相关实验视频
Updated: Jul 31, 2026
08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.4K
与3D运动捕捉相比,完整的AI应用程序的可靠性和有效性来确定板球保龄球线和长度
Kevin Tissera1, Kathleen A Shorter2, Minh Huynh3
1Department of Health Sciences and Biostatistics, School of Health Sciences; Sport Innovation Research Group, Swinburne University of Technology, Melbourne, Australia.
Sports biomechanics
|July 31, 2024
概括
全轨道人工智能应用程序显示出高可靠性和与3D运动捕捉的良好一致性,用于评估板球着陆位置. 虽然一般有效,但实际使用需要考虑其在教练环境中的准确性限制.
科学领域:
- 运动科学 运动科学 运动科学
- 生物力学 生物力学
- 绩效分析 绩效分析
背景情况:
- 精确测量板球着陆位置对于性能分析和教练至关重要.
- 现有的方法可能是昂贵的或不切实际的定期使用.
- 全轨人工智能应用程序为可访问的绩效评估提供了一个潜在的解决方案.
研究的目的:
- 评估Fulltrack AI应用程序在确定板球球线和长度方面的可靠性和有效性.
- 为了将Fulltrack AI的测量与黄金标准的3D运动捕捉系统进行比较.
主要方法:
- 记录了932个板球交付,其中836个被纳入分析.
- 来自Fulltrack AI的测量结果与使用类内相关系数和Bland-Altman图表的3D运动捕捉数据进行了比较.
- 为了评估有效性,使用了通用添加模型.
主要成果:
- 发现可靠性很高,线和长度的类内相关系数>0.96.
- 在Fulltrack AI和3D运动捕捉之间观察到良好的统计一致性,一致性限制大多在可接受的范围内.
- 有效性分析显示,两种测量系统之间没有显著差异 (p > 0.05).
结论:
- 全轨道人工智能应用程序在评估板球着陆位置方面表现出强大的可靠性和有效性.
- 它的使用可以对保龄球表现进行生态有效的评估.
- 教练在实施Fulltrack AI用于增强反时,应该考虑可访问性和测量准确性之间的权衡.
