng)具有人類的知識(shí)和行為，并具有學(xué)習(xí)、推理判斷來解決問題、記憶知識(shí)和了解人類自然語言的能力。人工智能建立在大數(shù)據(jù)的基礎(chǔ)上才得以運(yùn)行。

人工智能與空間技術(shù)、原子能技術(shù)被譽(yù)為20世紀(jì)三大科學(xué)技術(shù)成就。隨著人工智能和大數(shù)據(jù)的快速發(fā)展，已被應(yīng)用于社會(huì)的各個(gè)領(lǐng)域。國(guó)家越來越重視人工智能在體育領(lǐng)域的應(yīng)用，如何把人工智能和體育運(yùn)動(dòng)結(jié)合起來是我們需要去考慮的問題。在體育運(yùn)動(dòng)中，隨著運(yùn)動(dòng)員運(yùn)動(dòng)水平的普遍提高，傳統(tǒng)的訓(xùn)練方法已經(jīng)很難滿足運(yùn)動(dòng)員進(jìn)一步提升訓(xùn)練水平的需要，因此要對(duì)運(yùn)動(dòng)員進(jìn)行針對(duì)性的專項(xiàng)化訓(xùn)練，這就需要廣泛應(yīng)用高科技手段對(duì)其進(jìn)行訓(xùn)練。人工智能和大數(shù)據(jù)在游泳領(lǐng)域的發(fā)展尚處于初期階段，將人工智能與游泳運(yùn)動(dòng)結(jié)合起來對(duì)運(yùn)動(dòng)員進(jìn)行更加針對(duì)性的訓(xùn)練，以提升其競(jìng)技運(yùn)動(dòng)水平是現(xiàn)在的大勢(shì)所趨。因此，大數(shù)據(jù)和人工智能在游泳訓(xùn)練中具有重大意義。

1.2游泳的類別和各自的特點(diǎn)

游泳包括自由泳、蛙泳、蝶泳和仰泳四種泳姿，每種泳姿都有其獨(dú)特的特點(diǎn)。游泳運(yùn)動(dòng)員的訓(xùn)練過程可以分為出發(fā)、轉(zhuǎn)身、途中游和到邊等多個(gè)技術(shù)環(huán)節(jié)。相比其他的運(yùn)動(dòng)來說，游泳具有特殊性。運(yùn)動(dòng)員在游泳時(shí)身體處于不穩(wěn)定狀態(tài)，沒有固定支點(diǎn)，并且在水中需要對(duì)抗水阻力。運(yùn)動(dòng)員通常需要保持最佳的流線型來提高速度，而運(yùn)用大數(shù)據(jù)和人工智能可以對(duì)身體姿態(tài)進(jìn)行全面的分析并改善。

自由泳是四種泳姿里速度最快的一種游泳姿勢(shì)。在自由泳過程中，腿部動(dòng)作不僅起到推動(dòng)作用，而且還起到一定的平衡作用，可以保持運(yùn)動(dòng)員身體的穩(wěn)定性。通過合理的劃頻劃幅組合，可以提高游泳運(yùn)動(dòng)員的自由泳成績(jī)。

蛙泳是四種泳姿中技術(shù)要求最高、最復(fù)雜的一種，涉及復(fù)雜的水流動(dòng)力學(xué)和阻力問題。運(yùn)動(dòng)員需要精細(xì)地控制腿部的動(dòng)作，包括蹬水和收腿。通過實(shí)時(shí)監(jiān)測(cè)游泳動(dòng)作并提供反饋，可以幫助運(yùn)動(dòng)員在腿部動(dòng)作方面取得更高水平。

蝶泳作為高強(qiáng)度的競(jìng)技游泳項(xiàng)目，要求運(yùn)動(dòng)員保持身體的高穩(wěn)定性和平衡性，還要保持良好的呼吸。蝶泳時(shí)身體應(yīng)呈小波浪并保持流線型，手臂動(dòng)作應(yīng)注重高肘抱水、加速劃水、低平的空中移臂，腿部動(dòng)作強(qiáng)調(diào)髖部發(fā)力的小波浪鞭狀打腿，同時(shí)保持“晚呼吸”的呼吸方式以及連貫、流暢、穩(wěn)定的完整配合節(jié)奏。

仰泳也被稱為背泳，是運(yùn)動(dòng)員在水中仰臥的一種游泳姿勢(shì)。仰泳的技術(shù)特點(diǎn)是手臂和腿部相配合產(chǎn)生向前的動(dòng)力。手臂動(dòng)作分為入水，劃水，出水和空中移臂，并且手臂交替滑動(dòng)。仰泳腿部打水動(dòng)作和自由泳類似，打水時(shí)髖部發(fā)力，大腿帶動(dòng)小腿運(yùn)動(dòng)。手臂和腿部的相互配合有利于維持游泳者姿勢(shì)的平衡，推動(dòng)運(yùn)動(dòng)員產(chǎn)生更好的推動(dòng)力，減少其在水中的阻力，從而提高仰泳運(yùn)動(dòng)員的速度。

2.數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)訓(xùn)練方法

2.1游泳運(yùn)動(dòng)員訓(xùn)練數(shù)據(jù)采集

2.1.1基于智能穿戴設(shè)備的訓(xùn)練數(shù)據(jù)采集

在大數(shù)據(jù)的背景下，基于智能穿戴設(shè)備和圖像視頻的數(shù)據(jù)處理分析方法被廣泛應(yīng)用于游泳運(yùn)動(dòng)員的日常訓(xùn)練?？纱┐髟O(shè)備被定義為佩戴在身體上的信息交互設(shè)備[3]，先進(jìn)的智能可穿戴設(shè)備可以更好地分類和糾正用戶的鍛煉模式。

可穿戴設(shè)備通常放在運(yùn)動(dòng)員的手腕，胸部，頭部和腿部。腕戴式可穿戴設(shè)備通常佩戴在運(yùn)動(dòng)員手腕上，成本低、便于攜帶和使用。在當(dāng)前眾多種類的腕戴式可穿戴設(shè)備中，智能手環(huán)占比較大，比如iSwimCoach使用加速度計(jì)傳感器來改善運(yùn)動(dòng)員劃水動(dòng)作，計(jì)算游泳次數(shù)，測(cè)量游泳時(shí)間和監(jiān)測(cè)心率。在蝶泳中，水面呼吸是關(guān)鍵的。腕戴式可穿戴設(shè)備可以記錄運(yùn)動(dòng)員的呼吸模式，確保運(yùn)動(dòng)員在合適的時(shí)候進(jìn)行呼吸。

胸戴式傳感器常被放置在胸部區(qū)域，優(yōu)點(diǎn)是可以收集脈搏血氧以及呼吸等運(yùn)動(dòng)數(shù)據(jù)。Polar H10是一種胸戴式可穿戴設(shè)備，其中包含的陀螺儀和加速度計(jì)可以提供圈數(shù)、劃水頻率以及上肢不對(duì)稱性等詳細(xì)信息。而蛙泳由劃水周期連續(xù)提拉動(dòng)作產(chǎn)生，蛙泳劃水的動(dòng)作以及對(duì)稱性非常重要。

頭戴式可穿戴設(shè)備被安裝在運(yùn)動(dòng)員頭部，在游泳過程中運(yùn)動(dòng)員的頭部保持相對(duì)靜止?fàn)顟B(tài)，有效防止傳感器放在手部或者胸部所產(chǎn)生的噪音。自由泳作為一種長(zhǎng)軸泳姿，運(yùn)動(dòng)員在游泳過程中，雙臂會(huì)交叉經(jīng)過運(yùn)動(dòng)員的頭部。頭戴式可穿戴設(shè)備可以有效地收集游泳運(yùn)動(dòng)員的加速度、速度、旋轉(zhuǎn)、運(yùn)動(dòng)員雙臂的距離數(shù)據(jù)等，幫助提高運(yùn)動(dòng)員的游泳速度。

腿戴式可穿戴設(shè)備主要放置在運(yùn)動(dòng)員的腿部，Garmin Forerunner 735XT慣性傳感器被放置在運(yùn)動(dòng)員的腳踝上，可以計(jì)算仰泳打腿的次數(shù)、測(cè)量仰泳速度和距離等。仰泳是背向游泳，腿戴式可穿戴設(shè)備通常更適合仰泳運(yùn)動(dòng)員，因?yàn)槠洳粫?huì)影響運(yùn)動(dòng)員頭部或者上半身的姿勢(shì)，也不會(huì)影響運(yùn)動(dòng)員鞭狀打腿的膝蓋自由度，可以保證運(yùn)動(dòng)員數(shù)據(jù)的準(zhǔn)確性。

通過有針對(duì)性地采集影響各種泳姿的數(shù)據(jù)，有助于更好地進(jìn)行數(shù)據(jù)處理分析，對(duì)各種泳姿的運(yùn)動(dòng)員進(jìn)行個(gè)性化針對(duì)性的訓(xùn)練，提高運(yùn)動(dòng)員的運(yùn)動(dòng)成績(jī)。

2.1.2基于圖像和視頻的訓(xùn)練數(shù)據(jù)采集

隨著科技的發(fā)展，游泳比賽都安裝有水下監(jiān)控，通常需要將攝影機(jī)全部或部分浸入水中。由于水中環(huán)境的特殊性，運(yùn)動(dòng)員在水中手臂和腿部處于快速的運(yùn)動(dòng)，嘗試匹配同一時(shí)間水下和水上圖像非常具有挑戰(zhàn)性，因此后期階段的圖像視頻數(shù)據(jù)優(yōu)化算法非常必要。在對(duì)游泳運(yùn)動(dòng)員進(jìn)行分析的時(shí)候，應(yīng)更多地對(duì)運(yùn)動(dòng)員身體的各個(gè)目標(biāo)進(jìn)行分析。

張帥齊[4]借鑒CAMSA設(shè)計(jì)理念，將三維人體運(yùn)動(dòng)目標(biāo)的檢測(cè)提取、行為識(shí)別、動(dòng)態(tài)跟蹤等功能集為一體設(shè)計(jì)出視頻分析系統(tǒng)，其功能流程為競(jìng)技體育運(yùn)動(dòng)視頻圖像獲取、運(yùn)動(dòng)目標(biāo)檢測(cè)、運(yùn)動(dòng)目標(biāo)追蹤、運(yùn)動(dòng)參數(shù)計(jì)算、運(yùn)動(dòng)行為識(shí)別與分析。另外，基于計(jì)算機(jī)視覺和全卷積神經(jīng)網(wǎng)絡(luò)是一種新穎的方法，其過程為：首先對(duì)運(yùn)動(dòng)員的運(yùn)動(dòng)圖像和視頻進(jìn)行數(shù)據(jù)采集，然后對(duì)采集的視頻進(jìn)行圖像分割，以此來提取游泳者的姿態(tài)信息。將運(yùn)動(dòng)員單個(gè)圖像作為輸入，并結(jié)合水下圖像估計(jì)運(yùn)動(dòng)員的姿勢(shì)，確?？梢匀轿坏夭东@運(yùn)動(dòng)員的游泳姿勢(shì)。

2.2基于大數(shù)據(jù)技術(shù)的海量訓(xùn)練數(shù)據(jù)處理方法

由于水中環(huán)境的特殊性，運(yùn)動(dòng)員數(shù)據(jù)采集過程可能會(huì)存在一定的噪聲信號(hào)，比如人體在游泳過程中可能因?yàn)槎秳?dòng)而產(chǎn)生的噪聲。因此需要對(duì)游泳數(shù)據(jù)進(jìn)行預(yù)處理，盡量降低噪聲。預(yù)處理技術(shù)通常包括數(shù)據(jù)濾波，數(shù)據(jù)加窗和數(shù)據(jù)歸一化等。

數(shù)據(jù)濾波是指通過特定的算法輸入數(shù)字信號(hào)并按照要求轉(zhuǎn)換成特定數(shù)字信號(hào)的系統(tǒng)。濾波器可以分為低通濾波器，高通濾波器和帶阻濾波器。在去除信號(hào)噪聲上，Zhang[5]等人采用巴特沃茲濾波器濾除高頻噪聲的影響。在實(shí)際應(yīng)用中，研究人員應(yīng)該根據(jù)實(shí)驗(yàn)的具體要求合理選擇濾波器。

數(shù)據(jù)加窗是指對(duì)時(shí)序輸入信號(hào)按照一定相似長(zhǎng)度的時(shí)間窗口進(jìn)行分割，從而獲得相同長(zhǎng)度的數(shù)據(jù)段，并進(jìn)一步提取相應(yīng)的分類特征。目前主流的數(shù)據(jù)加窗方法有滑動(dòng)窗口法，需要考慮窗口的大小和重疊窗口大小。

數(shù)據(jù)歸一化是一種常見的數(shù)據(jù)預(yù)處理的方法，將具有波函數(shù)性質(zhì)的物理數(shù)值變成具有某種相對(duì)關(guān)系的相對(duì)值，縮小量值之間落差[6]。數(shù)據(jù)歸一化的范圍通常在[-1，1]，在游泳比賽分析中，可以通過歸一化的方法分析運(yùn)動(dòng)員在比賽中的表現(xiàn)，同時(shí)歸一數(shù)據(jù)化可用于創(chuàng)建更容易理解和比較的數(shù)據(jù)可視化。例如，將不同游泳者的數(shù)據(jù)在相同坐標(biāo)系中可視化，使得泳姿和技術(shù)特點(diǎn)更加清晰可見，提供更有用的分析和指導(dǎo)。

2.3基于人工智能的泳姿矯正方法

2.3.1基于智能穿戴設(shè)備訓(xùn)練數(shù)據(jù)的泳姿矯正方法

通過合理的分類算法可以對(duì)運(yùn)動(dòng)員進(jìn)行泳姿分類識(shí)別，常見的分類算法有支持向量機(jī)、隱馬爾可夫模型和其它的分類算法等。

支持向量機(jī)是一種線性分類器，是在機(jī)器學(xué)習(xí)中常用的監(jiān)督學(xué)習(xí)算法，其目標(biāo)是找到一個(gè)能夠最大化兩個(gè)類別之間的間隔的超平面。王佳鑫等[7]構(gòu)建了基于慣性測(cè)量單元的游泳動(dòng)作捕捉系統(tǒng)，利用附著在手腕和左踝關(guān)節(jié)上的三個(gè)慣性傳感器測(cè)量節(jié)點(diǎn)進(jìn)行泳姿分類，泳姿識(shí)別準(zhǔn)確率較高。支持向量機(jī)對(duì)噪聲數(shù)據(jù)比較敏感，如果數(shù)據(jù)中存在噪聲，可能會(huì)導(dǎo)致分類結(jié)果的偏差。在泳姿矯正中使用支持向量機(jī)需要去除噪聲，方便教練員使用。

隱馬爾可夫模型是一種統(tǒng)計(jì)模型，通常用于建模具有隱藏狀態(tài)序列的序列數(shù)據(jù)的語言。在泳姿識(shí)別中，需要收集正確和不正確的不同泳姿的訓(xùn)練數(shù)據(jù)，然后在數(shù)據(jù)中提取相關(guān)的特征，轉(zhuǎn)化為機(jī)器學(xué)習(xí)可以理解的數(shù)值形式。Wang等[8]基于隱馬爾可夫算法對(duì)自由泳、蛙泳、蝶泳及仰泳進(jìn)行了有效識(shí)別。隱馬爾可夫模型適用于具有序列性質(zhì)的數(shù)據(jù)的建模和分析，由于泳姿是連續(xù)的動(dòng)作序列，因此隱馬爾可夫模型可以處理缺失的數(shù)據(jù)，非常適用于泳姿分析。

2.3.2基于圖像視頻訓(xùn)練數(shù)據(jù)的泳姿矯正方法

通過對(duì)圖像拍攝的運(yùn)動(dòng)員的目標(biāo)身體部位進(jìn)行識(shí)別，從而分析自由泳、蛙泳、仰泳、蝶泳運(yùn)動(dòng)員的游泳周期。SVW數(shù)據(jù)集主要記錄了挑戰(zhàn)性環(huán)境下的各種體育活動(dòng)，該數(shù)據(jù)集的目標(biāo)是為教練員提供具有難度性的多樣化的數(shù)據(jù)集，用于評(píng)估和開發(fā)分析和理解運(yùn)動(dòng)的計(jì)算機(jī)視覺算法。教練通過查看SVM中的游泳視頻對(duì)運(yùn)動(dòng)員的動(dòng)作進(jìn)行識(shí)別，并分析其運(yùn)動(dòng)水平。

高捷等[9]使用國(guó)家游泳隊(duì)研制的游泳比賽技術(shù)分析系統(tǒng)，通過多臺(tái)攝像機(jī)采集劉洋和劉子歌200m蝶泳技術(shù)錄像，分析其運(yùn)動(dòng)技術(shù)的速度分配、劃頻、劃幅等特點(diǎn)，進(jìn)一步優(yōu)化兩名運(yùn)動(dòng)員的技術(shù)。卷積神經(jīng)網(wǎng)絡(luò)是深度理解的代表算法之一，通過大量數(shù)據(jù)學(xué)習(xí)到的特征在大量的任務(wù)中被證實(shí)比傳統(tǒng)的手工設(shè)計(jì)的特征具有更強(qiáng)的表征能力[10-11]。由于水中環(huán)境的特殊性，拍攝到的運(yùn)動(dòng)員姿勢(shì)圖像可能比較不太好辨認(rèn)，基于CNN的圖像去霧可以更好地識(shí)別運(yùn)動(dòng)員的姿勢(shì)。

3 討論

人工智能和大數(shù)據(jù)應(yīng)用研究為運(yùn)動(dòng)員和教練提供了新的洞察和技術(shù)支持?？纱┐髟O(shè)備和傳感器技術(shù)提供實(shí)時(shí)運(yùn)動(dòng)數(shù)據(jù)，可以幫助運(yùn)動(dòng)員和教練快速調(diào)整訓(xùn)練計(jì)劃和泳姿；圖像和視頻分析技術(shù)幫助識(shí)別泳姿中的問題，并為運(yùn)動(dòng)員提供改進(jìn)建議，有助于提高技術(shù)水平。人工智能和大數(shù)據(jù)可幫助記錄和跟蹤運(yùn)動(dòng)員的性能歷史記錄，以便更好地評(píng)估進(jìn)展和設(shè)定目標(biāo)。

本文通過介紹四種可穿戴設(shè)備的特點(diǎn)、可采集的訓(xùn)練數(shù)據(jù)，以及四種泳姿的突出特點(diǎn)，匹配出每種泳姿最適用的可穿戴設(shè)備。綜合來看，人工智能和大數(shù)據(jù)在高水平運(yùn)動(dòng)員訓(xùn)練中的應(yīng)用為運(yùn)動(dòng)界帶來了巨大的潛力，但同時(shí)也需要面對(duì)安全和安全等數(shù)據(jù)質(zhì)量的挑戰(zhàn)。未來的研究和發(fā)展應(yīng)致力于推動(dòng)解決這些問題，以最大程度地提高運(yùn)動(dòng)員的表現(xiàn)和技術(shù)水平。

參考文獻(xiàn)

何慧媛，賀俊浩.人工智能時(shí)代，媒體如何創(chuàng)新轉(zhuǎn)型——“人工智能與媒體未來”研討會(huì)綜述[J].中國(guó)記者，2017.

徐英瑾，王培.大數(shù)據(jù)就意味著大智慧嗎——兼論作為信息技術(shù)發(fā)展新方向的“綠色人工智能”[J]學(xué)術(shù)研究，2016.

Design and implementation of wearable devices to enhance physical education in aquatics Han Yi International Association of Design Societies Conference，2019.

張帥奇.運(yùn)動(dòng)目標(biāo)追蹤的競(jìng)技體育視頻分析系統(tǒng)[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2020，20（04）：29-31+35.

Zhang Y， Markovic S， Sapir I， et al. Continuous functional activity monitoring based on wearable tri-axial accelerometer and gyroscope[A]. Proceedings of the Pervasive Health[C]. IEEE，2012.

湯榮志.數(shù)據(jù)歸一化方法對(duì)提升SVM訓(xùn)練效率的研究[D].山東師范大學(xué)，2018.

王佳鑫.可穿戴式游泳姿態(tài)捕捉與相位分割算法研究[D].遼寧，大連理工大學(xué)，2021.

Wang Z， Shi X， Wang J， et al. Swimming motion analysis and posture recognition based on wearable inertial sensors[C]//2019 IEEE international conference on systems， man and cybernetics （SMC）. IEEE， 2019： 3371-3376.

高捷，袁紹婷，許聰.女子200m蝶泳運(yùn)動(dòng)員焦劉洋、劉子歌運(yùn)動(dòng)學(xué)特征研究[J].中國(guó)體育科技，2015.

Krizhevsky A， Sutskever I， Hinton G E. Imagenet classification with deep convolutional neural networks[J]. Advances in neural information processing systems， 2012， 25.

程燕，韓傳貞子，李美慧等. Tritonwear游泳訓(xùn)練監(jiān)控系統(tǒng)對(duì)部分游泳運(yùn)動(dòng)員訓(xùn)練手段的應(yīng)用研究[C]//中國(guó)體育科學(xué)學(xué)會(huì).第十一屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編.[出版者不詳]，2019：3.