Human Activity Recognition of Figure Skating Jumps Using Abdominal Electromyography and Accelerometry

تعد التزلج على الجليد رياضة تعتمد فيها النجاحات على قرارات تُتخذ في أجزاء من الثانية وتحكم جسدي دقيق. إذ يجب على المتزلج الانطلاق في الهواء، والدوران عدة مرات، ثم الهبوط على نصل رفيع من الجليد دون تعثر. ولعقود من الزمن، اعتمد المدربون على أعينهم وعلى مقاطع الفيديو بالحركة البطيئة للحكم على هذه القفزات، بحثاً عن أخطاء طفيفة في الإقلاع أو الهبوط. ومع ذلك، فإن للكاميرات نقطة عمياء؛ فهي لا تستطيع رؤية سوى ما يظهر في الخارج، ولا يمكنها رؤية العضلات وهي تنقبض داخل الجسم للتحضير للقفزة، كما لا يمكنها دائماً الرؤية بوضوح عندما يلتوي جسد المتزلج بسرعة تجعل الأطراف تحجب الرؤية. ولحل هذه المشكلة، لجأ العلماء إلى المستشعرات القابلة للارتداء، وهي أجهزة صغيرة تلتصق بالجلد لتسجيل الحركة والنشاط العضلي، مما يوفر طريقة جديدة لفهم الميكانيكا الخفية للأداء الرياضي.

قام فريق من الباحثين في الجامعة التقنية في أوسترافا وجامعة أوسترافا في جمهورية التشيك بتطوير طريقة جديدة لتحديد أنواع قفزات التزلج على الجليد تلقائياً باستخدام هذه المستشعرات القابلة للارتداء. وكان هدفهم هو إنشاء نظام يمكنه التمييز بين ستة أنواع مختلفة من القفزات، تتراوح من الدورات الفردية إلى الدورات الثلاثية المعقدة، دون الحاجة إلى كاميرا أو فريق من الحكام. وبدلاً من مراقبة المتزلج، يقوم نظامهم "بالاستماع" إلى الإشارات الداخلية للجسم. فقد قاموا بتثبيت مستشعرات صغيرة على ظهور اثنتي عشرة متزلجة مراهقة من النخبة؛ حيث قاس أحد المستشعرات تسارع الجسم في ثلاثة اتجاهات، بينما قام مستشعران آخران وُضعا على البطن بقياس النشاط الكهربائي لعضلات الجذع. وقد سمح هذا المزيج للباحثين بالتقاط كل من الحركة الفيزيائية للقفزة والتحضير العضلي الذي يحدث قبل أن يغادر المتزلج الجليد مباشرة.

جمع الباحثون بيانات من مئات محاولات القفز، بما في ذلك النسخ الفردية والثنائية والثلاثية من قفزات "أكسل" (Axel)، و"سالكوف" (Salchow)، و"لوب" (Loop). ثم قاموا بتغذية هذه المعلومات في نظام حاسوبي مصمم لتعلم الأنماط. واختبر الفريق عدة أنواع مختلفة من طرق التعلم الحاسوبي لمعرفة أيها يمكنه تصنيف القفزات إلى الفئات الصحيحة بأفضل شكل. ووجدوا أن النهج الأكثر نجاحاً لم يكن شبكة التعلم العميق المعقدة التي تُستخدم غالباً للتعرف على الصور، بل كان طريقة أبسط تعتمد على الأشجار (tree-based method) تتخذ القرارات باتباع سلسلة من القواعد المنطقية. حقق هذا النظام مستوى مذهلاً من الدقة، حيث حدد نوع القفزة بشكل صحيح بنسبة تقارب 99 بالمائة. وقد عمل النظام من خلال النظر في شرائح زمنية قصيرة ومحددة من بيانات المستشعرات، حيث وجدوا أن نافذة بيانات تغطي 0.6 ثانية مع تداخل بسيط كانت الأفضل لالتقاط البصمة الفريدة لكل قفزة.

كان الاكتشاف الرئيسي في هذه الدراسة هو فهم أي أجزاء من بيانات المستشعرات كانت ضرورية بالفعل ليتمكن الحاسوب من اتخاذ القرار الصحيح. فقد أجرى الباحثون اختبارات حيث قاموا بإزالة مستشعرات معينة لمعرفة ما إذا كان النظام سيظل يعمل. ووجدوا أنه بينما يمكن لمستشعر الحركة وحده أن يؤدي وظيفة جيدة، إلا أن أداء النظام تراجع بشكل ملحوظ إذا أزالوا المستشعرات التي تقيس عضلات البطن. وقد أكد هذا أن الطريقة التي يشد بها المتزلج عضلات جذعه قبل القفز هي دليل حاسم يميز قفزة عن أخرى. علاوة على ذلك، اكتشفوا أن حركات الجسم من جانب إلى آخر ومن أعلى إلى أسفل كانت أهم الإشارات الفيزيائية، في حين أن الحركة من الأمام إلى الخلف كانت أقل أهمية بكثير. وهذا يشير إلى أن الميل المحدد الذي يستخدمه المتزلج لبدء الدوران والقوة التي يصطدم بها بالجليد عند الهبوط هما العلامتان الفيزيائيتان الأساسيتان اللتان تحددان القفزة.

كما تناولت الدراسة مشكلة شائعة في التكنولوجيا الرياضية، وهي الحاجة إلى معدات ضخمة؛ فكثير من المحاولات السابقة لتتبع قفزات التزلج تطلبت مستشعرات متعددة توضع على المعصمين والكاحلين والخصر، والتي يمكن أن تكون ثقيلة ومشتتة للرياضي. وقد أثبتت هذه الطريقة الجديدة أن مستشعراً واحداً على الظهر، بالإضافة إلى مستشعرين صغيرين على البطن، كان كافياً لتحقيق نتائج رفيعة المستوى. وهذا الإعداد الأخف وزناً يعني أن النظام أقل عرضة للتداخل مع حركة المتزلج الطبيعية، مما يجعله أكثر عملية للتدريب في الواقع. وبينما ركزت الدراسة الحالية على القفزات الناجحة التي قامت بها متزلجات شابات في بيئة مضبوطة، يعتقد الباحثون أن هذا النهج يمهد الطريق لأدوات مستقبلية يمكن أن تساعد المدربين في تحليل جودة القفز في الوقت الفعلي. ومن خلال تحديد اللحظة الدقيقة التي تُنفذ فيها القفزة وتصنيفها فوراً، يمكن لهذه التكنولوجيا أن تساعد الرياضيين في نهاية المطوت على صقل تقنياتهم والوقاية من الإصابات، وكل ذلك مع بقائها غير مرئية للعين المجردة.