专题报告1：人工智能3D运动姿态重建——体育数据的新引擎

报告嘉宾：李洪刚，北京璇米科技公司CEO

嘉宾简介：负责主持人工智能3D运动姿态重建、数据分析、元宇宙体育赛事的前沿应用研究。曾负责2022北京冬奥会重点项目的多相机数据采集和分析工作，承担基于有限多路视觉的大视场3D运动姿态重建、基于3D生成网络的长城虚拟修复、3D人脸表情实时重建、人工智能集群机器人等深度网络、机器视觉、图形学前沿项目研究工作。拥有约40项国际专利。 国家体育总局授予“中国冰雪科学家”称号。

报告内容摘要：李老师的报告首先介绍了运动姿态重建和分析的意义，认为直到2018年，整个体育行业（尤其在生物力学领域）中可用于分析的人体数据极度匮乏。获取人体运动的视频并不困难，但如何将视频数据形成可被量化分析的人体运动姿态则具有很大挑战。因此，如何准确、便捷地重建运动姿态这一需求变得非常急迫。其次，李老师介绍了如何实现准确地重建运动姿态，并重点提到注意力机制。目前注意力机制在计算机视觉中使用非常普遍，因其可以用于提取结构化信息，能很好表达特征的关联关系。此外，现在深度网络的发展使得模型可被训练数据不断优化，当前水平已可达到利用2至4个相机就能重建较准确的运动姿态。最后，准确快速的重建姿态不是目的，而是需要将有意义、有指向性且最为简洁的数据提供给运动员，例如利用运动姿态实时生成动作的角速度、惯量等一系列生物力学指标曲线。对于运动姿态重建的未来发展，李老师强调应重视多人赛事中的运动姿态重建问题，其次是赛事虚拟化，如将运动员比赛移到虚拟世界能给观众更好的观赛体验。

专题报告2：表面肌电信号分析在运动科学研究领域的应用

报告嘉宾：王健，浙江大学运动科学与健康工程研究所所长、教授

嘉宾简介：浙江省151人才计划入选人才，南部战区飞行员训练伤防治特聘专家；中国人类工效学学会理事兼生物力学专委会副主任，中国创新设计战略联盟健康工程产业联盟常务副理事长兼秘书长。主要研究方向为神经肌肉运动生理学和工程人体科学。主持国家自然科学基金和军委科技等项目10余项，发表论文200余篇，出版专著和教材10余部。曾获浙江省省级优秀教师、“新中国成立70周年浙江设计70人”荣誉称号。

报告内容摘要：本次报告的主题是SEMG信号分析技术的研究与应用。SEMG信号技术分析技术包含多通道SEMG信号采集技术，如时域分析、频域分析、时频联合分析、非线性分析，以及高密度SEMG信号采集技术。高密度SEMG信号采集技术是近年来的一个发展趋势。传统的SEMG信号采集通常只包括几个电极，而高密度SEMG采集技术可以在更大范围内获取更多电极的信号，提供更详细的空间分布和活动模式信息，这对于肌肉功能评估、运动控制研究和康复治疗等方面具有重要意义。目前，SEMG信号技术分析在医疗健康、航天航空、体育运动、人机工程等领域得到了广泛应用，其应用研究问题包含神经肌肉功能评估、神经肌肉生理学等。其在临床上的应用研究包括最大肌肉收缩功能研究、力-电-影像步态分析、神经肌肉贡献率、肌肉功能状态系统分析、姿态控制机制研究等。本次报告对SMEG的信号分析技术的发展历程和应用领域进行概述与讨论，并对肌肉收缩力-电关系研究、力-电-影像步态研究、神经驱动-肌肉收缩贡献率、神经肌肉功能状态系统分析、预期和补偿姿势调节等研究成果进行讨论与分享。

专题报告3：脊柱生物力学的计算分析和骨单细胞分析

报告嘉宾：钦逸仙，纽约州立大学特聘教授、石溪大学生物医学工程系主任、教授、ASBMR/BMES/IAMBE/IAA Fellow

嘉宾简介：研究兴趣集中在与解决骨质疏松症和关节疾病等健康问题密切相关的肌肉骨骼细胞、组织工程及再生领域，如骨细胞和分子的力学生物学、超声成像和治疗学以及纳米技术等。相关领域发表同行评审文章和书籍章节180余篇。

报告内容摘要：钦逸仙教授的报告主要针对骨质疏松的诊断及治疗，从力学生物学的角度探索了人类发生骨丢失的机制，从宏观力学性能到组织学、骨细胞微观层次进行了多尺度的机理探索。有限元分析方法能够很好的预测脊柱髓核和纤维环内层的力学参数，并且能够解决一些高速冲击条件下的动态模拟，报告介绍了有限元方法对椎间盘突出这一常见临床问题的解决方案。在有限元建模中，钦教授不仅构建了骨结构，同时还对结缔组织进行建模，采用单向间隙单元模拟小关节间隙接触。研究中针对脊柱小关节及其在膜应力和腰痛中的作用进行了系统分析，采用基于标记点阵列标记脊柱变形的实验测试方法，结合非线性小平面膜有限元建模与动力学分析方法分析了脊柱变形中不同脊柱点位受力情况。通过对材料性质模拟分析发现，采用当脊柱小关节材料选择为各向同性超材料时，应力应变性能够满足要求。钦教授还在研究中针对非线性小关节面单元进行了动态加载模拟，分析了不同锥节受力关系。此外，钦教授还介绍了机器学习算法在脊柱临床研究中的应用情况及其研究前景。他通过系统调研得出，目前机器学习在临床中的研究重点集中在一下领域：图像处理、自动诊断、辅助决策、手术辅助、康复、住院评估、费用评估等。

专题报告4：基于视觉的人体运动捕捉技术

报告嘉宾：周晓巍，浙江大学“百人计划”入选者研究员

嘉宾简介：研究方向主要为三维视觉、图形学及其在混合现实、机器人等领域的应用。担任计算机视觉国际顶级期刊IJCV编委、顶级会议CVPR 2021和ICCV 2021领域主席，图形学与混合现实研讨会（GAMES）执行委员会主席。在计算机视觉与图形学领域顶级期刊与会议上发表论文50余篇，多次入选CVPR最佳论文候选。曾获得浙江省自然科学一等奖，陆增镛CAD&CG高科技奖一等奖，CCF优秀图形开源贡献奖。

报告内容摘要：周晓巍老师的报告首先介绍了人体动作捕捉的应用场景，其中包括动画制作、体育运动分析与体育赛事转播等。由于动作捕捉可以获取人体的运动姿态，因此这项技术在体育运动中可以发挥巨大的价值。然后，周老师回顾了动作捕捉技术的发展，最早是光学与惯性的动捕技术。其中光学技术是利用反光标记点反射相机的红外光，并可以实现被相机所捕捉。而惯性技术则是利用陀螺仪与加速度计等惯导传感器获取速度信息并解算得到人体位姿。上述两种技术都需要额外穿戴传感设备，使用上存在不便。而深度学习发展出的计算机视觉捕捉技术，利用神经网络回归人体关键点热力图的方法解算得到人体位姿，免去了穿戴设备的麻烦。视觉技术的原理，即是结合深度学习与多视几何的方法，得到人体位姿。视觉方法的精度在逐渐逼近光学方法，而与光学方法相比，其更易部署，成本也更低。随后周晓巍老师介绍了一下目前视觉技术存在的挑战及他们组的相关工作。首先是在拥挤场景下的多人动作捕捉，它的难点在于找到不同视角下人的对应关系。其在2019年发表于CVPR的文章提出了一种基于外观与几何关系双重约束的方法，大大提升了寻找对应关系的准确度。这种多人多视角动作捕捉可以应用于大型体育活动，例如篮球、足球等。对于人体存在紧密接触的情况下如何解决其中的模糊匹配问题，周老师的课题组提出了一种用深度神经网络回归匹配关系的方法，提升了这种紧密接触情况下的动作识别准确性。此外，在如何利用现有的非同步与非标定视频重建人体方面，提出了一种基于优化的匹配算法，从而可充分利用网上的数据重建体育人物动作。对于如何提升单目视频的3D人体姿态重建精度，他们分别提出利用镜子与场景作为约束提升3D姿态准确度的办法。最后，周晓巍老师展望了未来视觉技术的发展。首先，目前的视觉技术可结合运动学与动力学，精准重建人体运动。其次，应发展快速人体表面重建的方法。

专题报告5：人工智能技术在主动健康领域的应用及展望

报告嘉宾：连云波，杭州质子科技有限公司董事、杭州联合健康总经理

嘉宾简介：长期从事电子通讯、互联网、物联网行业工作，对于大数据、物联网及人工智能(AIOT)有深刻的理解和研究。曾任上海贝尔（原国务院一级央企）高级副总裁/执委会成员，任职期间负责领导团队联合美国贝尔实验室进行运营商移动大数据平台研发、数据分析以及商业模式开发，为运营商用户行为画像奠定了数据和技术基础。

报告内容摘要：连云波老师以“人工智能技术在主动健康领域的应用及展望”为题，从主动健康体系、AI在主动健康中的应用、AI与主动健康的展望三方面进行了陈述。目前，各类数据表明全民健康形势危急、全国慢性病确诊人数庞大、医保压力巨大，以往的“到医院就医”的模式亟待转变。主动健康是对人体主动施加可控刺激，增加人体微观复杂度，促进人体多样化适应，从而实现人体机能增强或慢病逆转的医学模式。健康可分为生命跨度（Lifespan）和健康跨度（Healthspan）。医学3.0（Medicine 3.0）的观点认为，健康跨度应与生命跨度匹配，既延长生命跨度，也通过主动健康的方式延长健康跨度。同时，医学3.0认为健康来自五方面：锻炼、营养、睡眠、情绪健康、外源性分子（医疗）。借助大数据技术和人工智能模型可以精准、高效、个性化地实现主动健康，例如通过利用长时间的可穿戴心电监控设备和人工智能算法，可自动分析出患者的心脏状态，并有效降低医生的工作量。诸如此类的方法还可应用在睡眠分析、运动康复与物理治疗、营养建议、健康管理等多个领域。目前，AI在ECG（心电图）的研究进展较快，落地场景比较成熟。可穿戴设备的引入可提供更多的无创采集方法，比如无创血压监测等。在未来，AI将从感知信息、逻辑模型、执行交互三方面提升主动健康的水平。

专题报告6：大变形柔性传感器

报告嘉宾：苏业旺，中科院力学研究所研究员、国家青年拔尖人才

嘉宾简介：入选中科院百人计划、创新交叉团队，曾任西北大学研究助理教授。研究方向为柔性结构与器件力学。在JMPS/IJSS/PNAS/Nature Commu/Adv. Mat./Adv. Func. Mat./ACS Nano/Nano Energy/Small等国际权威期刊发表论文88篇, Composite Structures编委。主持国家基金委、中科院、北京市、企业合作等多项科研项目，曾获中国力学自然科学二等奖。

报告内容摘要：苏业旺研究员重点讲解了大变形柔性传感器方面的相关工作。首先对大变形传柔性传感器的基本概念进行介绍，然后指出两个技术途径，即有机材料和无机柔性电子器件。报告人的工作采用硅和金属为材料体系，把性质衬底变成柔性衬底，加上可变形的力学结构设计，使整体具有可延展变形能力。该传感器是人工智能采集数据的一个基石，在国计民生有广泛的应用领域，包括运动健康医疗、航空航天、智慧工业等。苏老师具体介绍了跟力学最相关的大变形柔性传感器，包括拉伸变形和弯曲变形两种变形模式的传感器。其团队针对大应变传感器需要多大的灵敏系数这个关键科学问题进行了纯理论性研究，得到的结论是灵敏系数不用太大，一般的仪表能够测得就行。基于此，设计了可拉伸偏轴蛇形结构，并设计了温度自补偿，对线性度、重复性、动态响应等指标进行测量验证，最后进行了穿戴设备应用演示。进而，详细介绍了大变形柔性传感器的一些应用场景，包括宏观和微小动作捕捉，膝关节置换手术中用应变传感器测量术后病人的韧带张力和长度变形，柔性航天装备如着陆缓冲气囊用柔性传感器对降落伞的变形进行测量，对聚乙烯燃气管道的变形监测、数据传输、数据管理及预警系统等。此外，苏老师还介绍了设计聚酰胺薄膜的曲率传感器来测量弯曲变形，并将其应用到手势识别手套以监测手指关节、儿童坐姿监测、肢体动作监测等。在航天中的重大应用包括监测充气式或薄膜式航天结构的气动外形，为有效控制提供基础数据，并可准确监测豆荚杆结构弯曲状态。

专题报告7：肌骨运动系统的智能分析技术

报告嘉宾：霍波，首都体育学院体育人工智能研究院院长、教授

嘉宾简介：主要研究方向为骨力学、运动生物力学和智能运动测试分析关键技术。作为负责人主持科技部重点研发计划“科技冬奥”项目、“863计划”、国家自然科学基金项目等国家级项目10余项。发表杂志论文80余篇，其中SCI收录论文50余篇；出版学术专著1部，参编专著7部（章节）。兼任北京体育科学学会理事和运动生物力学分会主任，以及Journal of Orthopaedic Research、《医用生物力学》等杂志编委。

报告内容摘要：霍波教授此次演讲的内容主要肌骨智能技术需求、基于运动学的肌骨动力学分析、基于肌电参数的肌肉协同分析以及骨组织结构演化分析。霍教授首先介绍到肌骨系统是“人体运动执行器”，是一个复杂的结构和系统，其主要负责运动执行例如神经驱动、动作多样及操作精确。体育运动中肌骨相关问题和技术需求涉及到的运动人群广泛，核心问题包含如脊柱侧弯、损伤预防、主动健康等18个方面的问题。另外他还介绍了肌骨相关问题和技术需求在临床和康复方面的涉及。在介绍基于运动学的肌骨动力学分析时，他重点讲解了运动力学智能测试分析系统的组成、如何应用同步采集子系统例如传感器采集数据；如何获取人体运动姿态的自动识别数据，以单板大跳台现场三维拍摄为例解释了运动学分析和显示的关键技术、从而应用基于运动学的地面反力计算和基于运动学计算转动惯量和转动能从而得出运动员所受空气动力的数值模拟，构建适用于各项运动的骨骼肌肉模型。研究以跳台滑雪肌骨动力学分析为例，主要记录了跳台滑雪起跳过程中肌肉激活情况。针对基于肌电参数的肌肉协同分析，他主要介绍了肌肉协同分析方法及原理，以坐姿越野滑雪肌骨动力学为例，详细讲述了从研究方案、实验过程及如何应用肌电数据协同分析过程，得到肌骨动力学分析结果。最后，霍波教授指出人体运动训练、临床康复需求是智能科技与体育融合的前提和核心，多学科交叉融合促进了技术的积累和突破，人体动力学是肌骨智能技术的基础理论。未来仍然面对许多挑战像高精度动作捕捉和识别、神经肌肉控制、人-机耦合、智能穿戴监测设备、运动损伤预测等多各领域还有待实现进一步的技术突破。

【来稿：体育人工智能研究院/王秋睿、刘平、刘程林、周致赜、白隽瑄、董琳、朱爽       审核：霍波】