本發(fā)明涉及數(shù)據(jù)處理，具體為一種基于云計(jì)算的跳遠(yuǎn)數(shù)據(jù)監(jiān)管方法及系統(tǒng)。

背景技術(shù)：

1、現(xiàn)代技術(shù)的發(fā)展使得數(shù)據(jù)采集變得更加高效和精確。使用高速度攝像機(jī)、傳感器、gps和其他監(jiān)測設(shè)備，可以實(shí)時(shí)收集運(yùn)動(dòng)員在訓(xùn)練和比賽中的各種數(shù)據(jù)，如起跳速度、騰空時(shí)間、落地距離等。這些數(shù)據(jù)為跳遠(yuǎn)運(yùn)動(dòng)的分析和研究提供了豐富的基礎(chǔ)。

2、現(xiàn)階段，針對跳遠(yuǎn)運(yùn)動(dòng)中的數(shù)據(jù)化運(yùn)用，通常采用高速攝像機(jī)錄制跳遠(yuǎn)畫面，通過圖像處理算法采集各項(xiàng)指標(biāo)數(shù)據(jù)進(jìn)行參考展示，這種方法存在一些問題。一方面，現(xiàn)有技術(shù)僅僅只是客觀展示各項(xiàng)指標(biāo)數(shù)值或選擇固定值進(jìn)行機(jī)械式對比，這些展示數(shù)據(jù)或?qū)Ρ葦?shù)據(jù)往往較為刻板，展示數(shù)據(jù)無法清晰反應(yīng)運(yùn)動(dòng)員每次跳遠(yuǎn)存在的差異性，對比數(shù)據(jù)也由于固定值的影響無法真實(shí)反應(yīng)每次跳遠(yuǎn)的薄弱點(diǎn)以及運(yùn)動(dòng)員的真實(shí)水平，不能通過數(shù)據(jù)展示使得運(yùn)動(dòng)員能夠在主觀層面上快速感知跳遠(yuǎn)狀況。另一方面，現(xiàn)有技術(shù)的不能根據(jù)訓(xùn)練數(shù)據(jù)進(jìn)行自適應(yīng)學(xué)習(xí)，無法分析可優(yōu)化的指標(biāo)以及區(qū)分各項(xiàng)指標(biāo)優(yōu)化所能帶來成績的提高幅度，從而進(jìn)行訓(xùn)練方向推薦。所以，現(xiàn)階段需要一種更加智能的跳遠(yuǎn)數(shù)據(jù)監(jiān)控管理技術(shù)方案來解決上述問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于云計(jì)算的跳遠(yuǎn)數(shù)據(jù)監(jiān)管方法及系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為了解決上述技術(shù)問題，本發(fā)明提供一種基于云計(jì)算的跳遠(yuǎn)數(shù)據(jù)監(jiān)管方法，該方法包括以下步驟：

3、s100、采集所有對象的歷史日志，通過高速攝像頭實(shí)時(shí)采集跳遠(yuǎn)區(qū)域的圖像信息，解析歷史日志中包含的全部指標(biāo)。

4、s200、通過歷史日志分析各項(xiàng)指標(biāo)對跳遠(yuǎn)成績的影響程度，以及每個(gè)對象下各項(xiàng)指標(biāo)的穩(wěn)定程度，計(jì)算各項(xiàng)指標(biāo)的關(guān)注指數(shù)從而設(shè)定重點(diǎn)指標(biāo)。

5、s300、當(dāng)對象完成跳遠(yuǎn)后，云計(jì)算端為重點(diǎn)指標(biāo)劃分不同的作用區(qū)域，根據(jù)圖像信息為每個(gè)作用區(qū)域繪制重心軌跡，分析軌跡信息并標(biāo)記異常指標(biāo)。

6、s400、可視化屏幕回播展示本次的跳遠(yuǎn)圖像，重點(diǎn)框選出各項(xiàng)異常指標(biāo)對應(yīng)作用區(qū)域的圖像信息，以及軌跡對比圖提供參考。

7、在s100中，對象是指參與跳遠(yuǎn)訓(xùn)練的運(yùn)動(dòng)員，歷史記錄是指運(yùn)動(dòng)員的跳遠(yuǎn)記錄，每條跳遠(yuǎn)記錄包括單次跳遠(yuǎn)過程中視頻圖像、各項(xiàng)指標(biāo)的具體值和跳躍距離，指標(biāo)是指在跳遠(yuǎn)訓(xùn)練中用來評估運(yùn)動(dòng)員表現(xiàn)的各種量化標(biāo)準(zhǔn)。跳遠(yuǎn)區(qū)域是指用于跳遠(yuǎn)訓(xùn)練的場所，通過高速攝像頭實(shí)時(shí)采集整個(gè)跳遠(yuǎn)區(qū)域的視頻圖像。

8、指標(biāo)由管理人員根據(jù)跳遠(yuǎn)訓(xùn)練目標(biāo)事先設(shè)定，所有指標(biāo)能基本反應(yīng)跳遠(yuǎn)過程中的整體表現(xiàn)，每項(xiàng)指標(biāo)能量化跳遠(yuǎn)過程中部分成績體現(xiàn)，指標(biāo)具體值為數(shù)值類型。指標(biāo)通常包括起跳速度、起跳角度、起跳高度、助跑距離和空中翻轉(zhuǎn)角度等。

9、在s200中，具體步驟如下：

10、s201、獲取所有對象歷史日志中的跳遠(yuǎn)記錄，統(tǒng)計(jì)這些跳遠(yuǎn)記錄的條數(shù)n以及每條跳遠(yuǎn)記錄中包含的所有指標(biāo)數(shù)量m，每條跳遠(yuǎn)記錄中指標(biāo)數(shù)量相同。將這n條跳遠(yuǎn)記錄中各項(xiàng)指標(biāo)的具體值分別求和后計(jì)算平均值，將計(jì)算得到的平均值作為對應(yīng)指標(biāo)的標(biāo)準(zhǔn)值t。

11、s202、分析跳遠(yuǎn)記錄中各項(xiàng)指標(biāo)的具體值和跳躍距離，將每項(xiàng)指標(biāo)的具體值除以各自的標(biāo)準(zhǔn)值t得到的計(jì)算結(jié)果分別作為自變量，跳躍距離作為因變量，m個(gè)自變量與一個(gè)因變量打包為一個(gè)樣本，每條跳遠(yuǎn)記錄生成一個(gè)樣本，將這n個(gè)樣本打包為訓(xùn)練集。

12、s203、建立多元線性回歸模型r，將訓(xùn)練集中每個(gè)樣本內(nèi)所有自變量作為r的輸入值，計(jì)算輸出結(jié)果與對應(yīng)樣本的因變量之間的差值，設(shè)置誤差閾值，當(dāng)差值小于誤差閾值時(shí)則標(biāo)記對應(yīng)樣本并計(jì)算下一個(gè)樣本。其他情況則調(diào)整回歸系數(shù)的參數(shù)并重新計(jì)算，直到所有樣本都被標(biāo)記。其中，多元線性回歸模型的表達(dá)式為：

13、r＝l0+l1d1+l2d2+...+lede

14、式中，le為第e個(gè)回歸系數(shù)，de為第e個(gè)自變量。

15、采用具體值與標(biāo)準(zhǔn)值的比值作為自變量，相比于直接采用具體值作為自變量，能夠盡量減少由于指標(biāo)數(shù)值范圍差異從而影響后續(xù)權(quán)重分析。

16、s204、獲取多元線性回歸模型表達(dá)式中的回歸系數(shù)，將所有回歸系數(shù)求和得到總回歸系數(shù)lsum，將指標(biāo)k對應(yīng)的回歸系數(shù)除以lsum得到影響系數(shù)inck。獲取對象gh歷史日志中的所有跳遠(yuǎn)記錄，統(tǒng)計(jì)這些跳遠(yuǎn)記錄的條數(shù)j，計(jì)算這j條跳遠(yuǎn)記錄中指標(biāo)k具體值的平均值代入公式中計(jì)算得到對象gh下指標(biāo)k的關(guān)注指數(shù)ptik。公式如下：

17、

18、式中，α為大于1的常數(shù)，為對象gh下第i條跳遠(yuǎn)記錄中指標(biāo)k的具體值，tk為指標(biāo)k的標(biāo)準(zhǔn)值。

19、影響系數(shù)表示指標(biāo)對跳躍距離的影響程度，影響系數(shù)越大表明該指標(biāo)對跳躍距離的影響程度越大。根據(jù)指標(biāo)的影響系數(shù)以及相同對象下該指標(biāo)的具體值穩(wěn)定性變化分析與計(jì)算關(guān)注指數(shù)，能夠量化各對象下各項(xiàng)指標(biāo)的完成情況，便于快速找到最急切、優(yōu)化后對跳躍距離改善最大的指標(biāo)。

20、標(biāo)準(zhǔn)值是由所有對象的全部跳遠(yuǎn)記錄中同一個(gè)指標(biāo)具體值求和得到的，每個(gè)指標(biāo)只存在一個(gè)標(biāo)準(zhǔn)值。平均值是指單個(gè)對象的全部跳遠(yuǎn)記錄中同一個(gè)指標(biāo)具體值求和得到的，每個(gè)指標(biāo)在不同對象下存在不同的平均值。

21、s205、分別計(jì)算每個(gè)對象下各項(xiàng)指標(biāo)的關(guān)注指數(shù)，設(shè)置關(guān)注指數(shù)閾值ptitd，將每個(gè)對象下關(guān)注指數(shù)大于ptitd的指標(biāo)設(shè)為重點(diǎn)指標(biāo)。

22、在s300中，具體步驟如下：

23、s301、云計(jì)算端獲取跳遠(yuǎn)區(qū)域的視頻圖像，使用opencv技術(shù)將視頻分解成單幀圖像，對所有單幀圖像進(jìn)行篩選，采用邊緣檢測法去除模糊的單幀圖像。采用yolov5人體檢測算法針對剩余單幀圖像進(jìn)行目標(biāo)識(shí)別，將識(shí)別到的人體目標(biāo)作為對象。當(dāng)對象gc完成一次跳遠(yuǎn)后，云計(jì)算端使用alphapose算法對對象進(jìn)行人體姿態(tài)評估，分析重心位置變化情況并在剩余單幀圖像中分別匹配關(guān)鍵幀后測量各項(xiàng)指標(biāo)的具體值。

24、采用云計(jì)算端進(jìn)行圖像分析與處理能夠有效減輕現(xiàn)場設(shè)備的算力消耗，節(jié)約由于海量計(jì)算導(dǎo)致的結(jié)果加載超時(shí)。通過現(xiàn)有圖像處理算法能夠?qū)σ曨l圖像進(jìn)行逐幀分析，定位到可用于測量指標(biāo)的關(guān)鍵幀并自動(dòng)采集指標(biāo)的具體值。

25、s302、獲取采集重點(diǎn)指標(biāo)p時(shí)匹配的關(guān)鍵幀，在關(guān)鍵幀圖像中標(biāo)注采集p時(shí)的位置坐標(biāo)(xp,yp)，設(shè)置一段影響距離u，以(xp,yp)為圓心u為半徑，劃出一個(gè)圓形區(qū)域作為重點(diǎn)指標(biāo)p的作用區(qū)域，每個(gè)重點(diǎn)指標(biāo)對應(yīng)一個(gè)作用區(qū)域。分析對象gc在作用區(qū)域內(nèi)的重心位置變化情況并繪制重心軌跡，每個(gè)作用區(qū)域內(nèi)存在一條重心軌跡。

26、s303、獲取除對象gc以外其他所有對象下指標(biāo)p的關(guān)注指數(shù)，標(biāo)記關(guān)注指數(shù)小于gzdtd的其他對象，根據(jù)標(biāo)記對象歷史記錄中的視頻圖像按照s302步驟為指標(biāo)p劃分作用區(qū)域以及繪制重心軌跡，將所有標(biāo)記對象下指標(biāo)p的全部重心軌跡進(jìn)行擬合，通過擬合算法計(jì)算出平均軌跡，平均軌跡代表這些軌跡的共同特征；分別為每個(gè)對象下的各項(xiàng)重點(diǎn)坐標(biāo)建立一條平均軌跡。

27、平均軌跡是指在一組重心軌跡中，通過對每個(gè)時(shí)間點(diǎn)的位置信息進(jìn)行平均計(jì)算，得到的代表性軌跡，它能夠提供一個(gè)清晰的視圖，幫助識(shí)別和理解重心運(yùn)動(dòng)的整體趨勢。

28、平均軌跡的生成需要確保所有重心軌跡在時(shí)間上對齊，即每個(gè)時(shí)間點(diǎn)都有對應(yīng)的位置信息。再對每個(gè)時(shí)間點(diǎn)的位置信息進(jìn)行平均，通常是對所有軌跡在該時(shí)間點(diǎn)的坐標(biāo)進(jìn)行算術(shù)平均，得到平均軌跡的坐標(biāo)。

29、s304、為每項(xiàng)重點(diǎn)坐標(biāo)建立兩個(gè)坐標(biāo)集合，獲取重點(diǎn)坐標(biāo)的重心軌跡vz以及對應(yīng)的平均軌跡vp，在vz和vp上均勻截取s個(gè)軌跡坐標(biāo)后分別放入不同的坐標(biāo)集合中，代入公式中分別計(jì)算每項(xiàng)重點(diǎn)坐標(biāo)的異常指數(shù)ani，公式如下：

30、

31、式中，為重心軌跡對應(yīng)坐標(biāo)集合中第o個(gè)軌跡坐標(biāo)，為平均軌跡對應(yīng)坐標(biāo)集合中第o個(gè)軌跡坐標(biāo)；設(shè)置異常指數(shù)anitd，將異常指數(shù)小于anitd的重點(diǎn)坐標(biāo)作為異常指標(biāo)。

32、在s400中，通過可視化屏幕回播本次跳遠(yuǎn)的視頻圖像，同時(shí)在視頻圖像中框選各項(xiàng)異常指標(biāo)對應(yīng)作用區(qū)域，當(dāng)用戶點(diǎn)擊框選區(qū)域時(shí)，展示作用區(qū)域內(nèi)重心軌跡和平均軌跡的對比圖提供訓(xùn)練參考。

33、每次跳遠(yuǎn)完成后，運(yùn)動(dòng)員能夠結(jié)合動(dòng)力學(xué)分析,找出本次跳遠(yuǎn)的重心軌跡與平均軌跡差異的原因,如運(yùn)動(dòng)員的起跳角度、騰空動(dòng)作、落地姿勢等。根據(jù)分析結(jié)果,針對性地調(diào)整運(yùn)動(dòng)員的跳遠(yuǎn)動(dòng)作技術(shù),如優(yōu)化起跳角度和力量輸出、改善騰空時(shí)的身體姿態(tài)、優(yōu)化落地的身體平衡。通過持續(xù)監(jiān)測調(diào)整后的重心軌跡,觀察是否與平均軌跡更加吻合,并檢查跳躍距離是否得到提升。

34、通過這種基于重心軌跡的分析和反饋,運(yùn)動(dòng)員可以更好地理解自己的跳遠(yuǎn)動(dòng)作,針對性地進(jìn)行改進(jìn)。這不僅有助于優(yōu)化當(dāng)次跳遠(yuǎn)成績,還可以幫助運(yùn)動(dòng)員培養(yǎng)對自身動(dòng)作的感知能力,從而持續(xù)提高跳遠(yuǎn)水平。通過對重心軌跡分析能夠?yàn)樘h(yuǎn)運(yùn)動(dòng)員提供了技術(shù)反饋途徑,能夠在跳遠(yuǎn)訓(xùn)練中應(yīng)用。

35、一種基于云計(jì)算的跳遠(yuǎn)數(shù)據(jù)監(jiān)管系統(tǒng)，該系統(tǒng)包括數(shù)據(jù)采集模塊、指標(biāo)分析模塊、數(shù)據(jù)反饋模塊和可視化模塊。

36、數(shù)據(jù)采集模塊用于采集所有對象的歷史日志以及跳遠(yuǎn)區(qū)域的圖像信息，解析歷史日志中包含的全部指標(biāo)。指標(biāo)分析模塊用于分析各項(xiàng)指標(biāo)對跳遠(yuǎn)成績的影響程度，以及每個(gè)對象各項(xiàng)指標(biāo)的穩(wěn)定程度，計(jì)算每個(gè)對象下各項(xiàng)指標(biāo)的關(guān)注指數(shù)并設(shè)定重點(diǎn)指標(biāo)。數(shù)據(jù)反饋模塊在對象完成跳遠(yuǎn)后，通過云計(jì)算端為重點(diǎn)指標(biāo)劃分作用區(qū)域，根據(jù)圖像信息為每個(gè)作用區(qū)域繪制重心軌跡，從而標(biāo)記異常指標(biāo)?？梢暬K用于展示本次的跳遠(yuǎn)圖像以及異常指標(biāo)相關(guān)信息提供參考。

37、數(shù)據(jù)采集模塊包括圖像信息采集單元和歷史日志采集單元。

38、圖像信息采集單元通過高速攝像頭實(shí)時(shí)采集整個(gè)跳遠(yuǎn)區(qū)域的視頻圖像，跳遠(yuǎn)區(qū)域是指用于跳遠(yuǎn)訓(xùn)練的場所。

39、歷史日志采集單元用于采集所有對象的跳遠(yuǎn)記錄，對象是指參與跳遠(yuǎn)訓(xùn)練的運(yùn)動(dòng)員，每條跳遠(yuǎn)記錄包括單次跳遠(yuǎn)過程中視頻圖像、各項(xiàng)指標(biāo)的具體值和跳躍距離，指標(biāo)是指在跳遠(yuǎn)訓(xùn)練中用來評估運(yùn)動(dòng)員表現(xiàn)的各種量化標(biāo)準(zhǔn)。

40、指標(biāo)分析模塊包括影響分析單元和關(guān)注規(guī)劃單元。

41、影響分析單元用于分析各項(xiàng)指標(biāo)對跳遠(yuǎn)成績的影響程度。

42、首先，獲取并統(tǒng)計(jì)所有對象歷史日志中的跳遠(yuǎn)記錄數(shù)量n，將這n條跳遠(yuǎn)記錄中各項(xiàng)指標(biāo)的具體值分別求和后計(jì)算平均值作為對應(yīng)指標(biāo)的標(biāo)準(zhǔn)值。

43、其次，將跳遠(yuǎn)記錄中各項(xiàng)指標(biāo)的具體值除以各自的標(biāo)準(zhǔn)值得到的計(jì)算結(jié)果分別作為自變量，跳躍距離作為因變量，每條跳遠(yuǎn)記錄中全部自變量與一個(gè)因變量打包為一個(gè)樣本，將這n個(gè)樣本打包為訓(xùn)練集。

44、最后，建立多元線性回歸模型，將訓(xùn)練集中每個(gè)樣本內(nèi)所有自變量作為輸入值，計(jì)算輸出結(jié)果與對應(yīng)樣本的因變量之間的差值，根據(jù)差值調(diào)整回歸系數(shù)的參數(shù)直到所有樣本都滿足多元線性回歸模型的表達(dá)式計(jì)算；將多元線性回歸模型表達(dá)式中所有回歸系數(shù)求和得到總回歸系數(shù)lsum，指標(biāo)k對應(yīng)的回歸系數(shù)除以lsum得到影響系數(shù)inck。

45、關(guān)注規(guī)劃單元用于計(jì)算每個(gè)對象下各項(xiàng)指標(biāo)的關(guān)注指數(shù)并設(shè)定重點(diǎn)指標(biāo)。

46、獲取并統(tǒng)計(jì)對象gh歷史日志中的所有跳遠(yuǎn)記錄條數(shù)j，計(jì)算這j條跳遠(yuǎn)記錄中指標(biāo)k具體值的平均值代入公式：中，計(jì)算得到對象gh下指標(biāo)k的關(guān)注指數(shù)ptik。其中，α為大于1的常數(shù)，為對象gh下第i條跳遠(yuǎn)記錄中指標(biāo)k的具體值，tk為指標(biāo)k的標(biāo)準(zhǔn)值。分別計(jì)算每個(gè)對象下各項(xiàng)指標(biāo)的關(guān)注指數(shù)，設(shè)置關(guān)注指數(shù)閾值ptitd，將每個(gè)對象下關(guān)注指數(shù)大于ptitd的指標(biāo)設(shè)為重點(diǎn)指標(biāo)。

47、數(shù)據(jù)反饋模塊包括區(qū)域劃分單元和異常識(shí)別單元。

48、區(qū)域劃分單元用于劃分作用區(qū)域。

49、首先，云計(jì)算端使用opencv技術(shù)將跳遠(yuǎn)區(qū)域的視頻圖像分解成單幀圖像，去除模糊的單幀圖像后采用yolov5人體檢測算法將識(shí)別到的人體目標(biāo)作為對象。

50、其次，當(dāng)對象gc完成一次跳遠(yuǎn)后，云計(jì)算端使用alphapose算法對對象進(jìn)行人體姿態(tài)評估，分析重心位置變化情況并在剩余單幀圖像中匹配關(guān)鍵幀后測量各項(xiàng)指標(biāo)的具體值。

51、最后，獲取采集重點(diǎn)指標(biāo)p時(shí)匹配的關(guān)鍵幀，在關(guān)鍵幀圖像中標(biāo)注采集p時(shí)的位置坐標(biāo)(xp,yp)，設(shè)置一段影響距離u，以(xp,yp)為圓心u為半徑，劃出一個(gè)圓形區(qū)域作為重點(diǎn)指標(biāo)p的作用區(qū)域，每個(gè)重點(diǎn)指標(biāo)對應(yīng)一個(gè)作用區(qū)域。

52、異常識(shí)別單元用于識(shí)別異常指標(biāo)。

53、首先，分析對象gc在每個(gè)作用區(qū)域內(nèi)的重心位置變化情況并繪制重心軌跡。獲取除對象gc以外其他所有對象下指標(biāo)p的關(guān)注指數(shù)，標(biāo)記關(guān)注指數(shù)小于gzdtd的其他對象，根據(jù)標(biāo)記對象歷史記錄中的視頻圖像為指標(biāo)p繪制重心軌跡。

54、其次，將所有標(biāo)記對象下指標(biāo)p的全部重心軌跡進(jìn)行擬合，通過擬合算法計(jì)算出平均軌跡，平均軌跡代表這些軌跡的共同特征。分別為每個(gè)對象下的各項(xiàng)重點(diǎn)坐標(biāo)建立一條平均軌跡。

55、最后，為每項(xiàng)重點(diǎn)坐標(biāo)建立兩個(gè)坐標(biāo)集合，獲取重點(diǎn)坐標(biāo)的重心軌跡vz以及對應(yīng)的平均軌跡vp，在vz和vp上均勻截取s個(gè)軌跡坐標(biāo)后分別放入不同的坐標(biāo)集合中，代入公式：中，分別計(jì)算每項(xiàng)重點(diǎn)坐標(biāo)的異常指數(shù)ani。設(shè)置異常指數(shù)anitd，將異常指數(shù)小于anitd的重點(diǎn)坐標(biāo)作為異常指標(biāo)。其中，為重心軌跡對應(yīng)坐標(biāo)集合中第o個(gè)軌跡坐標(biāo)，為平均軌跡對應(yīng)坐標(biāo)集合中第o個(gè)軌跡坐標(biāo)。

56、可視化模塊用于展示本次的跳遠(yuǎn)圖像，重點(diǎn)框選出各項(xiàng)異常指標(biāo)對應(yīng)作用區(qū)域的圖像信息，以及軌跡對比圖提供訓(xùn)練參考。

57、與現(xiàn)有技術(shù)相比，本發(fā)明所達(dá)到的有益效果是：

58、1、智能的指標(biāo)篩選：本技術(shù)通過對所有對象的跳遠(yuǎn)記錄進(jìn)行分析，量化各項(xiàng)指標(biāo)對跳遠(yuǎn)成績的影響程度，通過對每個(gè)對象下各項(xiàng)指標(biāo)的具體值分析，量化每個(gè)對象下各項(xiàng)指標(biāo)的穩(wěn)定程度，綜合影響程度和穩(wěn)定程度分析每個(gè)對象下各項(xiàng)指標(biāo)的關(guān)注指數(shù)，篩選出重點(diǎn)指標(biāo)進(jìn)行針對性分析，相比于傳統(tǒng)技術(shù)的全指標(biāo)分析和機(jī)械式對比更加精準(zhǔn)和智能。

59、2、高效的數(shù)據(jù)反饋：本技術(shù)根據(jù)重點(diǎn)指標(biāo)確定關(guān)鍵幀，從而劃分作用區(qū)域繪制重心軌跡，通過獲取其他對象在該指標(biāo)的優(yōu)質(zhì)數(shù)據(jù)擬合平均軌跡，分析每次跳遠(yuǎn)的重心軌跡和平均軌跡的差異程度確定異常指標(biāo)，通過異常指標(biāo)對應(yīng)作用區(qū)域的圖像展示和軌跡對比圖提供直觀的訓(xùn)練優(yōu)化方向，相比于現(xiàn)有技術(shù)的數(shù)值化刻板展示更加高效便于理解。

60、綜上所述，本發(fā)明相比于傳統(tǒng)技術(shù)具有智能的指標(biāo)篩選和高效的數(shù)據(jù)反饋優(yōu)勢，能夠提高跳遠(yuǎn)數(shù)據(jù)監(jiān)管效率。