Công trình nghiên cứu đột phá năm 2025 của Nhóm Nghiên cứu Thị giác Máy tính & Sinh cơ học đã giới thiệu một phương pháp hoàn toàn mới trong phân tích chuyển động thể thao: markerless motion capture – chụp chuyển động không cần điểm đánh dấu. Khác với các hệ thống phòng lab truyền thống (ví dụ: Vicon, OptiTrack), các phương pháp markerless sử dụng thuật toán thị giác máy tính và AI để tự động phát hiện và theo dõi các điểm khớp quan trọng của cơ thể vận động viên từ các video thu bằng camera thông thường hoặc camera tốc độ cao.

Bối cảnh nghiên cứu

Trước đây, việc phân tích sinh cơ học trong thể thao đỉnh cao yêu cầu vận động viên phải gắn các marker (điểm đánh dấu phản quang) trên cơ thể, di chuyển trong phòng lab được trang bị nhiều camera. Mặc dù chính xác, phương pháp này tốn kém, hạn chế về không gian, và khó áp dụng trực tiếp trên sân tập hoặc trong các trận đấu thực tế. Markerless motion capture ra đời nhằm dân chủ hóa phân tích hiệu suất: mọi vận động viên, từ chuyên nghiệp đến bán chuyên, đều có thể được theo dõi chuyển động chi tiết mà không cần trang bị phức tạp.

Thiết kế nghiên cứu

Nhóm nghiên cứu đã triển khai thử nghiệm trên 50 vận động viên từ các môn thể thao khác nhau, bao gồm golf, bóng rổ, bóng chày và điền kinh. Hệ thống markerless sử dụng đa camera 4K tốc độ cao kết hợp mạng neural convolutional để nhận dạng các điểm khớp chính, từ vai, khuỷu, hông đến gối, mắt cá chân. Thuật toán AI phân tích dữ liệu thời gian thực, tính toán các chỉ số quan trọng như:

• Góc nghiêng thân và vai trong cú swing hoặc cú ném
• Mô-men xoắn khớp gối, khuỷu và cổ tay
• Tốc độ vận động của các chi và trung tâm khối cơ thể (center of mass)
• Tần số bước chạy và thời gian tiếp xúc chân

Kết quả

Kết quả phân tích cho thấy:

1. Độ chính xác cao: So với hệ thống phòng lab, markerless có sai số trung bình dưới 6% đối với các thông số góc khớp và mô-men xoắn, đủ để đưa ra đánh giá sinh cơ học có giá trị.
2. Linh hoạt và khả năng thu thập dữ liệu ngoài sân: Hệ thống hoạt động tốt trong môi trường thực tế, cả trong sân tập, sân thi đấu ngoài trời hoặc phòng tập lớn, bất kể ánh sáng tự nhiên hoặc nhân tạo.
3. Dữ liệu thời gian thực: Thuật toán AI xử lý và xuất báo cáo trong vài giây, cho phép huấn luyện viên điều chỉnh kỹ thuật ngay lập tức, thay vì phải chờ phân tích hậu kỳ.
4. Cá nhân hóa phân tích: Mỗi vận động viên nhận được dữ liệu riêng về cơ sinh học, giúp so sánh các phiên tập luyện, theo dõi tiến triển kỹ thuật và đánh giá nguy cơ chấn thương.

Ứng dụng thực tiễn

• Huấn luyện thể thao: Huấn luyện viên có thể phân tích cú swing của golf thủ, kỹ thuật ném của vận động viên bóng chày hoặc cú nhảy của vận động viên bóng rổ ngay trên sân, mà không cần gắn thiết bị hay marker.
• Phòng ngừa chấn thương: Markerless motion capture giúp phát hiện các bất thường kỹ thuật, như góc khớp quá mức, lệch trục hông hoặc cánh tay, từ đó điều chỉnh bài tập phòng ngừa ACL, gân Achilles, hay chấn thương vai.
• Giám sát tiến triển: Vận động viên có thể theo dõi sự cải thiện kỹ thuật qua các buổi tập, so sánh dữ liệu tuần này với tuần trước, tạo lập lộ trình phát triển cá nhân hóa.
• Ứng dụng nghiên cứu: Các nhà khoa học có thể triển khai markerless để thu thập dữ liệu lớn (big data) về chuyển động trong môi trường thực tế, kết hợp với AI để xây dựng mô hình dự báo chấn thương và tối ưu hóa hiệu suất.
• Dân chủ hóa khoa học hiệu suất: Trước đây, phân tích sinh cơ học chỉ dành cho các đội chuyên nghiệp sở hữu phòng lab. Markerless giúp mọi vận động viên tiếp cận công nghệ này, nâng cao chất lượng huấn luyện ngay cả ở cấp câu lạc bộ hoặc trường học.

Kết luận

Markerless motion capture đại diện cho bước tiến lớn trong thể thao hiện đại, kết hợp trí tuệ nhân tạo, thị giác máy tính và sinh cơ học. Công nghệ này không chỉ cung cấp dữ liệu chính xác gần bằng phòng lab, mà còn linh hoạt, khả dụng trên sân và thời gian thực, hỗ trợ tối ưu hóa kỹ thuật, tăng cường hiệu suất và giảm nguy cơ chấn thương. Sự kết hợp giữa markerless motion capture và phân tích dữ liệu AI hứa hẹn mở ra kỷ nguyên mới trong giám sát hiệu suất vận động viên, nơi khoa học hiệu suất trở nên phổ cập, cá nhân hóa và hiệu quả hơn bao giờ hết.

Hồng Liên