CN105107178B - 一种投篮动作训练方法 - Google Patents

Abstract

本发明涉及一种投篮动作训练方法，结合篮球反馈的篮球运动状态信息、臂套反馈投篮时手臂的投篮动作、篮框反馈的命中率，进而得出投篮动作与篮球运动状态、命中率的投篮关联数据，并与预设的作为训练标准的投篮动作模型进行对比，找出投篮关联数据与投篮动作模型的差异项，并进行反馈，得到训练数据；其中，所述的篮球运动状态信息包括投射轨迹、飞行速度、转速、出手角度；投篮动作包括肌肉发力大小、发力先后顺序、手臂与手指的姿势、手臂的动作轨迹。用以分析球员进行投篮练习运动中的连贯姿势与肌肉效能，并给予姿势矫正与肌肉发力建议。

Description

一种投篮动作训练方法

技术领域

本发明涉及体育教学技术，更具体地说，涉及一种投篮动作训练方法。

背景技术

传统的投篮训练包括理论学习与实践练习。

理论学习通常只是通过经验传授的方式对球员进行指导，包括从教科书、教练等对象进行学习。通过教科书进行学习时，存在的不足是，基本属于纯理论教学，无法做到“身教”，而且将晦涩的理论文字通过球员自身学习，转化为实战技术的过程，跟球员自身的学习与理解能力关系较大。而且对学习的结果，球员自身几乎不可能验证是否正确。通过教练进行学习时，与教科书相比，解决了“身教”的问题，但仍存在的不足是，教练也只能从表象上观察球员的动作与训练结果，教学质量与教练水平的相关性非常大，而一名优秀的教练指导的球员的数量也非常有限，不利于大范围地进行训练指导，效率极低。

对于实践练习，现有技术公开有投篮训练装置，但仅能统计投篮结果的高低，并不能给球员予建议或分析。球员只能凭“熟能生巧”的方法进行训练，事倍功半。

发明内容

本发明的目的在于克服现有技术的不足，提供一种结合篮球、投篮动作、命中率的投篮动作训练方法。

本发明的技术方案如下：

一种投篮动作训练方法，结合篮球反馈的篮球运动状态信息、臂套反馈投篮时手臂的投篮动作、篮框反馈的命中率，进而得出投篮动作与篮球运动状态、命中率的投篮关联数据，并与预设的作为训练标准的投篮动作模型进行对比，找出投篮关联数据与投篮动作模型的差异项，并进行反馈，得到训练数据；其中，所述的篮球运动状态信息包括投射轨迹、飞行速度、转速、出手角度；投篮动作包括肌肉发力大小、发力先后顺序、手臂与手指的姿势、手臂的动作轨迹。

作为优选，根据不同身高、不同投篮距离，采用对应的投篮动作模型。

作为优选，通过篮球内的运动位置传感器判断篮球与篮框的相对位置。

作为优选，进一步地，根据反馈的差异项，提供纠正建议。

作为优选，对每次投篮训练采集的所有数据进行存储，作为历史数据，用于分析投篮训练的趋势。

作为优选，通过智能终端接收反馈的差异项，存储每次投篮训练采集的所有数据，并进行分析，针对反馈的差异项对应的训练过程存在的不足，提供预设的指导信息。

作为优选，对肌肉发力大小以投篮动作模型为参考值，给予用力过度、用力适中、用力过轻的分级。

作为优选，臂套还反馈肌肉疲劳度，如果肌肉疲劳度超过预设的阀值，则判断为疲乏。

作为优选，通过篮球内的运动位置传感器反馈运动状态信息，臂套通过SEMG传感器反馈手臂肌肉的表面肌电信号，通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，通过运动位置传感器反馈手臂的运动轨迹及手臂的姿势。

作为优选，将训练数据发送至服务器，不同用户间进行数据交互与互动。

本发明的有益效果如下：

本发明提供以一种篮球训练之动作与肌能状态分析方法，用以分析球员进行投篮练习运动中的连贯姿势与肌肉效能，并给予姿势矫正与肌肉发力建议。反馈投篮时，根据实施需求，反馈篮球运动的出手角度、转速、命中率、出手时间、累计命中率等，以及供球员记录的投篮训练数据结果、分析姿势动作、肌肉发力状态、手部疲劳状态，并根据训练数据结果给予建议与校正。进一步，还通过智能手机、计算机等智能终端，以图形化介面还原呈现肢体动作连贯发力顺序、施力程度，达到更智慧的达成训练与提升技巧。

附图说明

图1是本发明所述的方法的原理流程图；

图2是检测投篮时手臂的SEMG与动作轨迹的方法的原理流程图。

具体实施方式

以下结合附图及实施例对本发明进行进一步的详细说明。

本发明提供一种投篮动作训练方法，用于从人体的生理上反映投篮动作中，参与投篮动作的肌肉与手臂、手指的使用情况，进而有针对性地纠正投篮动作，提高投篮训练的成果与效率。

如图1所示，本发明所述的方法，结合篮球反馈的运动状态信息、臂套反馈的投篮动作、篮框反馈的命中率，进而得出投篮动作与篮球运动状态、命中率的投篮关联数据，并与预设的作为训练标准的投篮动作模型进行对比，找出投篮关联数据与投篮动作模型的差异项，并进行反馈，得到训练数据；其中，所述的运动状态信息包括投射轨迹、飞行速度、转速、出手角度(篮球在出手瞬间，篮球的运动方向与水平方向的夹角)；投篮动作包括肌肉发力大小、发力先后顺序、手臂与手指的姿势、手臂的动作轨迹。

由于投篮动作是否准确，不同身高、站在离篮框不同的角度与距离，使用的投篮动作是不同的，因此，本发明根据不同身高、不同投篮距离，采用对应的投篮动作模型。本实施例中，通过篮球内的运动位置传感器判断篮球与篮框的相对位置。

本发明所述的方法，在反馈了差异项后，根据反馈的差异项，提供纠正建议，以便球员针对自身的不足，进行针对性的加强训练。

为了便于观察与总结，对每次投篮训练采集的所有数据进行存储，作为历史数据，用于分析投篮训练的趋势。通过智能终端接收反馈的差异项，存储每次投篮训练采集的所有数据，并进行分析，针对反馈的差异项对应的训练过程存在的不足，提供预设的指导信息。

对肌肉发力大小以投篮动作模型为参考值，给予用力过度、用力适中、用力过轻的分级。臂套还反馈肌肉疲劳度，如果肌肉疲劳度单位时间内累积速度超过预设的阀值，则判断为用力过度。

通过篮球内的运动位置传感器反馈运动状态信息，臂套通过SEMG传感器反馈手臂肌肉的表面肌电信号，通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，通过运动位置传感器反馈手臂与手指的运动轨迹。

本实施例中，篮球供以球员对其投篮进行轨迹推测，通过内设的运动位置传感器(九轴传感器)，可测得篮球的投射轨迹、飞行速度、转速、出手角度。

本发明所述的方法中，在每一次完整的投篮动作过程中，通过SEMG传感器检测手臂肌肉的表面肌电信号，通过运动位置传感器检测手臂与手指的运动轨迹；通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指出力状态，并结合采集的运动轨迹，得出一个完整的投篮动作的投篮动作采样数据，用于反应参与投篮动作的肌肉与手臂、手指的使用情况。

对应的，需要配置能够采集表面肌电信号与运动轨迹的设备，可以是一种具备SEMG传感器与运动位置传感器的臂套，在进行投篮训练时，穿戴所述的臂套，用于检测投篮动作中的表面肌电信号与手臂、手指出力状态。臂套供以球员对手臂(包含手指)的姿势以及发力的肌肉运动状态进行信息反馈，可以设置若干SEMG传感器与运动位置传感器(如九轴传感器)，SEMG传感器接触在球员皮肤表面上，球员对其某块肌肉发力时，对其神经元发送电信号，神经元接受到信号后会向其周边的肌肉纤维传递信号，这些在肌肉表面的产生的电信号，将会被SEMG传感器检测到，根据所要检测的肌肉群放置若干SEMG传感器在相对应的位置，即可识别出球员对其手指及其手臂的发力状态，串联各个肌肉发力的状态时间，即可看出球员在投篮时手臂与手指的连贯动作。臂套的上臂与前臂位置放置九轴传感器，可还原出球员在投篮时上臂与前臂的动作姿势及相对位置。臂套可针对手指和前臂发力程度、投篮的发力顺序、投篮后手臂角度做出计算，并还原结果显示于使用计算机上。

采集的数据的多少直接关系到分析结果的精确度，如果需要得到尽量精确的分析结果，则需要SEMG传感器检测上臂、前臂与手指参与投篮动作的肌肉的表面肌电信号。尽可能地检测参与投篮动作的每一块肌肉，有利于最终得到最精确的分析结果。运动位置传感器检测上臂与前臂的运动轨迹，以及由前臂带动的手指发力。运动轨迹包括一个完整的投篮动作中，上臂与前臂在投篮前、投篮中、投篮后的动作姿势、相对位置以及上臂与前臂的夹角(优选的，投篮前，上臂和前臂呈90度角；篮球出手瞬间，篮球轨迹与水平呈40度角至50度角之间效果最佳)。由于投篮动作从起始至结束，从抬手开始，直至篮球脱离手指后的手指、手腕与手臂的动作，均会影响投篮质量，因此，需要全程完整地检测上臂与前臂在整个完整的投篮动作中的状态。

由于单独存在的表面肌电信号并不能直接反应投篮动作的正确与否，因此，SEMG传感器检测到表面肌电信号后，与预设的肌电流信号参考数据进行对比，分析得出投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。

为了得到更精确的检测数据，表面肌电信号与预设的肌电流信号参考电压进行对比前，对表面肌电信号进行优化降噪，防止不必要的杂音也进行分析，得到误差较大的结果。本发明中，对表面肌电信号进行优化降噪包括：对采集的表面肌电信号经带通滤波器得到选定的频率范围，然后再经陷波滤波器过滤噪音频率段，得到优选信号。

表面肌电信号表示的是肌肉在发力时产生的微电流，呈离散状态，不能直接反映投篮动作的完整与连贯性。因此，本发明分析得出优选信号的时域分布，进而得到每个表面肌电信号的时间分布，进而获得每个肌肉的发力先后顺序；分析得出优选信号的频域分布，再与预设的肌电流信号参考数据进行对比，得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况。最后，通过肌肉发力大小与肌肉发力先后顺序，识别出一个完整的投篮动作的手臂与手指的发力与肌肉运用是否正确。

由于表面肌电信号的微电流较小，不便于直接进行处理，为了达到更优的优化效果，表面肌电信号在进入带通滤波器之前先进行一次放大，经陷波滤波器输出后进行二次放大。

如图2所示，本实施例中，SEMG传感器采集到表面肌电信号后，经放大器进行一次放大后，经带通滤波器(band-pass filter)将表面肌电信号进行过滤，得到选定的频率范围，其分布在20Hz到200Hz之间，再通过陷波滤波器(notch filter)滤除频率55Hz到65Hz的信号，得到优选信号。因为60Hz的信号夹带著电线与环境的杂音，将影响最终的分析结果。优选信号再经放大器进行二次放大，然后通过ADC(模数转换器)进行模数转换，得到数字信号。然后对所得的数字信号进行分析，得到时域分布，通过傅里叶变换算法得出频域分布，即对每个SEMG传感器采集到的表面肌电信号进行处理提取特征值，再跟预设的肌电流信号参考数据进行比对，进而识别出对应的手臂、手指动作。运动位置传感器(如九轴传感器)采集手臂三维方向的信号，通过三维方向的信号分析判断手臂姿势。

篮框通过进篮统计模组进行命中率统计，包含若干无线距离侦测传感器。无线距离侦测传感器通常会发射出电磁场，或是发射出红外线产生电磁辐射，采集对其检测距离范围内磁场发生的变化信号；篮球进入篮框后，由上落到下，依顺序经过若干电磁场，进而产生对应的磁场变化，进而判断篮球是否已进入篮框，得到投篮训练时的进球数，搭配篮球统计得到的投篮次数，可得出投篮的命中率。

本发明所述的智能终端可以是，但不限于可收发信息的计算机、智能手机、智能手表、平板电脑等，由无线通讯网络模组(可由蓝芽、WIFI、UWB等)与智能终端进行连接，传输投篮动作中，篮球、臂套采集的所有数据，并进行分析，以取得投篮的投射轨迹、飞行速度、转速、出手角度、命中率，以及手指与手臂的发力情况(肌肉发力大小、发力先后顺序)、篮球出手后手臂的角度、投篮时手臂与手指姿势、手臂的动作轨迹、提升时手指的用力程度、手臂疲劳程度等等；并根据检测的数据给予矫正与建议。

为了便于观察，以及回溯历史训练数据，总结一段时间的训练成果等目的，本发明中，对每次投篮训练采集的所有数据进行存储，作为历史数据，用于分析投篮训练的趋势。并可以针对训练过程得到的数据，给予适当专业指导。由专业指导员实施本发明所述的方法，针对各项反馈的数据，本发明对应的事前训练资料库以影像方式播放视频示范、分析。不同肌肉的发力程度以预设的肌电流信号参考数据为参考值，给予用力过度、用力适中、用力过轻等分级表示；若疲劳程度迅速累积，如增加速度大于预设的阀值，则可以给予疲乏的分级，表示有可能没善用脚和身体传递力量，或是协调不够所造成的建议。

本发明将训练数据发送至服务器，不同用户间进行数据交互与互动，包含线上互动训练方式，让训练可以透过游戏，或远端竞赛方式更有互动性地进行。

上述实施例仅是用来说明本发明，而并非用作对本发明的限定。只要是依据本发明的技术实质，对上述实施例进行变化、变型等都将落在本发明的权利要求的范围内。

Claims (5)

1.一种投篮动作训练方法，其特征在于，结合篮球反馈的篮球运动状态信息、臂套反馈投篮时手臂的投篮动作、篮框反馈的命中率，进而得出投篮动作与篮球运动状态、命中率的投篮关联数据，并与预设的作为训练标准的投篮动作模型进行对比，找出投篮关联数据与投篮动作模型的差异项，并进行反馈，得到训练数据；根据不同身高、不同投篮距离，采用对应的投篮动作模型；其中，所述的篮球运动状态信息包括投射轨迹、飞行速度、转速、出手角度；投篮动作包括肌肉发力大小、发力先后顺序、手臂与手指的姿势、手臂的动作轨迹；通过篮球内的运动位置传感器反馈篮球运动状态信息，臂套通过SEMG传感器反馈手臂肌肉的表面肌电信号，通过分析采集的表面肌电信号得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况，通过运动位置传感器反馈手臂的运动轨迹及手臂的姿势；

表面肌电信号呈离散状态，分析得出表面肌电信号的时域分布，进而得到每个表面肌电信号的时间分布，进而获得每个肌肉的发力先后顺序；分析得出表面肌电信号的频域分布，再与预设的肌电流信号参考数据进行对比，得到投篮时手臂与手指相关肌肉的发力大小、发力先后顺序、手指使用情况；最后，通过肌肉发力大小与肌肉发力先后顺序，识别出一个完整的投篮动作的手臂与手指的发力与肌肉运用是否正确；

对每次投篮训练采集的所有数据进行存储，作为历史数据，用于分析投篮训练的趋势，通过智能终端接收反馈的差异项，存储每次投篮训练采集的所有数据，并进行分析，针对反馈的差异项对应的训练过程存在的不足，提供预设的指导信息。

2.根据权利要求1所述的投篮动作训练方法，其特征在于，通过篮球内的运动位置传感器判断篮球与篮框的相对位置。

3.根据权利要求1所述的投篮动作训练方法，其特征在于，进一步地，根据反馈的差异项，提供纠正建议。

4.根据权利要求1所述的投篮动作训练方法，其特征在于，对肌肉发力大小以投篮动作模型为参考值，给予用力过度、用力适中、用力过轻的分级。

5.根据权利要求4所述的投篮动作训练方法，其特征在于，臂套还反馈肌肉疲劳度，如果肌肉疲劳度超过预设的阀值，则判断为疲乏。