摘要:随着信息技术的迅猛发展，在田径领域训练和成绩测量中广泛应用人工智能、传感技术、红外技术和感应技术等现代科技。本研究主要围绕智能监控、动作评估、成绩分析以及智能决策等场景，为田径项目实现智能化提供支持，有助于田径项目训练的数据化。然而，在未来需要重视理论与方法创新，并促进人工智能产品多元化功能的发展，以推动体育事业数据化蓬勃发展。

关键词: 人工智能  无线网络  智能设备  田径项目

信息技术是指运用计算机和通信设备来存储、检索、传输和处理数据的技术，主要包括处理技术、通信技术、储存技术、传感技术和智能技术等。随着信息技术的开发，其被广泛应用于全民健身、竞技体育、学校体育等领域中。排球“鹰眼”系统、足球“幽灵模型”、乒乓球“发球机器人”等以语言理解和计算机视觉分析为核心的深度学习算法，共同构成智能体育发展的驱动力。田径运动借助人工智能训练系统、测量评分系统和智能化设备等先进科技驱动其在体育领域中的优势作用，提升自身水平，提高田径运动员能力。

1、田径项目中的信息技术应用

1.1、无线传感网络体系

嵌入式技术、射频技术、无线网络技术共同构成无线传感器网络体系，它包括四个模块：传感器模块、处理模块、无线通信模块和电力供应模块。跑步中将传感芯片固定到运动员小腿三头肌上，通过运动实时获得三维加速度信息，传输至上位节点进行数据收集，无线网络利用拓扑结构自主收集、处理、传输固定或分散的“槽”集合点，汇集到用户主机上。田径场地中用100m左右的WIFI协议进行自动动态组网，构建各节点间联合体系，获得运动员位置和各个身体关节的动态变化,记录运动练习的过程。数据处理中，既要对终端的数据查询做出响应，又要与无线网络通讯传感器构成数据处理模块主界面，实现训练过程数据信息的实时显示、查询和保储。

总之，传感器模块是一种用于测量和检测客观物理量的装置，处理模块负责控制传感器节点，无线通信模块组成的网络层、无线收发器的物理层负责传感器和计算机之间的沟通，电力供应模块为整个传感器节点提供能源。无线传感网络体系能对田径运动员进行原数据采集、存储，预处理和挖掘分析，在运动训练过程中辅助教练员了解运动员信息，提供智能决策支持。

1.2、人工智能训练与裁判评分系统

数字运动训练通过动作捕捉设备和其他传感器监控运动员的姿势和设备变化，根据监测到的信息评估运动员的运动表现，以相应地为他们提供新的练习内容或练习说明，包括运动知识表达的数字化、运动表现信息的数字化以及培训内容或指令生成的数字化。运用3D+AI技术对田径中起跳、凌空、下降三个阶段动作进行捕捉量化，对身体外形、出台弧向、运动轨迹和空中飞行度等多维度指标进行分析，挑选出最佳得分动作，及时指出失分动作，提供指导依据和专业评判。另外“六自由度电动模拟体育训练系统”和“风洞实验室”等帮助运动员开展模拟训练和测试，有效提升训练效果。

裁判评分系统中，通过摄像系统覆盖不同视角比赛区域，无标记点进行跟踪和视觉定位，生成三维立体图像，可将腾空高度、滑行运动、旋转运动、落地距离等一系列运动轨迹与原图叠加，在连续的动作视频上呈现，并支持动作分解和回放，构建腾空的运动分析模型。该模型可对运动中身体的旋转和扭动等动作作出分析，评判动作完成度，遵照国际裁判计分准测，实现公平评分。

1.3、数字立体成像技术

光电立体摄影多相机测量捕捉系统是运动分析的黄金标准，可跟踪放置在身体上的反射标记，用于动力学、运动学和时空运动分析。原理为将标记物固定在田径员易于识别的关节上，将标记点反射光线用红外摄像机记录，根据标记在每个身体上确定三个坐标系，通过3D建模明确跑步时的动态轨迹，记录每个身体关节活动状态、步态特征，更为精准地进行跑步中运动生物力学分析。随着技术进步，无反光点的人体运动自动捕捉人工智能系统随之出现，基于深度学习原理创建神经网络模型，用于铅球和铁饼运动员备战中AI帮助运动训练。

Slavinsky等在短跑运动员身上粘贴63个反光标记点，追踪了起始阶段和加速阶段的运动学，记录了位置变化时各步幅加速度质心曲线，得出起跑反应时，5m、10m处的加速度，寻找运动员之间的差异性，提高运动员起步冲刺力量，第一步与第二步飞行阶段协调矢量速度方向。巩立姣奥运备赛期间，我国研发的无标记点人体运动视频解析系统，确定滑步距离是影响她成绩的主要生物学因素，为运动员技术提供数据支撑。另基于人体姿势识别技术的立定跳远动作智能评估系统也属于其中一种，对姿态进行评估，输出得分，提供更科学的训练方法。

1.4、光探测距激光技术

光探测距激光技术提供了连续的距离数据流，实现快速和准确的测量，比离散的评估方法(如秒表和计时门)更有优势。激光发生器作为光源，通过软件控制将红外激光激活对准运动目标发射，测量反射目标往返时间及地点，再乘光源物质光速得出对应的距离。不同项目测量摆放的角度不同，有不同的计算方式，主要为脉冲法、相位法、三角法。该技术运用在扔掷、高度项目、跳远中，测量精度可达2mm。

在投掷项目铅球中，铅球落地后，将感应器准确插入到球印中心，调节感应器上的“电子眼”，通过水平和垂直的二维角度与激光仪对齐进行高精度测量。软件根据测量参数自动导入专门的配套系统，得出精准无误的测量结果，通过网络传送、发布到赛场显示屏上，设置软件操作的用户权限，确保竞赛公平公正。而跳远测距仪为三角应用原理，通过物理光学透镜成像用于跳远成绩的测量，较传统米尺测量方法更精准便捷。但在实践操作上，需要与经过准确检验的钢尺进行成绩检测，以确定两种测量结果一致。

1.5、全身磁惯性测量单元系统和力平台

在田径运动项目中，冲刺跑加速是成绩的主要组成部分，作用于跑者身体上的地面反作用力基本上解释了整个线性冲刺加速运动。磁惯性测量单元系统（MIMU）主要由磁阻传感器、加速度传感器、陀螺传感器构成，属于三维集成系统，在直角坐标系中正交安装。加速度计是沿模块三轴的直线加速度；陀螺仪的测量绕模块三轴的转动角速度，计算MIMU方向的变化；磁传感器和加速度计构成电子罗盘来提高初始对准,从而获得身体运动形态数据，被用作动态人体运动分析。

力平台被认为是冲刺运行中速度计算的参考系统，允许在单个运行步骤中测量地面反作用力矢量的三个正交分量，冲刺性能可以通过质心速度随时间的变化来表征。测量地面反作用力和压力中心位移时，将反射标记物放置在解剖标志上，动作变化引起压力的变化，力平台记录的位移使用低通巴特沃兹滤波器进行滤波。

1.6、电子起跑系统

“电子起跑系统”的设置主要为判断抢跑，对短、长跑比赛中的成绩实现精确测量，由软件系统和硬件系统两部分组成。软件系统为数据传输模块，把竞赛成绩数据从收发芯片传输到数据寄存器中并切换至发送工作模式。

运动员在发令枪响前或听到枪响后到做出起跑反应小于0.1秒的情况就被视为抢跑。在短跑项目中，电子起跑系统，根据比赛项目设置压力阈值，枪声到起步达到阈值起跑反应时的100ms为判定依据。SEIKO(RM-200）将脚蹬压力变化波形投送到屏幕上，起跑出现犯规时，电脑屏幕出现犯规标记，设备自动报警，使发令员尽快召回，联合“Block Cam”摄像系统记录蹬出起跑器后的短暂画面、肌肉爆发的技术动作，实时传输给赛场直播系统，可帮助裁判对犯规运动员作出公正客观的裁决。

1.7、其他智能电子设备

全自动电子计时系统即“径赛结束时图像判读系统”，分为长跑记圈系统和计时计分及成绩处理系统，采用全自动图像计算机数据处理和高清彩色摄像CCD数字等先进技术。能提前标记跑道，自动拾取运动员的道次，可在每组竞赛结束30s内后高分辨率显示屏上精确判读比赛的成绩和名次。通过打印设备输出每组比赛成绩表和结束彩色照片，提供重新判读和复查依据。

长跑记圈系统采用射频识别（RFID）和无线传感器网络（WSN）技术。射频识别系统由阅读器和电子标签或射频标签组成，阅读器固定于跑道一侧，参赛人员佩戴电子标签，每次经过终点线时，电子标签能被阅读器即时识别，传输射频识别卡的卡号及当前时间信息至上级计算机。通过软件解析与整合这些数据，系统精确呈现田径运动员通过阅读器时的准确时间与出入次数，对比赛过程进行全程跟踪，自动记录中长跑运动员的跑步圈数、成绩。

计时计分及成绩处理系统，主要分为数据采集系统、处理系统和显示系统。计时计分设备将现场获得的竞赛信息传送到总裁判席、摄像机房，成绩处理系统在局域网、广域网运行下，通过技术接口接收运动员的比赛结果，并根据结果进行排名情况等操作，相应地传递给现场大屏幕显示系统、广播电视系统和比赛管理系统，精确便捷完成比赛现场成绩信息的采集、处理、传输与判读。

2、信息技术在田径项目中的应用价值

信息技术在田径项目中广泛应用，为运动员的训练、竞赛以及教练指导带来显著而全面的价值。它提供了教学辅助、训练支持、技术反馈和竞赛管理等多种功能，并增强了运动员参与感和成就感，同时向教练们提供更多科学数据支持，实现高度个性化且有效率地进行训练。信息技术正在越来越多地融入人们的日常生活环境，如学校、运动俱乐部中，这些设置发挥关键作用，促进训练、健康和预防。实质特征的训练是以数据为基础的，田径项目在数字化规模方面具备丰富资源，未来中国田径将重点发展数字化转型。通过结合体育数据和现有训练方法，运动员将获得更多发展机会，并使更多体育从业人员能够通过数字科技体验和享受田径运动。发展智能体育科技与应用的关键在于建立实时的科学和可视的运动训练大数据模型，科学基础在于获取大量、有效的数据。在体育运动中，人体运动数据的采集与分析是所有体育项目分析中不可或缺的核心，利用“硬件+软件+数据”方式，收集田径运动员指标，发展“互联网+体育”，引领田径体育产业高质量发展。

3、结论

综上所述，信息技术在体育领域的广泛应用推动着体育事业进步。以信息技术为核心驱动力的智能体育正在成为促进体育行业发展的新引擎。在田径中融入信息技术，可以采集运动员成分指标和基本信息等数据，并建立信息数据库，从而实现及时调整运动训练方案并追踪运动员的成材轨迹。此外，利用信息技术系统，可提升竞赛公平性，在田径运动中减少争议。其摄影系统提供清晰图像数据资料，在各种数据整理分析方面起到重要作用。然而，目前信息技术仍有待完善，未来比赛仍需要传统测量方法与之配合以共同进步，并推动田径体育蓬勃发展。

4、建议

现代科技在田径运动领域的应用，能够大幅度优化训练成效。以下是一系列建议，旨在通过有效运用信息技术来推动田径运动的提升与发展。（1）运用智能穿戴设备：鼓励运动员使用智能穿戴设备，如智能手环与智能鞋垫，以实现实时监测心率、步频与步幅等核心指标，并收集运动数据。同时，创建一个全面的数据分析平台，整合训练记录与竞赛成绩等多元信息源，为教师与运动员提供深度分析与意见。此措施将有效提升培训效能与赛事管理标准。（2）运用虚拟现实技术构建高度拟真的竞技场域，使运动员能预先沉浸于比赛氛围中，有效缓解赛前焦虑。同时，通过增强现实技术投射精确的动作示范，辅助教练实施专业化指导，精准识别并纠正运动员的动作误差。（3）远程培训与交流。提供在线课程，为运动员打造一套可随时随地访问的学习方案，包含一系列在线课程及教学视频。借助视频会议工具实现远程指导，尤其在假期居家期间，为运动员提供了高效、灵活的学习环境。（4）采用前沿的电子计时系统进行智能化竞赛管理，彻底取代传统人工计时方法，显著提升成绩记录的精确性与可靠性。同步构建专精的成绩解析工具，以帮助教练与运动员高效审视竞赛成果，并展开表现评估。（5）社交媒体与粉丝互动：制定社交媒体营销策略以增加选手和赛事知名度吸引更多粉丝关注；建立官方在线社区促进选手、教练和爱好者之间经验心得交流。（6）科技创新与跨界领域合作正在推动企业积极寻求与其他科技企业合作，共同探索跨界融合的可能性。通过引入前沿科技成果，可以为田径运动创造全新体验应用场景。技术研发企业将投入更多资源，专注于自主研发，以促进新技术应用及发展。企业要持之以恒探索创新方向，并保持市场领先地位。通过上述建议不仅增加田径运动科技含量，还可提升选手表现，改善训练及比赛质量，从而进一步促进田径运动发展。此外，强化信息技术产品多样化功能对于提高用户体验、满足不同用户的需求具有重要意义。

参考文献

[1]尹倩.无线传感器网络应用于田径运动的策略研究[J].科学技术创新,2017(28).

[2]Christian A D,Adamou A A A,Mourad A G, et al.Big Data Collection in Large-Scale Wireless Sensor Networks.[J].Sensors(Basel, Switzerland),2018,18(12).

[3]Lai X, Liu Q, Wei X, et al. A Survey of Body Sensor Networks[J].Sensors,2013,13(5).

[4]Roggio F, Ravalli S, Maugeri G, et al. Technological advancements in the analysis of human motion and posture management through digital devices[J]. World journal of orthopedics,2021,12(7).

[5]顾璇.基于信息技术的田径教学模式创新研究[J].文体用品与科技,2024(16).

[6]谭菁华,晏怡果.光学式三维运动捕捉在运动系统相关研究中的应用[J].海南医学,2018,29(14).

[7]谢洪昌.田径赛事中电子设备发展研究[J].岭南师范学院学报,2016,37(03).

[8]Federica V,Fabio S,Francesca M, et al.SPADs and SiPMs Arrays for Long-Range High-Speed Light Detection and Ranging(LiDAR)[J].Sensors,2021,21(11).

[9]党辉.电子测距仪在体育运动中的应用探讨[J].自动化与仪器仪表,2015(03).

[10]Morin J, Samozino P, Murata M, et al. A simple method for computing sprint acceleration kinetics from running velocity data:Replication study with improved design[J]. Journal of Biomechanics, 2019.

[11]Liu S, Zhu R. System Error Compensation Methodology Based on a Neural Network for a Micromachined Inertial Measurement Unit[J]. Sensors,2016,16(2).

[12]MiladN, Hossein R. A Full-State Robust Extended Kalman Filter for Orientation Tracking During Long-Duration Dynamic Tasks Using Magnetic and Inertial Measurement Units[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering:a Publication of the IEEE Engineering in Medicine and Biologg Society,2021.

[13]TizianaL, MarioM, Thoms B, et al. Events Detection of Anticipatory Postural Adjustments through a Wearable Accelerometer Sensor Is Comparable to That Measured by the Force Platform in Subjects with Parkinson’s Disease[J]. Sensors,2022,22(7).

[14]李健兵.田径运动中的电子起跑系统研制[J].电子测试,2014(19).