基于矢量编码技术对优秀竞走运动员技术动作的量化研究
贾 谊，郭 宇
(中北大学 体育学院，太原 030051)
摘 要 ：目的：探讨利用矢量编码技术来分析竞走项目运动员动作协调模式的可行性，并在此基础上对竞走运动员的动作技术和协调模式进行分析。方法：以参加2010年北京竞走挑战赛、2010年广州亚运会竞走比赛以及2012年太仓国际竞走挑战赛男子、女子20 km项目前10名和后10名运动员技术资料作为数据来源。使用CASIO FH25高速摄像机，采用立体定机定焦拍摄方法进行拍摄。使用SIMI Motion运动技术分析系统对运动员的视频资料进行数字化处理，并得到髋关节和膝关节角度参数。在得到髋—膝关节角相图基础上，计算髋膝耦合角，并利用矢量编码技术对运动员下肢协调模式进行频次统计。结果：①高水平组运动员步频(3.61±0.18步/秒)显著高于普通组(3.43±0.12步/秒)；②在支撑期，两组运动员在HP+和H+K+协调模式的出现频次上存在显著性差异；③在摆动期，高水平组运动员的耦合角变异度(15.2±6.7°)值显著低于普通组(22.5±9.1°)。结论：矢量编码技术可以实现对竞走运动员下肢环节间协调模式的量化分析。在支撑期，普通组运动员以固定膝关节并伸髋的动作协调模式为主，而高水平组运动员的协调模式则更为多样。在摆动期，两组运动员的动作协调模式无显著性差异，但普通组运动员的动作协调变异度显著高于高水平组，动作稳定性有待提高。
关键词 ：矢量编码；耦合角；竞走；协调
1 问题的提出
对运动员的动作技术分析与诊断一直以来都是科研人员和教练员关注的问题。利用通过运动影像测量方法得到的运动学参数，如关节角度、质心速度和加速度等，来分析运动员的动作技术特征是目前较为常用的手段。传统运动学参数大多是二维时间序列信息，其优点是较为直观，方便理解，但却无法反映人体环节间的协调模式。有研究发现，仅凭借关节角度参数，甚至无法辨别人是正走还是倒走[1]。因此，不可避免地会错过一些非常有用的信息。
上世纪60年代末，有学者[2]提出了一种利用角相图(relative motion plots或angle-angle plots)工具来研究人体动作协调模式的方法，被证明可以有效评估人体动作的环节间协调性，但此方法并不适合量化分析。于是，Freeman等人[3]在此基础上，将角相图按照走势和方向进行8位编码(图1)，后有学者称之为矢量编码技术(Vector Coding Technique)，使得对人体各环节间的相对运动特征进行量化分析成为可能。随后，Sparrow等人[4]在此基础上提出了耦合角(Coupling Angle，缩写为CA)的概念，即角相图相邻两采样点的连线与横坐标轴的夹角，并对其计算公式进行了改进，从而克服了此项技术由于数据间隔不等而造成计算误差的缺点。
1.3.2图像质量主观评价 安排2名高年资医师，从图像噪声、心脏、大血管结构以及伪影等方面评价图像质量，采用4级评分法：4分，图像表现为低噪声，没有阶梯状伪影，心脏与大血管结构显示较佳，且边缘相对锐利；3分，图像噪声低，可见少量阶梯状伪影，心脏与大血管显示相对清晰；2分，图像中等噪声，可见较多阶梯状伪影，心脏与大血管结构显示受到限制；1分，图像噪声高，阶梯状伪影十分明显，或者无法观察心脏与大血管[1]。
图1 Freeman等人提出的八位编码技术
目前，矢量编码技术已被广泛用来研究特定人体运动的环节协调模式识别[5-7]、运动性损伤的预防与评估[8-9]，甚至运用于足球战术分析中[10]。Tepavac等人在最近的研究中还指出，矢量编码技术在评估周期性运动动作的协调模式方面非常有效[11]。
竞走项目属于周期性动作项目，又是我国田径运动的优势项目之一，因此，是否可以利用矢量编码技术来评估竞走运动员的动作协调性成为本研究的出发点。目前，国内在田径、体操、游泳等项目的科技攻关与服务方面，对运动员动作技术的研究手段还是以传统的运动学分析为主，其方法相对成熟和简便易行，但对于运动员各环节间的动作协调模式缺乏量化的数据参考。本研究的主要目的在于：①找出利用矢量编码技术对竞走运动员动作技术结构进行分析的途径；②运用矢量编码技术对优秀竞走运动员的技术动作协调模式进行分析研究。
2 研究方法
2.1研究对象
关于利用CA对环节间协调模式进行定义，Needham等人[7]曾提出过6分法，即将CA的区间范围分为6等分，再根据每等分相对应的CA来确定协调模式。而Ryan Chang[13]和Needham等人[5]则提出了比6分法更为细化的8分法，并证明8分法可以更为精确地描述人体两环节间的协调运动模式。本研究选择8分法对竞走动作进行协调模式的定义和识别。
2.2拍摄方法
使用三台CASIO FH25高速摄像机，分别在每次比赛中架设于赛道两侧。利用立体定机定焦拍摄的方法[12]对运动员的一个幅步(即左脚跟着地—右脚跟着地—左脚跟着地)进行拍摄。摄像机距离运动平面10—21 m，机高约1.2 m，取景范围约为6 m，三台摄像机夹角约为120°，拍摄频率120 Hz。比赛前后分别对标定框架进行拍摄，标定框架为辐射式立体标定框架，标定范围为3 m3。
其中，Φ i,j 和Θ i,j 分别为标准化后，相位图中第i 个幅步周期的第j 帧的髋关节角度和膝关节角度，CA i,j 为相对应的耦合角。图2是某运动员三个幅步周期的髋—膝耦合角相位图。由于每个幅步周期所采集的视频帧数不同，因此首先需要将不同幅步周期的关节角度原始数据进行标准化处理，以某运动员第i 个幅步周期的第j 帧的髋关节角度φ i,j 为例，则
同理，标准化后的膝关节角度
标准化处理后的关节角度值在0—1之间。
2.3数据处理
根据公式1和公式2的定义，将运动员髋膝关节CA值在[-180°，180°]区间内进行8等分，等分后的区间范围为45°。当-22.5°<CA≤22.5°时，人体下肢表现为膝关节角度基本不变，髋关节角度显著增加，此区间即定义为髋关节主导项HP+(Hip Phase +)；当22.5°<CA≤67.5°时，人体下肢表现为髋关节角度增加时膝关节角度增加，此区间即定义为髋关节角度增加膝关节角度增加项H+K+(Hip+ Knee+)；当67.5°<CA≤112.5°时，人体下肢表现为髋关节角度基本不变，膝关节角度显著减小，此区间即定义为膝关节主导项KP-(Knee Phase -)。同理，我们可将人体下肢环节的协调模式定义为8种类型，具体识别方法见图3。
科技是国家强盛之基，创新是民族进步之魂。党的十八大以来，我国创新型国家建设成果丰硕，创新驱动发展战略大力实施，创新发展理念深入人心。当前，虚拟现实技术（VR）、人工智能技术（AI）、智能制造等已成为全球技术研发的热点，并逐步向消费者日常生活渗透，为传统行业创新发展提供了技术支撑。
2.4耦合角度的计算
关于耦合角的计算有多种方法，常见的包括角—角耦合和角—角速度耦合。考虑到影像测量方法的精度有限，对计算得到的角速度参数可能会有较大误差，因此，本研究选择便于识别的髋膝角进行计算。根据Sparrow等人[4]提出的矢量编码计算的方法(公式1，2)，求出运动员髋、膝关节相位图的耦合角(CA)值(图2)。
第三种最为方便，通过远程办税端。2019年1月1日，个人所得税手机APP和电子税务局PC端（https://its.sdn-tax.gov.cn/）将正式上线，届时，纳税人可以通过手机或电脑填写相关信息，直接可以将信息传递到税务部门，由税务部门网络推送到任职单位的客户端中。
图4是运动员关节角度、CA随步态周期变化趋势图。通过图4我们可以看出，随着髋膝关节角度的变化，CA值出现周期性变化规律。高水平组与普通组运动员CA值变化趋势大致相同，但在支撑阶段表现出一定的差异性。
(1)
(2)
统计学处理 应用SPSS 22.0统计软件，计量资料以表示，计数资料以率表示。两组基因频率均采用拟合优度检验是否符合Hardy-Weinberg平衡。计量资料比较采用t检验，率的比较采用χ2检验。采用多因素二项Logistic回归调整各传统脑血管因素的影响，计算CYP2C19基因多态性与脑梗死的相对风险，P<0.05为差异有统计学意义。
图2 耦合角计算方法示意图
2.5统计学方法
采用配对样本T检验的方法，对高水平组和普通组的数据进行对比分析，显著性水平α=0.05。统计学软件为SPSS 17.0。
3 研究结果
3.1运动员常规技术参数情况统计
路面抗滑特性主要取决于轮胎与路面之间的接触作用，轮胎与路面之间的摩擦因素包括黏着和滞后两部分，与轮胎结构、路面形貌等密切相关[1]。橡胶的尺寸、花纹等结构特征影响轮胎与路面的黏结力，而路面形貌、路面级配类型等宏观构造影响轮胎与路面的滞后力[2]。因此，要从轮胎—路面相互作用角度研究不同橡胶花纹、集料性质和级配类型对沥青混合料摩擦系数的影响规律，进一步明确轮胎—路面相互作用下的路面抗滑性能。
表 1运动员技术参数情况统计表
注：**表示具有非常显著性差异(P <0.01)
3.2不同水平运动员下肢关节角度相位图
以参加2010年北京竞走挑战赛、2010年广州亚运会竞走比赛以及2012年太仓国际竞走挑战赛比赛中，男子、女子20 km项目成绩在前10名和后10名的运动员为研究对象。将前10名的运动员定义为高水平组，后10名的运动员定义为普通组。
从总体技术统计情况来看(表1)，本次比赛运动员均属于正常发挥。各项技术指标与以往比赛相比无显著差异。各组别运动员之间的技术参数中，重心平均速度、平均步频和双支撑大腿夹角三项指标存在非常显著性差异。与普通组运动员相比，高水平组运动员表现出小步长、高步频的技术特征。
使用运动图像分析软件(SIMI Motion，德国)对拍摄视频进行数字化处理。每幅图像的关节点个数为19个，分别为头顶点、双侧肩关节点、肘关节点、腕关节点、髋关节点、膝关节点、踝关节点、足跟点、第一跖骨头、两肩中点和两髋中点。选取Dempster人体惯性参数模型计算人体重心位置参数，采用数字滤波法对所得原始数据进行滤波平滑处理，滤波截断频率为8 Hz。为防止人工解析带来的误差影响，所有解析工作都由一名工作人员完成。
图3 环节协调模式定义图
按照规范要求，胶凝材料(B)用量为300～450 kg/m3，单掺FA和S95级矿粉的掺量均为胶材总量的30%，大孔生态混凝土配合比计算采用填充理论及绝对体积法计算，确定萘系减水剂的用量为1.2%，设计孔隙率P=15%、20%和25%，制备大孔生态混凝土试件的尺寸为100 mm×100 mm×100 mm，依据《普通混凝土长期性能和耐久性能试验方法标准》(GB/T 50082—2009)规定的慢冻法要求进行抗冻性试验，抗压强度损失率达到25%或质量损失率超过5%，即可停止试验.
图4 耦合角随步态周期变化图
3.3协调模式频次统计
根据不同协调模式出现的频次，对运动员不同动作阶段进行计数统计，可以得到运动员不同动作阶段的动作协调特征。本研究中，将高水平组和普通组运动员一个幅步周期中各阶段的协调模式出现的频次数进行了统计，结果如图5所示。不同动作阶段，各组运动员表现出不同的动作协调模式。
在支撑期，普通组运动员以HP+协调模式为主，其出现频次为39±6.91，而高水平组则表现为HP+和H+K+两种协调模式，出现频次分别为20±11.4和23±11.2。统计结果显示，在支撑期，两组运动员HP+的出现频次有显著性差异(t =-3.725，P =0.005)，H+K+出现频次也有显著性差异(t =3.818，P =0.004)。除上述两种协调模式外，两组运动员在支撑期还表现出KP-和H+K-两种协调模式，但其出现频次均无显著性差异。此外，两组运动员在支撑期均未表现出KP+、H-K+、HP-和H-K-四种协调模式。而在摆动期，两组运动员的协调模式以KP+、H-K-和KP-三种形式为主，但均无显著性差异。
图5 不同组别运动员各幅步周期协调模式频次统计图
3.4耦合角变异度
耦合角变异度(Coupling angle variability，缩写CAV)是反映耦合角变异程度的指标，可以用同一运动员不同幅步周期之间耦合角的标准差来评价[14]。假设在一次比赛当中，采集得到某运动员动作视频为n个，通过标准化处理后将每个视频图像统一为m个(本研究中m =100)采样数据，则第i个动作视频第j个采样点的CAV值CAVij计算公式如下：
(3)
公式(3)中CA ij 表示某运动员第i 个视频图像中第j 个采样点的耦合角度；
为此运动员所有视频中第j 个采样点的耦合角平均值。
对比两组受检者空腹血糖指标，并将其作为检测结果的分析依据，统计结果数据得知，糖尿病受检者空腹血糖指标相对于健康受检者而言，显著较高，其两组受检者差异有统计学意义（P<0.05)；对比两组受检者糖化血清蛋白指标，并将其作为检测结果的分析依据，统计结果数据得知，糖尿病受检者糖化血清蛋白指标较高，且与健康受检者对比差异有统计学意义（P<0.05)。见表1。
图6 不同组别运动员耦合角变异度随幅步周期变换趋势
从图6可以看出，两组运动员的CAV值总体变化趋势一致，在左足跟着地时刻之后、右足跟着地时刻之后以及左腿摆动末期CAV值明显增大。其中，CAV最大值均出现在右足跟着地时刻之后，高水平组和普通组CAV值分别为75.3±27.6°和74.8±29.6°。两组运动员支撑期CAV值无显著性差异(t =-1.5，P >0.05)，而在摆动期差异显著(t =-2.3，P <0.05)。
表 2各动作阶段运动员 CAV值 (°)
4 分析与讨论
与传统运动学研究中的时域分析方法相比较，矢量编码技术可以为研究人员提供人体各环节之间相互协调运动的信息，从而对阐释人体协调时序性和同步性问题[15]提供借鉴。传统的步态分析中，对偶合角的区间范围通常定义为0°—360°[4]，而有些研究则认为0°—90°更为适宜[16-17]。从本次对竞走运动员一个幅步周期的研究情况来看，CA值选择0°—360°区间，既可以最大程度地保留必要的矢量信息，又可以保持数据的连续性，便于研究人员观察计算。
与以往研究结果类似[18]，本研究中高水平组运动员步频显著高于普通组，说明在步长相对固定的前提下，提高步频是竞走运动员提高竞赛成绩的主要途径。另外，根据Li Li等人[19]的研究结果，常人步行与跑步时，支撑脚离地时刻分别出现在整个步态周期的54%和38%。本研究中，竞走运动员的这一数据约为42%，介于步行与跑步之间，说明竞走运动员的步态特征不同于普通的行走和跑步。
与以往研究不同，本研究中关于髋膝关节耦合角(CA)的分析结果显示，两组运动员的变化趋势相同(图4)，但在支撑腿着地阶段的中期，两组运动员的协调模式出现了显著性差异(图5)。其中，普通组运动员在此阶段，主要表现为膝关节角度固定，以伸髋为主的下肢协调模式，而高水平组运动员则表现为髋膝关节同时伸展。虽然其机制尚待进一步分析，但与本研究类似，Michael等人[20]在对髋臼软骨缺损病人与正常人的步态进行分析后发现，两组受试者的髋膝关节耦合角在支撑阶段中期也表现出显著的差异性。其原因是在此阶段，人体下肢需要承受较大的地面反作用力，从而造成患者髋关节疼痛，继而导致其下肢动作协调性的变化。因此，竞走运动员所表现出的下肢动作协调性差异也可能与此阶段承受的地面反作用力增大有关。
根据已有研究结果[21-22]，耦合角变异度(CAV)是反映人体动作结构稳定性的一项指标，其大小与肢体的僵硬程度呈正相关。本次研究结果表明，高水平组与普通组运动员在整个幅步周期中，CAV值总体趋势相同，都具有波动幅度较大的特点，特别是在左、右足跟着地时刻前后。说明在此阶段，无论高水平组还是普通组运动员，都表现出动作结构不稳定的特点。另外，本次研究还观察到，普通组运动员在摆动期的CAV值显著高于高水平组，说明在此阶段，其动作协调变异性较高，动作的稳定性有待进一步提高。
5 结论
矢量编码技术可以实现对竞走运动员下肢环节间协调模式的量化分析。在支撑期，普通组运动员以HP+的动作协调模式为主，而高水平组运动员则表现出HP+和H+K+两种协调模式。在摆动期，两组运动员的动作协调模式无显著性差异，但普通组运动员的动作协调变异度显著高于高水平组，动作稳定性有待提高。
参考文献 ：
[1] Grasso R，Bianchi L，Lacquaniti F.Motor Patterns for Human Gait: Backward Versus Forward Locomotion[J]. Journal of neurophysiology,1998, 80 (4): 1868.
[2] Grieve D W. Gait patterns and the speed of walking[J]. Biomedical Engineering, 1968(3):119.
[3] Freeman H. Computer Processing of Line-Drawing Images[J] .Acm Computing Surveys,1974,6(1):57.
[4] Sparrow W A, Donovan E, Vanemmerik R, et al. Using relative motion plots to measure changes in intra-limb and inter-limb coordination[J]. Journal of Motor Behavior, 1987, 19(1): 115.
[5] Needham R A, Naemi R, Chockalingam N. A new coordination pattern classification to assess gait kinematics when utilising a modified vector coding technique[J]. Journal of Biomechanics, 2015, 48(12): 3506.
[6] Hamill J. Issues in Quantifying Variability From a Dynamical Systems Perspective[J]. Journal of Applied Biomechanics, 2000, 16(4): 407.
[7] Needham R. Quantifying lumbar-pelvis coordination during gait using a modified vector coding technique[J]. Journal of Biomechanics, 2014, 47(5): 1020.
[8] Hamill J, Palmer C, Van Emmerik R E. Coordinative variability and overuse injury[J]. Sports Medicine, Arthroscopy, Rehabilitation, Therapy & Technology, 2012,4(1):1.
[9] Reeve H K, Hopper L S, Elliott B C, et al. Lower limb kinematic variability in dancers performing drop landings onto floor surfaces with varied mechanical properties[J]. Human Movement Science, 2013, 32(4): 866.
[10] Moura F A, Van Emmerik R E A, Santana J E, et al. Coordination analysis of players’ distribution in football using cross-correlation and vector coding techniques[J]. Journal of Sports Sciences, 2016, 34(24): 2224.
[11] Tepavac D, Field-Fote E C. Vector coding: A technique for quantification of intersegmental coupling in multicyclic behaviors[J]. Journal of Applied Biomechanics, 2001, 17(3): 259.
[12] 卢德明，王云德，严波涛，等.运动生物力学测量方法[M].北京：北京体育大学出版社，2001：33.
[13] Chang R, Van Emmerik R, Hamill J. Quantifying rearfoot-forefoot coordination in human walking[J]. Journal of biomechanics,2008 , 41(14): 3101.
[14] Hafer J F, Boyer K A. Variability of segment coordination using a vector coding technique: Reliability analysis for treadmill walking and running[J]. Gait & Posture, 2017(51):222.
[15] 许崇高，严波涛.动作协调能力属性及其相关定义的理论思考[J].西安体育学院学报，1999，16(3)：31.
[16] Ferber R, Davis I M, Williams D S. Effect of foot orthotics on rearfoot and tibia joint coupling patterns and variability[J]. Journal of biomechanics,2005, 38(3): 477.
[17] Pollard C D, Heiderscheit B C, Van Emmerik R E,et al. Gender differences in lower extremity coupling variability during an unanticipated cutting maneuver[J]. Journal of applied biomechanics,2005, 21(2): 143.
[18] 宗华敬.对世界冠、亚军刘宏宇、王妍竞走技术的研究[J].体育科学，2000，20(6)：38.
[19] Li L,Elizabeth C H, Van den Bogert，et al. Coordination patterns of walking and running at similar speed and stride frequency[J].Human Movement Science, 1999, 18(1): 67.
[20] Samaan M A, Teng H L, Kumar D, et al. Acetabular cartilage defects cause altered hip and knee joint coordination variability during gait[J]. Clinical Biomechanics, 2015, 30(10): 1202.
[21] Kiss R M. Effect of walking speed and severity of hip osteoarthritis on gait variability[J]. J Electromyogr Kinesiol, 2010 , 20 (6): 1044.
[22] Newell K M, Corcos D M. Issues in variability and motor control[M]//Newell K M, Corcos D M.Issues in variability and motor control.Champaign,I L:Human Kinetics, 1993.
Quantitative Analysis of Motion Technique of Race Walkers by Vector Coding Technique
JIA Yi，GUO Yu
(School of Sport and Physical Education, North University of China, Taiyuan 030051, China)
Abstract ：Objective : To explore the feasibility of using vector coding technology to analyze the motion coordination mode of race walkers, and on this basis, to analyze the motion technology and coordination mode of race walkers. Method : Data is collected from the top 10 and the last 10 athletes who participated in the 20KM race walking of 2010 Beijing Walking Challenge, the 2010 Guangzhou Asian Games Walking Competition and the 2012 Taicang International Walking Challenge. By a CASIO FH25 high speed camera’s stereo fixed-focus and SIMI Motion analysis system, SIMI Motion analysis system is used to digitalize the video data of athletes, and the angle parameters of hip and knee joint are obtained. On the basis of the hip-knee angle phase diagram, the hip-knee coupling angle is calculated, and the frequency statistics of the lower limb coordination mode of athletes are carried out by using vector coding technology. Result : ①The stride frequency of high-level athletes (3.61 ±0.18 paces/second) is significantly higher than that of normal athletes (3.43 ±0.12 paces/second); ②There is a significant difference in the frequency of HP + and H + K + coordination modes between the two groups during the support period; ③During the swing period, the variation of coupling angle of high-level athletes (15.2 ±6.7°) is significantly lower than that of normal athletes (22.5 ±9.1°). Conclusion : Vector coding technology can quantitatively analyze the coordination mode of lower limb links of race walkers. During the support period, the coordination mode of fixing knee joint and extending hip is the main mode in the general group, while the coordination mode of the high-level group is more diverse. During the swing period, there is no significant difference between the two groups in the mode of motion coordination, but the variation degree of motion coordination of the general group is significantly higher than that of the high-level group, and the motion stability needs to be improved.
Key words ：vector coding; coupling angle; race walking; coordination
中图分类号 ：G821
文献标志码： A
文章编号： 1008-3596(2019)02-0070-07
收稿日期 ：2018-10-25
基金项目 ：山西省软科学研究项目“山西省竞技体育产学研协同创新的动力机制研究”(2016041037-3)
作者简介 ：贾 谊(1980—)，男，山西盂县人，副教授，博士，研究方向为动作技术诊断与分析。
文本信息： 贾谊，郭宇.基于矢量编码技术对优秀竞走运动员技术动作的量化研究[J].河北体育学院学报，2019，33(2)：70-76.
标签：矢量编码论文; 耦合角论文; 竞走论文; 协调论文; 中北大学体育学院论文;