通过机器学习系统检测成功篮球自由投的最佳目光行为
Ayoub Asadi1, Afkham Daneshfar2, Mohammad R Saeedpour-Parizi3
1Department of Motor Behavior, Faculty of Sport Sciences, Alzahra University, Tehran, Iran; Department of Kinesiology, Iowa State University, Ames, IA, USA.
Human movement science
|June 14, 2025
概括
对于篮球中的眼球运动的机器学习分析揭示了成功和错过的自由投篮之间的萨卡德持续时间差异. 这些眼睛跟踪数据可以预测球员的表现.
科学领域:
- 运动科学 运动科学 运动科学
- 生物机械分析 生物机械分析
- 运动中的机器学习
背景情况:
- 运动中的眼睛跟踪研究视觉功能与运动表现的联系.
- 视觉行为可以表明卓越的运动表现,并告知机器学习模型.
- 有限的研究已经将眼睛跟踪和机器学习应用于特定的体育任务.
研究的目的:
- 通过机器学习来调查眼动行为,以检测成功的表现.
- 分析篮球自由投球尝试中的目光行为差异.
- 为了确定眼睛跟踪数据对运动技巧熟练程度的预测能力.
主要方法:
- 收集了25名学生篮球运动员在自由投篮试验中的目光行为数据.
- 使用统计软件 (JMP Pro) 和机器学习 (Python) 分析数据.
- 专注于分析萨卡德持续时间和固定指标.
主要成果:
- 在成功的 (击中) 和不成功的 (错过) 自由投试验之间,在萨卡德持续时间上发现了显著的差异.
- 与萨卡德相关的指标比与固定相关的指标更能表明成功的表现.
- 机器学习模型显示出从眼动数据可靠预测性能的潜力.
结论:
- 眼睛跟踪与机器学习相结合,为分析运动表现提供了宝贵的工具.
- 萨卡德动态是运动技能的成功关键指标,比如篮球自由投.
- 未来的研究应该专注于开发先进的眼睛跟踪机器学习系统,以检测技能熟练程度.
