相对年龄效应对足球比赛中青少年运动员运动表现分析影响的研究

发布时间：2020-11-02 05:07

　　运动表现分析已成为足球训和比赛中不或缺的主要内容,尤其是如何正确运用运动表现分析对青少年足球运动员的运动表现进行评估。对青少年运动员在正式足球比赛中运动表现分析的准确与否,往往影响其足球运动生涯的延续性。足球运动员在比赛中的运动表现是一个较为复杂的系统,不仅是体能、技战术能力、智能的综合体现,它也受到比赛过程中外部环境的影响。比赛中在球队的比赛策略、教练员战术安排、同队运动员能力水平、场上位置、对手水平、场地、气候等多种因素影响下,运动员的技、战术表现经常处于动态变化之中。但是不同于成年比赛中运动员的运动表现分析,青少年运动员的运动表现分析不可避免地还受到相对年龄效应这一特殊因素的影响。同时,各界专家、学者和足球从业人员普遍认为我国足球发展水平低下的原因主要是足球后备人才储备不足,其中人才培养质量不高是影响青少年足球运动发展的关键。目前,青少年足球运动员的科学培养仍存在着较多问题,尤其是对青少年足球比赛中运动员运动表现缺少客观的分析和判断。因此,如何客观正确评价青少年运动员比赛中的运动表现,需要青少年足球教练员和从业人员对运动表现分析的运用进行重新的思考和认识。本文采用文献资料法、专家访谈法、实验验证法、统计分析法、归纳分析法对比赛中运动表现分析和相对年龄效应两部分内容重新进行理论梳理,并结合实践论证研究得出以下结果:研究一:选取2017年报名参加全国运动会的足球运动员2051名,和中国足协官网2017年公布的参加骨龄测试的U14–U20年龄段的青少年足球运动员6745名作为研究对象。采用非参数卡方X~2检验方法,对运动员的不同出生季度情况(Q1–Q4)进行偏态分布分析,并结合元分析法采用比值比(Odd Ratio)对运动员出生季度分布进行效应值比较。研究结果显示:相对年龄效应均存在于我国竞技系列青少年足球运动的男女运动员中,同时亦存在不同年龄组别之间,第一季度出生人数显著高于第四季度出生人数(p0.05);精英运动员中守门员、后卫、中场和前锋不同场上位置运动员的相对年龄效应同样呈现显著性差异(p0.05),而且对于身体素质要求较高的位置(即守门员和中后卫),相对年龄效应值(V)更加明显。从OR统计结果来看,相对年龄效应在我国男子运动中有随着分组年龄的增长而增加趋势,但是女子运动员在进入青春发育期后(U16–U20),相对年龄效应与男子运动员呈相反变化趋势。研究二:选取2019年上海市校园优秀青少年足球运动员训练营中U10–U16年龄段的运动员187名作为研究对象,对其进行10米、40米快速跑,直立半蹲反向纵跳,原地直腿跪平胸推实心球,5×25一次性折返跑,T型跑等身体素质测试。并采用非参数卡方X~2检验方法对数据结果和运动员的不同出生季度情况进行偏态分布分析,和结合运动员的个体表现能力和出生季度情况采用单因素方差分析(One-way ANOVA)进行分析,研究结果显示:相对年龄效应在上海市校园足球青少年不同性别和不同年龄段中都不具有显著性差异(p0.05)。多数身体素质表现不受出生日期分布不同影响(p0.05),但有部分身体素质受到出生日期分布不同的影响(p0.05),如:U10男子40米冲刺跑、U12男子T型跑和U16男子40米冲刺跑、5X25米一次折返跑及T型跑中发现差异性显著(p0.05),从统计结果看,U10组别中第一和第二季度出生运动员成绩要好于第四季度(7.70±0.23秒),U12组别中第一、二、三季度出生运动员成绩好于第四季度(15.71±0.88秒),在U16组别中同样发现第一、二、三季度出生运动员的40米冲刺跑好于第四季度(6.05±0.26秒),第一、二季度出生运动员的5X25米一次折返跑成绩要好于第四季度出生运动员(36.22±1.67秒),第一季度出生运动员T型跑成绩(12.23±0.48秒)要好于第四季度(13.19±0.58秒)。U10女子40米冲刺跑、U12女子原地直腿跪平胸推实心球存在显著性差异(p0.05),从统计结果看,其中U10组别第一、二、四季度出生女子运动员的40米冲刺跑中成绩要好于第三季度出生运动员(7.74±0.38秒)、U12组别第一、二季度出生运动员原地直腿跪平胸推实心球中成绩远于第三季度出生运动员成绩(2.40±0.12米)。研究三:由于国际足联规定的正式比赛不允许运动员佩戴任何可穿戴设备,以及青少年比赛无法获得主流比赛分析软件的关注,青少年比赛中运动员体能表现的真实情况缺乏客观评价和分析。本研究与上海交通大学计算机教授共同合作开发的比赛视频追踪系统,通过提高录像追踪系统的目标追踪准确性,运用核化相关滤波器算法(Kernelized Correlation Filter,简称KCF)建立足球比赛中运动员体能表现录像追踪系统,并结合场地实践测试和采用配对方差分析(Paired Samples T test)和Pearson相关分析将开发软件与主流运动表现分析软件(Catapult)进行对比,验证该系统用于足球比赛的有效性和准确性,为后续研究(研究四)提供体能表现的客观实际结果。从研究数据统计结果看,比赛中运动员在两种体能监测结果不存在显著性差异(p0.05),且两种软件统计结果呈高度一致性(Cor0.89)。研究四:将参加我国第十三届全运会的上海U20男子足球代表队25名运动员为研究对象,采用研究三研发的视频追踪系统设备,对研究对象的运动表现进行追踪记录分析,同样采用非参数X~2检验方法,和运用单因素方差分析(One-way ANCOVA)结合体能和技术分别对不同出生季度和场上位置的足球运动员进行比较分析。结果显示,获得比赛冠军的上海U20男子足球代表队存在明显的相对年龄效应特征(p0.05),第一季度出生的运动员人数占总人数的一半以上(52.83%),显著高于第四季度出生人数(19.05%)。守门员相对其他位置队员有较明显的身高优势(185.50±3.54厘米)和体重优势(80.00±0.00公斤),此后依次为后卫中场前锋。从上海U20男足所有7场比赛中上场时间达到总时间的70%以上共8名运动员的出生季度分布研究发现,第一季度出生的运动员占到总人数的62.5%,要明显多于第四季度出生的人数(12.5%)。单因素方差分析结果显示,90分钟完成比赛的运动员的技术、体能和射门表现与不同出生季度不具有显著性(p0.05),因此相对年龄效应不存在。但从射门的均值看第一季度出生的运动员在射正球门次数与第四季度出生员相比有着较好的表现(0.60±0.51),同时射失的均数相比其他两个季度出生运动员的值要低(0.40±0.51)。从结合位置的比赛中技术(包括射门)和体能表现看,技术研究结果不具有显著性差异(p0.05)。但比赛中总跑动距离和中速跑距离中前场队员与后卫队员具有显著(p0.05),中场队员的总距离跑和中速跑距离最大(10618.13±968.56米和861.68±280.37米),明显高于后卫队员的总跑动距离和中速跑距离(9786.96±806.0米和568.45±249.52米)。综上所述,我国竞技系列青少年足球运动员的不同年龄、性别和竞技水平组别中都存在明显的相对年龄效应情况,尤其是我国青少年精英足球运动员,与世界青少年足球运动员的相对年龄效应研究结果一致。其中男子运动员中随着年龄的增加相对年龄效应增强,而女子运动员在进入青春期后有所减弱。在我国上海校园青少年足球运动的调查研究中发现,运动员的年龄分布和身体形态和多数身体素质表现不存在相对年龄效应现象,仅有部分身体素质受到运动员出生日期的影响,且相对出生早的运动员较相对晚出生的运动员在同类身体素质中具有一定优势。从U20全运会男子比赛研究发现,相对年龄效应对青少年足球比赛中运动员的出场次数和比赛时间有着明显影响,但对于技能和体能表现不存在影响,同时不同位置队员的体能表现和射门技术存在一定的差异性。因此,青少年足球比赛中运动员运动表现分析应该是一种综合的分析,除了技能、体能外,还应结合比赛中外部环境因素及相对年龄效应进行综合考量,这样才能保证全面、客观地认识运动员真实的运动表现,避免因为相对年龄较小但又具备足球运动天赋的运动员被错误性评价和过早被淘汰。
【学位单位】：上海体育学院
【学位级别】：博士
【学位年份】：2020
【中图分类】：G843
【部分图文】：

二维图像,样本,矩阵,视角

相对年龄效应对足球比赛中青少年运动员运动表现分析影响的研究41训练采用脊回归，设训练样本集为,-，则其线性回归函数为，()=（3）其中w是权重系数，则改优化可通过最小二乘法求解，∑(())||||（4）其矩阵形式为，||||||||（5）其中X的每一行分别表示一个向量，y是列向量，令导数为0，可得=()（6）3.KCF中所有的训练样本都是基于目标样本循环位移得到，如下图所示采样窗口的位移。图3样本循环位移假定原图矩阵=,-,则可获得循环位移=,-。特别是对于二维图像来说，可以分别循环X、Y轴，以便实现各个方位的移动。因此可以将原矩阵通过不断的乘上排列矩阵如[]，以得到x生成的循环矩阵，用C（x）表示。C（x）矩阵具有可以在傅里叶空间中进行对角化的性质。将如下傅里叶对角化等式带入脊回归。=()（7）经过一系列变换，可得，=（8）而由傅式空间变换，有如下公式，=,-（9）5.3.3多视角下的目标跟踪单视角下的多目标跟踪，一定程度上能够缓解不同球员的遮挡性问题。但在实际运用中会由于足球比赛的同场对抗性易出现多人拥挤在狭小空间的画面内，球员之间相互遮挡，个人与场地的区分不够明显。因此仅仅用单视角的比赛视频实时跟踪将大大减少跟踪的准确性。基于此原因，本研究采用了多视角

视角,球员

相对年龄效应对足球比赛中青少年运动员运动表现分析影响的研究42下（多摄像头）的跟踪方式，一旦在某个方向看上去的视频中球员出现遮挡，则通过另外的角度跟踪队员。多视角只是单视角比赛跟踪的一种扩展，通过avgPoint方法把两个视角的数据结合起来，可以提高追踪的准确度，并且进一步加强跟踪的稳定性，研究所采用的多个视角样例如下：（a）（b）（c）(a)视角一截图(b)视角二截图(c)视角三截图图4不同视角同时刻的两球员争抢图从图4中可看到，在图（a）视角中，队员在画面里产生了重叠，因此即便跟踪算法能够准确跟踪，但也是跟踪在相隔摄像机较近的队员身上，因此会导致一定的误差。而从图像（b）和（c）中可以看到，在这两个视角下球员不会产生重叠，因此本文利用avgPoint方法，利用多视角的优势，将遮挡情况进行抵消。如下图所示：图5多视角综合定位图从图5中可以看到，在进行了二维平面坐标转换之后，采用了与距离成反比例的加权平均法，用以整合多视点跟踪坐标数据，其算法如下所示。