技术原理
Fastmove无标记动作捕捉实时反馈系统，利用基于深度学习原理的人工智能技术模拟手工解析动作技术视频过程的神经网络计算机模型，实现计算机系统对动作技术视频中人体关键点的自动识别，并进而建立起一个适用于一般生物力学研究的生物力学数据采集、处理、计算和分析的计算机系统。使用多层神经网络模型模拟了人类学习过程中大脑神经元的运作和互动方式。通过监督学习，将已经标识人体关键点的视频画面对计算机系统进行深度学习训练，模拟手工解析视频识别人体关键点的过程，使计算机系统最终获得自动识别动作技术视频中人体关键点的能力。可在不干扰和影响受试者活动的情况下，无需佩戴任何可穿戴设备或标记点对其运动动作行自动识别。为竞技体育运动员和教练员提供全面的数据分析工具，同时为体育科学研究人员提供科研级的数字化解决方案。
通过与红外解析系统的比对试验，下肢髋、膝、踝三维关节角度和下肢环节长度与红外数据相似性（CMC指数）高度相关，系统误差小于1%，数据有高度一致性，且已经发表核心期刊进行了有效性验证。
AI自动识别人体关键点：软件可以利用人工智能自动识别人体关键点，无需手工标记，即可得到视频中连续运动的人体关键点坐标数据
三维数据合成：软件可以通过对画面的解析，结合空间标定数据，合成运动的三维数据
一键分析和报告：一键生成报告；可实现录像慢回放、三维动作对比、各项运动生物力学指标和曲线同步显示及对比等多项现场反馈功能
多系统同步兼容：可与主流测力台、肌电等其它设备同步
数据库比对：可进行数据库比对，建立不同人群的标准步态数据可，可进行同一人步态的前后对比，横向对比，人群分类等统计方法。
标准运动解析模块：·视频捕获 / 视频回放 / 视频对比 / 视频融合 / 时间分割 / AI自动识别 / 器械识别 / 空间标定 / 自动识别 / 手动修正 / 三维合成 / 数据计算与导出 / 2D数据分析
多模态数据采集分析模块：可同步采集表面肌电、测力台、红外动作捕捉 / 数据处理、管理和原始数据导出
多人实时采集分析模块（选配）：多目标人物实时三维重建 /实时训练反馈
（一） 北京体育大学，科技助力运动
应用方向：无标记动作捕捉系统 + 教学实训系统
实验效果：运动员进行竞技运动时，光学三维动作捕捉系统可实时地进行动作数据采集、分析，评估运动员竞技运动时的真实效果，保障训练成绩的提高。同时也可应用于运动人体科学专业的教学科研中，进行教学试验，培养运动生物力学方向的专业人员。
捕捉目标：受试者下肢、全身运动
应用方向：无标记动作捕捉系统
实验效果：滑雪运动员进行跳台滑雪、花样滑冰、钢架雪车等竞技运动时，光学三维动作捕捉系统可实时地进行动作数据采集、分析，同时对运动员的关节角度等运动学数据进行量化分析，保障日常训练效果，评估运动员在竞技场上的真实成绩。
捕捉目标：运动员下肢、全身运动
应用方向：足球运动员运动捕捉&教学动画制作
实验效果：通过三维动作捕捉系统对足球运动员标准的踢球动作进行捕捉，得到运动员关键关节点的高精度三维空间坐标，将此坐标数据导入Maya、Motion Builder用于制作足球教学动作与足球动画，并进行相应的技术分析。
捕捉对象：足球运动。
