[发明专利]一种撑杆跳运动训练方法

说明书

本发明公开了一种撑杆跳运动训练方法，包括以下步骤：步骤1：获取撑杆跳过程中人体关键部位运动轨迹；步骤2：将多个运动轨迹提取特征向量；步骤3：将特征向量以及表征过杆成功与否的量合并成新的特征向量；步骤4：采用经验值估计法初始化参数NP、F、CR，随机生成初始种群；步骤5：计算隐层输出矩阵得到输出权值以及输出权值所相应的均方根误差，均方根误差作为适应度指标；步骤6：进行变异和交叉运算获得新个体；步骤7：根据迭代次数判断是否继续进行模型训练；步骤8：采用测试样本对模型进行测试，最终完成撑杆跳运动训练模型构建并使用该模型进行训练；本发明方法能快速有效找出训练问题所在，从而矫正运动员不规范的技术动作。

技术领域

本发明涉及运动训练技术领域，特别涉及一种撑杆跳运动训练方法。

背景技术

撑杆跳高是田径项目中技术最为复杂的项目之一。在撑杆跳高运动中，起跳、团身、过杆是几个比较重要的基础技术。要想越过横杆，运动员必须通过助跑起跳获得一定的动能，在团身阶段完成空中动作以致过杆。起跳团身动作完成的好坏直接影响着运动员能否成功过杆。在起跳、团身、过杆过程中，运动员的速度、腾起角、运动轨迹、位置以及与横杆的距离是非常重要的。

我国撑杆跳高运动成绩目前提高较快，但整体水平一直落后于世界，在亚洲的成绩排名也不理想。就身体素质而言，我国撑杆跳高运动员与外国世界顶级撑杆跳高运动员并不存在明显的差异。那么影响我国运动员成绩的客观因素，首推就是竞技的战术水平了。而起跳、团身、过杆技术则成为了撑杆跳高战术提高的非常重要的方面。

目前，Toshihiko Fukushima等人利用撑杆跳高机器人，研究了在杆上更积极主动的团身，能改善撑杆跳高成绩。GuanyuLiu等人提出了通过动力学优化控制模型，结合测量的相关参数，来对撑杆跳高运动员的表现做分析，并表明了握杆高度，起跳角度以及撑杆的柔性度与撑杆跳高成绩的关系。Satoshi Nishikawa等人利用机器人研究了撑杆跳高过程中有效的摆动时机。

上述对撑杆跳高的研究要么只考虑了某一个环节，要么忽略了人体在杆上具体的动作形态。因此如何提出有效的训练模型非常重要。

发明内容

本发明提供了一种撑杆跳运动训练方法，实现了依据运动员的运动轨迹判定过杆成功与否，从而实现了对起跳过杆过程的指导，有效提高训练效果。

一种撑杆跳运动训练方法，包括以下步骤：

步骤1：获取撑杆跳过程中人体关键部位运动轨迹；

运动轨迹采用OptiTrack三维红外运动捕捉系统，通过在人体上布置标记点，由高速相机接受标记点反射的红外光，通过识别标记点来获得。在本实施例中使用的高速相机为12台Prime13(简称p13)，其最高帧速为240fps。

步骤2：将步骤1得到的多个运动轨迹提取特征向量；

步骤3：将步骤2获得的特征向量以及表征过杆成功与否的量合并成新的特征向量，作为训练样本，得到N个训练样本，设激励函数为g(x)，最大迭代次数G_max以及隐层节点的个数L；

步骤4：采用经验值估计法初始化正则极速学习机单隐藏层前馈神经网络中的参数NP、F、CR，参数NP指组成初始种群的个体个数，参数F是指变异操作的缩放因子，CR是交叉运算的交叉概率，CR∈[0,1]；