تحلیل حرکات ورزشی با استفاده از ترکیب داده های کینکت و مدل های تبدیل وضعیت مبتنی بر ترانسفورمر

در دهه های اخیر، پیشرفت های چشمگیر در حوزه فناوری های دیجیتال، هوش مصنوعی، بینایی ماشین و یادگیری عمیق، تحول بنیادینی در شیوه تحلیل حرکات انسانی ایجاد کرده است. تحلیل حرکات انسان به عنوان یکی از مهم ترین زمینه های پژوهشی در علوم ورزشی، مهندسی پزشکی، بیومکانیک، رباتیک، واقعیت مجازی و تعامل انسان و رایانه شناخته می شود. در میان این حوزه ها، علوم ورزشی بیشترین بهره را از فناوری های نوین تحلیل حرکت برده اند؛ زیرا دستیابی به اطلاعات دقیق درباره نحوه اجرای حرکات ورزشی، عملکرد ورزشکاران، میزان هماهنگی اندام ها، تشخیص خطاهای تکنیکی و پیشگیری از آسیب های ورزشی، نقش بسیار مهمی در افزایش کیفیت تمرینات و ارتقای عملکرد ورزشکاران ایفا می کند. در گذشته، ارزیابی مهارت های ورزشی عمدتا بر پایه مشاهده مستقیم مربیان، فیلم برداری دوبعدی و تحلیل های تجربی انجام می شد. هرچند این روش ها در بسیاری از رشته های ورزشی کاربرد فراوانی داشتند، اما همواره با محدودیت هایی همچون وابستگی به تجربه ارزیاب، احتمال بروز خطای انسانی، زمان بر بودن فرآیند تحلیل و نبود داده های کمی دقیق همراه بودند. علاوه بر این، مشاهده چشمی قادر نیست تمامی جزئیات حرکات پیچیده بدن انسان را ثبت کرده و روابط زمانی و مکانی میان مفاصل مختلف را به صورت دقیق استخراج کند. این محدودیت ها موجب شده است که پژوهشگران به سمت استفاده از سیستم های هوشمند تحلیل حرکت روی آورند تا بتوانند اطلاعات دقیق تر، قابل اعتمادتر و تکرارپذیرتری از عملکرد ورزشکاران استخراج نمایند. در این پژوهش که به شیوه مروری و با مطالعه کتابخانه ای و مراجعه به مقاله ها و تحقیق های چاپ شده و مطالب دیجیتالی گرد آوری شده است و سعی بر آن شده که به تحلیل حرکات ورزشی با استفاده از ترکیب داده های کینکت و مدل های تبدیل وضعیت مبتنی بر ترانسفورمر پرداخته شود. نتایج به دست آمده حاکی از آن است که ترکیب داده های اسکلتی استخراج شده از حسگر Kinect با مدل های تبدیل وضعیت مبتنی بر ترانسفورمر، رویکردی کارآمد و هوشمند برای تحلیل دقیق حرکات ورزشی، ارزیابی کیفیت اجرای مهارت ها و ارائه بازخوردهای موثر به ورزشکاران است. این رویکرد با بهره گیری از قابلیت مدل سازی هم زمان روابط زمانی و فضایی، می تواند نقش مهمی در توسعه سامانه های هوشمند آموزش، بهبود عملکرد ورزشی، پیشگیری از آسیب ها و ارتقای فناوری های ورزش هوشمند ایفا کند.

کلیدواژه ها:

حرکات ورزشی ، کینکت ، ترانسفورمر ، مدل های تبدیل ، ترکیب داده ها