Техническая система оценки двигательного потенциала детей

В статье представлена разработанная программно-техническая система, обеспечивающая комплексную мультимодальную оценку двигательных способностей у детей на основе анализа кинематических и динамических характеристик беговых локомоций. Рассмотрен детализированный алгоритм функционирования системы, описывающий этапы ее инициализации и регистрации, обработки мультимодальных данных. Выполнен расчет кинематических и динамических параметров движения, формирования и представления результатов диагностики. Приведена структурная схема системы на основе трехуровневой архитектуры, описаны основные функциональные блоки. Разработанная система реализует сквозной процесс диагностики детей от регистрации биомеханических сигналов до формирования интерпрети руемого результата – индивидуального двигательного профиля и итоговой оценки двигательного потенциала по трехбалльной шкале. Полученные результаты позволят повысить точность и достоверность процесса раннего выявления двигательно одаренных детей с разработкой индивидуальных траекторий их физического развития. 

1. Курамшин, Ю. Ф. Оценка спортивной одаренности детей на основе индивидуально-типологического подхода / Ю. Ф. Курамшин, О. А. Двейрина, В. С. Терехин // Теория и практика физической культуры. 2022. № 4. С. 3–5.

2. Motor Learning as Young Gymnast’s Talent Indicator / A. Cagno [et al.] // Journal Sports Science and Medicine. 2014. Vol. 13, No 4. P. 767–773.

3. Motion Analysis in Sports Monitoring Techniques: Assessment Protocols and Application to Racewalking / E. Preatoni [et al.] // Medicina Dello Sport. 2010. Vol. 63, No 3. P. 327–342.

4. Johnson, J. D. Validation of Machine Vision and Action Sport Cameras for 3D Motion Analysis Model Reconstruction / J. D. Johnson, M. Hales, R. Emert // Scientific Reports. 2023. Vol. 13. https://doi.org/10.1038/s41598-023-46937-9.

5. Турантаева, Г. Г. Детерминированная биомеханическая модель бега / Г. Г. Турантаева, Н. С. Давыдова, В. Е. Васюк // Физическая культура, спорт, наука и образование: сб. матер. VIII Всерос. науч.-практ. конф., Чурапча, 10 апр. 2024 г. Чурапча: Чурапч. гос. ин-т физ. культ. и спорта, 2024. С. 184–190.

6. Возможности применения систем «захвата движений» в оценке эффективности беговых локомоций детей / Г. Г. Турантаева [и др.] // Современные направления инновационных исследований молодых ученых в области физической культуры и спорта: сб. матер. II Всерос. науч.-практ. конф., 2024.

7. Алгоритм коррекции траектории движения спортсменов на базе матрицы поворота / Г. Г. Турантаева [и др.] // BIG DATA и анализ высокого уровня: сб. науч. ст. XI Междунар. науч.-практ. конф., г. Минск, 2025 г. Минск: Белорус. гос. ун-т информ. и радиоэлек., 2025. С. 97–102.

8. Турантаева, Г. Г. Оценка двигательной одаренности детей на основе анализа беговых локомоций / Г. Г. Турантаева, Н. С. Давыдова, В. Е. Васюк // От международных спортивных игр «Дети Азии» к университетскому спорту: сб. науч. тр. Междунар. науч. конф. в рамках VIII Междунар. спорт. игр «Дети Азии» и 25-лет. юбилея Чурапч. гос. ин-та физ. культ. и спорта, Якутск, 4–5 июля 2024 г. Якутск: Дани-Алмас, 2024. С. 299–303.

9. Метод комплексной оценки двигательной одаренности детей / Г. Г. Турантаева [и др.] // Технологии будущего: синергия науки и практики: сб. науч. ст., 17 марта 2025 г. Ульяновск: Зебра, 2025. С. 60–64.

10. Григорьева, Г. Г. Анализ динамических параметров бега детей при опорных взаимодействиях с силовой платформой / Г. Г. Григорьева, Н. С. Давыдова, В. Е. Васюк // Перспективы цифровизации и технологические инновации: вызовы и возможности: сб. ст. Междунар. науч.-практ. конф., Казань, 17 авг. 2025 г. Уфа: OMEGA SCIENCE, 2025. С. 20–28.

11. Анализ кинематических параметров бега у детей на основе захвата движений / Г. Г. Григорьева [и др.] // Доклады БГУИР. 2025. Т. 23, № 4. С. 92–100. http://dx.doi.org/10.35596/1729-7648-2025-23-4-92-100.

12. Григорьева, Г. Г. Алгоритм расчета пространственно-временных характеристик бега у детей на основе технологии безмаркерного захвата движения / Г. Г. Григорьева, Н. С. Давыдова, В. Е. Васюк // Вестник Гродненского государственного университета имени Янки Купалы. 2025. Т. 15, № 2. С. 26–35.

13. Жерон, О. Прикладное машинное обучение с помощью Scikit-Learn, Keras и TensorFlow: концепции, инструменты и техники для создания интеллектуальных систем / О. Жерон; пер. с англ. А. А. Слинкина; 2-е изд. СПб.: Питер, 2022.