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

फिगर स्केटिंग एक ऐसा खेल है जहाँ पलक झपकते ही लिए गए निर्णय और शरीर का सटीक नियंत्रण सफलता निर्धारित करते हैं। एक स्केटर को हवा में उछलना होता है, कई बार घूमना होता है, और बिना लड़खड़ाए बर्फ की एक पतली ब्लेड पर उतरना होता है। दशकों से, कोच इन कूद (जंप) को परखने के लिए अपनी आँखों और स्लो-मोशन वीडियो पर निर्भर रहे हैं, ताकि टेकऑफ या लैंडिंग में सूक्ष्म त्रुटियों को देखा जा सके। हालाँकि, कैमरों की एक कमी है: वे केवल वही देख सकते हैं जो बाहर की ओर है। वे जंप की तैयारी के लिए शरीर के भीतर सक्रिय होने वाली मांसपेशियों को नहीं देख सकते, न ही वे हमेशा स्पष्ट रूप रूप से देख पाते हैं जब एक स्केटर का शरीर इतनी तेज़ी से घूमता है कि अंग दृश्य को बाधित कर देते हैं। इसे हल करने के लिए, वैज्ञानिकों ने पहनने योग्य सेंसर (वेयरेबल सेंसर्स) की ओर रुख किया है, जो छोटे उपकरण हैं जो त्वचा से चिपके रहते हैं ताकि गति और मांसपेशियों की गतिविधि को रिकॉर्ड किया जा सके, जो एथलेटिक प्रदर्शन के छिपे हुए यांत्रिकी को समझने का एक नया तरीका प्रदान करते हैं।

चेक गणराज्य के टेक्निकल यूनिवर्सिटी ऑफ ओस्ट्रावा और यूनिवर्सिटी ऑफ ओस्ट्रावा के शोधकर्ताओं की एक टीम ने इन पहनने योग्य सेंसरों का उपयोग करके विशिष्ट फिगर स्केटिंग जंप्स की स्वचालित रूप से पहचान करने की एक नई विधि विकसित की है। उनका लक्ष्य एक ऐसी प्रणाली बनाना था जो सिंगल रोटेशन से लेकर जटिल ट्रिपल रोटेशन तक के छह अलग-अलग प्रकार के जंप्स के बीच अंतर कर सके, जिसके लिए किसी कैमरे या जजों की टीम की आवश्यकता न हो। स्केटर को देखने के बजाय, उनकी प्रणाली शरीर के आंतरिक संकेतों को सुनती है। उन्होंने बारह शीर्ष महिला किशोर स्केटर्स की पीठ पर छोटे सेंसर लगाए। एक सेंसर ने तीन दिशाओं में शरीर के त्वरण (एक्सेलेरेशन) को मापा, जबकि पेट पर रखे दो अन्य सेंसरों ने कोर मांसपेशियों की विद्युत गतिविधि को मापा। इस संयोजन ने शोधकर्ताओं को जंप की शारीरिक गति और उस मांसपेशी तैयारी, दोनों को कैप्चर करने की अनुमति दी जो स्केटर के बर्फ से उठने से ठीक पहले होती है।

शोधकर्ताओं ने सैकड़ों जंप प्रयासों से डेटा एकत्र किया, जिसमें एक्सेल (Axel), साल्चो (Salchow) और लूप (Loop) जंप के सिंगल, डबल और ट्रिपल संस्करण शामिल थे। फिर उन्होंने इस जानकारी को एक कंप्यूटर सिस्टम में डाला जिसे पैटर्न सीखने के लिए डिज़ाइन किया गया था। टीम ने यह देखने के लिए कई अलग-अलग प्रकार के कंप्यूटर लर्निंग मेथड्स का परीक्षण किया कि कौन सा जंप्स को सही श्रेणियों में वर्गीकृत करने के लिए सबसे अच्छा काम कर सकता है। उन्होंने पाया कि सबसे सफल दृष्टिकोण एक जटिल, डीप-लर्निंग नेटवर्क नहीं था जिसका उपयोग अक्सर इमेज रिकग्निशन के लिए किया जाता है, बल्कि एक सरल, ट्री-आधारित विधि थी जो तार्किक नियमों की एक श्रृंखला का पालन करके निर्णय लेती है। इस प्रणाली ने उल्लेखनीय स्तर की सटीकता हासिल की, जिसने लगभग 99 प्रतिशत बार जंप के प्रकार की सही पहचान की। यह प्रणाली सेंसर डेटा के छोटे, विशिष्ट हिस्सों (स्लाइस) को देखकर काम करती थी, यह पाते हुए कि 0.6 सेकंड का डेटा विंडो जिसमें थोड़ा ओवरलैप हो, प्रत्येक जंप के अनूठे सिग्नेचर को कैप्चर करने के लिए सबसे उपयुक्त था।

इस अध्ययन में एक प्रमुख खोज यह थी कि कंप्यूटर के सही निर्णय लेने के लिए सेंसर डेटा के कौन से हिस्से वास्तव में आवश्यक थे। शोधकर्ताओं ने परीक्षण किए जहाँ उन्होंने कुछ सेंसरों को हटाकर देखा कि क्या सिस्टम अभी भी काम करेगा। उन्होंने पाया कि जबकि मूवमेंट सेंसर अकेले एक ठीक-ठाक काम कर सकता था, लेकिन यदि उन्होंने पेट की मांसपेशियों को मापने वाले सेंसर हटा दिए, तो सिस्टम का प्रदर्शन काफी खराब हो गया। इसने पुष्टि की कि जंप करने से पहले एक स्केटर जिस तरह से अपने कोर को कसता है, वह एक महत्वपूर्ण सुराग है जो एक जंप को दूसरे से अलग करता है। इसके अलावा, उन्होंने पाया कि शरीर की अगल-बगल और ऊपर-नीचे की गति सबसे महत्वपूर्ण भौतिक संकेत थे, जबकि आगे-पीछे की गति का महत्व बहुत कम था। यह सुझाव देता है कि एक मोड़ शुरू करने के लिए स्केटर द्वारा उपयोग किया जाने वाला विशिष्ट झुकाव और बर्फ पर उतरते समय लगने वाला बल, वे प्राथमिक भौतिक मार्कर हैं जो एक जंप को परिभाषित करते हैं।

अध्ययन ने खेल तकनीक की एक आम समस्या को भी संबोधित किया: भारी उपकरणों की आवश्यकता। स्केटर जंप को ट्रैक करने के पिछले कई प्रयासों में कलाई, टखने और कमर पर कई सेंसरों की आवश्यकता होती थी, जो एथलीट के लिए भारी और ध्यान भटकाने वाले हो सकते हैं। इस नई पद्धति ने सिद्ध किया कि पीठ पर एक एकल सेंसर, और पेट पर दो छोटे सेंसरों का संयोजन, शीर्ष स्तर के परिणाम प्राप्त करने के लिए पर्याप्त था। यह हल्का सेटअप यह सुनिश्चित करता है कि सिस्टम स्केटर की स्वाभाविक गति में हस्तक्षेप करने की कम संभावना है, जिससे यह वास्तविक प्रशिक्षण के लिए अधिक व्यावहारिक हो जाता है। हालांकि वर्तमान अध्ययन नियंत्रित सेटिंग में युवा महिला स्केटर्स द्वारा किए गए सफल जंप पर केंद्रित था, शोधकर्ताओं का मानना है कि यह दृष्टिकोण भविष्य के उन उपकरणों के लिए आधार तैयार करता है जो कोचों को वास्तविक समय में जंप की गुणवत्ता का विश्लेषण करने में मदद कर सकें। जंप के निष्पादन के सटीक क्षण की पहचान करके और उसे तुरंत वर्गीकृत करके, यह तकनीक अंततः एथलीटों को अपनी तकनीक को सुधारने और चोटों को रोकने में मदद कर सकती है, और यह सब नग्न आंखों के लिए अदृश्य रहकर संभव होगा।