מערכת מדידת ראייה חד‑עינית חכמה מבוססת מחשב לקפיצה לרוחק מהמקום

מדוע מרחק הקפיצה חשוב

הקפיצה לרוחק מהמקום היא אחת הדרכים הפשוטות שבהן בתי ספר ברחבי העולם בודקים את הכושר של התלמידים: עומדים על קו, קופצים ככל האפשר ומודדים את המרחק. אך בחצרות מלאות תלמידים המבחן הזה, שלכאורה פשוט, עלול להתבלגן. המורים עדיין נוטים להתכופף עם סרט מדידה, החלטות יכולות להיות שנוי במחלוקת, ורישום אלפי קפיצות איטי ומתיש. המאמר הזה מציג מערכת מבוססת מצלמה שיכולה למדוד אוטומטית ובדיוק את מרחק הקפיצה מתוך וידאו רגיל, ומבטיחה בדיקות מהירות ואובייקטיביות יותר בלי חומרה יקרה ייעודית.

מצעיף המדידה למצלמה חכמה

כלי המדידה האוטומטיים של ימינו לרוב נשענים על חיישני על‑קול, שטיחי לחץ או קרני אור החוצות את האזור. אף שהשיטות האלה אפקטיביות, הן יקרות להתקנה, רגישות למזג‑האוויר וקשות לתחזוקה לשימוש נרחב בבתי ספר. החוקרים בוחנים את המשימה כבעלת אופי ראייתי: אם מצלמה אחת רואה הן את רגלי הספורטאי והן את המשטח, תוכנה אמורה להיות מסוגלת לחשב כמה האדם התקדם. הם מפתחים צינור עיבוד שלם שהופך וידאו גולמי למספר מרחק סופי, בזמן אמת, באמצעות שילוב של שיטות מודרניות בראיית מחשב והסקה גאומטרית מדוקדקת.

כיצד המערכת רואה קפיצה

התהליך מתחיל במצלמה מהירה המוצבת כמה מטרים לצד המשטח, ומצלמת וידאו חד במהירות 240 פריימים לשנייה. התוכנה מפרקת תחילה את הווידאו לפריימים בודדים ומשתמשת בגלאי זמין מסחרית כדי לזהות במהירות מתי ספורטאי נכנס ויוצא מהזירה. בתוך חלון זה היא מחפשת את הרגע שבו העקב נמצא בגובה המירבי בתמונה (שיא הקפיצה) ואז את הפריימים המאוחרים שבהם מיקום העקב מפסיק להשתנות, דבר המעיד על נחיתה יציבה. בחירת פריימים מרכזיים אוטומטית זו מונעת בזבוז זמן על ניתוח כל פריים ומשמרת מהמערכת בלבול כתוצאה מתצפיות חלקיות כשחלק מהספורטאי מחוץ לשדה הראייה.

זיהוי המשטחים, העקבים והמרחק האמיתי

כאשר מזוהה פריים הנחיתה, נכנס לתמונה מודל ראייה מותאם בשם FastNetSeg. רשת קלה זו משלבת שתי גישות: ענף טרנספורמר הקולט את הפריסה הכללית של הסצנה וענף קונבולוציה קומפקטי המתמקד בפרטים מקומיים. יחד הם מצבעים את הפיקסלים השייכים לספורטאי ואת אלו השייכים למשטח הקפיצה. ממסכת המשטח אלגוריתם עוקב אחרי הגבול החיצוני שלה, משטח אי‑סדרים קטנים וממצק אותה לארבע נקודות פינה אמינות. ממסכת הספורטאי אלגוריתם נפרד בוחן את קווי המתאר של אזור הגוף התחתון‑שמאלי, מסנן אזורים לא רלוונטיים ומאתר את העקב באמצעות עקומת קעירות — בעצם מזהה את הפנייה החדשה שבה גב כף הרגל פוגש את הקרקע. כמה נקודות מפתח אלה מספקות את המרכיבים הגולמיים למדידה.

מ_pixels לסנטימטרים

מכיוון שהמצלמה מביטה על המשטח בזווית, מרחקים בתמונה אינם מתאימים ישירות לסנטימטרים במציאות: פיקסל הקרוב לקצה הרחוק של המשטח עלול לייצג מרחק פיזי גדול יותר מאשר פיקסל קרוב למצלמה. כדי להתגבר על כך, המערכת לומדת "מיפוי" מתוך קורדינטות התמונה למשטח שטוח של המשטח, באמצעות כלי גאומטרי סטנדרטי שנקרא המרה פרספקטיבית. בידיעה את אורך ורוחב המשטח האמיתיים, התוכנה מחשבת כיצד כל נקודה נראית — ובמיוחד העקב — תמוקם במפת תצוגת‑על של הקרקע. לאחר מכן היא מיישמת שלב תיקון נוסף המבוסס על פולינום פשוט, המותאם מבעוד מועד באמצעות קפיצות כיול, כדי להפחית את השגיאות השיטתיות הקטנות שעדיין נותרות בקרבת קצוות שדה הראייה של המצלמה.

עד כמה זה עובד במציאות

כדי לבדוק את המערכת בתנאים מציאותיים, החוקרים בנו מאגר נתונים ייעודי: 1,200 קפיצות של 200 סטודנטים באוניברסיטה, שצולמו בחוץ בזמנים שונים של היום ובמזג‑אוויר משתנה. אנוטטורים אנושיים שרטטו קווי מתאר ברמת פיקסל של הספורטאים והמשטחים כדי לאמן ולהעריך את המודל. על חומרה של GPU מודרנית אך זמינה, המערכת המלאה מעבדת בערך 23 פריימים לשנייה, מהיר מספיק לשימוש חי במהלך בדיקות בית‑ספר. הכי חשוב — כאשר ההערכות שלה מושוות למדידות מדויקות בסרט מדידה, השגיאה הממוצעת היא כ‑0.71 סנטימטרים — פחות מרוחב אצבע. הסרת כל אחד מהרכיבים המרכזיים, כמו המסנן לאתלטים לא‑מושלמים, המיפוי בתצפית יחידה או שלב איתור העקב המדויק, מפחיתה באופן חזק את הדיוק, מה שמדגיש את חשיבות העיצוב השלם.

מבחן קפיצה ברור והוגן יותר

בשפה פשוטה, עבודה זו מראה שמצלמה חכמה יחידה יכולה להחליף סרטי מדידה ידניים והתקנות חיישנים יקרות לקפיצה לרוחק מהמקום, מבלי לפגוע בדיוק. באמצעות ניתוח וידאו מהיר, תיחום מדויק של הקופץ והמשטח, המרה גאומטרית קפדנית מתמונה לקרקע ושלב ריכוך שגיאות סופי, המערכת מספקת אמינות ברמת סנטימטר בזמן אמת. עם קוד וכלי כיול לשיתוף, בתי ספר ותכניות ספורט יוכלו לפרוס גישה זו ברמה רחבה, מה שייקרר את בדיקות הכושר, יהפוך אותן הוגנות יותר ויפחית את התלות בשיפוט האנושי.

ציטוט: Kuang, G., Li, S., Liu, Y. et al. A smart monocular vision metrology system based on computer for standing long jump. Sci Rep 16, 14611 (2026). https://doi.org/10.1038/s41598-026-44523-3

מילות מפתח: קפיצה לרוחק מהמקום, ראיית מחשב, מדידת ספורט, למידה עמוקה, בדיקות כושר