體育用品專刊 • 專題報導 5 「無標記動作捕捉技術」的誕生正是為了 突破這些限制。該技術整合電腦視覺與深度學 習演算法，只需一台 RGB 攝影機（甚至手機鏡 頭），即可捕捉動作軌跡、關節角度與空間位 置，重建精準的三維動作模型。過去只有專業 實驗室能進行的動作分析，如今已能在日常生 活中實現。 此技術的核心在於「姿勢估測演算法」 （pose estimation algorithms），例如 OpenPose、 MediaPipe、DeepLabCut。這些演算法能辨識骨 架關鍵點位置，進一步推導出速度、角度變化 與協調性等變數。例如透過分析膝關節與髖關 節角速度變化率，可判斷深蹲過程是否出現代 償動作，或評估上下樓時的穩定性。 應用場景一：競技運動的即時技術修正 在專業運動訓練中，無標記技術已廣泛應 用於籃球、棒球、田徑等運動。例如NBA球隊結 合深度攝影機（如 Microsoft Azure Kinect），可即 時分析投籃角度、起跳姿勢與落地衝擊力，並 結合力量與疲勞數據，設計個別化的技術修正 與訓練計畫。 在棒球領域，投手動作分析更是典型應 用。透過多角度攝影與演算法比對，教練可辨 識出如過度肩外旋或手肘軌跡超出安全範圍等 高風險動作，協助預防肩肘傷害。日本職棒與 美國職棒大聯盟均已開始將此技術與傷病資料 庫結合，作為投手選才與培訓策略的一部分。 應用場景二：家庭健身的AI教練升級 無標記技術的普及推動了「智慧健身」的 潮流。在臺灣與日本市場，許多健身應用程式 如 Mirror、Tempo、FITURE 等，已結合智慧鏡 面裝置與無標記追蹤技術，提供如真人教練般 的體驗。使用者只需站在鏡子或鏡頭前，系統 即可追蹤其動作軌跡——例如弓箭步時膝蓋是 否內夾、脊椎是否偏移、重心是否不穩等，並 以語音或視覺圖像即時提示。訓練結束後，系 統會提供分數、進度建議與長期報告。 對於高齡者而言，這項技術也能用於防跌 訓練。研究顯示，透過監測站起、行走與轉身 等日常動作的速度與穩定性，可早期偵測平衡 能力下降或拖步徵兆，並及時通知照護者。 應用場景三：運動醫學與復健的輔助 工具 在醫療領域中，無標記動作捕捉已應用 於術後追蹤與神經復健。例如膝關節置換手術 後，醫師可每週追蹤步態、膝彎曲角度與軀幹 代償，據以調整復健強度。相比依賴主觀觀察 或問卷，這種方式提供了具體數據，能提升治 療效率與個人化程度。 此外，在中風復健中，部分醫院已採用 基於AI的姿勢辨識系統，評估單側肢體使用率 與動作協調性，推動「遠距復健」與「居家監 測」的實施。
RkJQdWJsaXNoZXIy MjIwMjA1