Användning av LSTM-CNN för igenkänning av skidrörelser med artificiell intelligens

Smartare coachning i backen

Skidåkare, tränare och åskådare vänder sig i allt högre grad till video för att förstå vad som händer i en bråkdel av en sekund vid en carving eller ett hopp. I verkligheten försvårar dock snösprut, träd, skiftande ljus och trånga backar datorers förmåga att tillförlitligt känna igen vad en skidåkare gör. Denna artikel presenterar ett nytt artificiellt intelligenssystem som automatiskt kan avläsa skidteknik från vanliga videoklipp med hög noggrannhet, även i röriga utomhusmiljöer. Sådan teknik kan en dag driva realtidsverktyg för coachning, bidra till säkrare träning och ge mer insiktsfull prestationsanalys för vintersporter.

Varför det är svårt att lära datorer se skidåkning

Skidåkning är en utmanande sport att analysera eftersom rörelserna är snabba, tredimensionella och ofta delvis dolda av voluminösa kläder eller åkarens egen kropp. Samtidigt är utomhusscener fulla av distraktioner: träd, snödrivor, starka reflexer och varierande väder. Tidigare videobaserade system fokuserade antingen för mycket på statiskt utseende i enstaka bildrutor eller misslyckades med att korrekt spåra hur rörelser utvecklas över tid. Som ett resultat tenderade de att förväxla liknande handlingar, hade svårt vid dålig sikt och var inte robusta när nya åkare eller nya backförhållanden dök upp.

En tvåögd syn på skidrörelse

Författarna utformar en modell som ser på skidvideor på två kompletterande sätt samtidigt. Ett ”öga” tittar på vanliga färgrutor och fångar hur åkaren och omgivningen ser ut. Det andra ”ögat” fokuserar på rörelse genom att följa hur pixlar förskjuts från en ruta till nästa, en teknik som är känd som optiskt flöde. Från detta rörelsefält bygger systemet en saliens-karta som lyfter fram de verkligen aktiva regionerna—skidor, ben och bål—samtidigt som statisk bakgrund som träd och snövallar tonas ner. Båda strömmarna passerar genom ett 3D-konvolutionsnätverk som lär sig mönster över rymd och korta tidsintervall och destillerar varje videosegment till kompakta signaturer av utseende och rörelse.

Att blanda vad det ser och hur det rör sig

I stället för att bara stapla eller medelvärdesbilda de två informationsströmarna lär sig modellen hur mycket vikt som ska ges till vardera för varje klipp den analyserar. För vissa manövrer, såsom plogbroms där skidorna bildar en karaktäristisk form, betyder utseendet mer. För jämna parallellsvängar är rytmen och riktningen i rörelsen mer talande. En inlärbar fusionsmodul justerar automatiskt dessa bidrag, normaliserar de två funktionsuppsättningarna och kombinerar dem genom tränade vikter som alltid summerar till ett. Denna adaptiva blandning tillåter systemet att fokusera på vilken visuell bevisning som är mest informativ för den aktuella handlingen, vilket gör igenkänningen mer exakt och pålitlig över olika skidstilar och scener.

Att läsa hela berättelsen om varje sväng

Att känna igen en handling i skidåkning handlar inte bara om en enda pose; det handlar om hur en sekvens utvecklas från början till slut. För att fånga detta matas de sammanfogade funktionerna in i ett bidi-rektionellt återkommande nätverk som tittar både framåt och bakåt i tiden. I stället för att enbart förlita sig på tidigare rutor använder modellen också ledtrådar från kommande rutor för att förstå vad åkaren gör. Detta hjälper den att skilja mellan handlingar som kan se lika ut i en ögonblicksbild men som skiljer sig i timing och samordning. Tester på SkiTB-datasetet—en stor samling verkliga skidvideor—visar att det nya systemet slår flera etablerade metoder och uppnår cirka 93 % precision och F1-poäng. Det ligger kvar över 85 % noggrannhet även när det utvärderas under olika väderförhållanden, med okända åkare och videor med artificiellt brus.

Vad detta innebär för skidåkare och sportteknik

Genom att kombinera fokuserad rörelseuppfattning, adaptiv blandning av visuella signaler och en tidsmedveten tolkning av rörelse kan den föreslagna modellen pålitligt avgöra om en skidåkare svänger, bromsar eller hoppar, även i röriga och föränderlig miljöer. För icke-specialister är huvudpoängen att systemet inte bara räknar rutor; det lär sig var det ska titta, vad som är mest relevant och hur en hel handling utvecklas. Detta tillvägagångssätt kan utgöra ryggraden i intelligenta träningsassistenter som ger objektiv feedback, hjälper till att förebygga skador genom att upptäcka riskfyllda mönster och stödjer rikare sändningsanalys. Även om författarna noterar att extremt väder och mycket korta lufttrick fortfarande är utmanande, erbjuder deras ramverk en robust grund för framtida smarta coachverktyg inom skidåkning och potentiellt många andra utomhussporter.

Citering: Zhang, W., Xu, L. & Wang, L. Application of LSTM-CNN in skiing action recognition under artificial intelligence technology. Sci Rep 16, 11547 (2026). https://doi.org/10.1038/s41598-026-42324-2

Nyckelord: igenkänning av skidrörelser, analys av sportvideor, djuplärning, optisk flöde, idrottares prestation