中文  |  English
体育科技创新

运动智能可穿戴设备的关键技术与应用前沿进展

  • 乔玉成
展开
  • 西安翻译学院,陕西西安 710105

乔玉成(1960—),男,教授,研究方向为运动健康促进。E-mail:

收稿日期: 2025-03-03

  网络出版日期: 2025-10-14

基金资助

国家社会科学基金后期资助项目(24FTYB004)

Key Technologies and Frontline Applications of Intelligent Wearable Devices for Sports

  • QIAO Yucheng
Expand
  • Xi’an Fanyi University,Xi’an,Shaanxi 710105,China

Received date: 2025-03-03

  Online published: 2025-10-14

摘要

随着数字化时代的到来,运动智能可穿戴设备的研究与运用为智慧体育的创新发展提供了理论与实践参考。运用文献研究法与系统分析法,聚焦于传感技术、人机交互技术、无线通信与物联网技术、供电与能源管理技术,探讨柔性电子、新型材料、人工智能等前沿技术突破及其在体育教学、竞技训练、大众健康与运动康复等领域的应用现状与潜力。研究发现:1)在技术层面,运动智能可穿戴设备发展重点在于新一代高精度微型传感器、以虚拟现实为代表的沉浸式交互技术、5G与物联网的深度融合以及基于摩擦纳米发电机的能量自给技术;2)在应用层面,运动智能可穿戴设备已广泛赋能运动表现的实时优化、个性化健康指导、远程康复监护等场景;3)当前有关运动智能可穿戴设备的研究仍面临若干关键瓶颈,包括多源异构数据的高效实时融合、续航能力与佩戴舒适性的平衡、数据安全与用户隐私信息保护,以及行业标准体系构建。研究认为: 运动智能可穿戴设备是推动智慧体育发展的关键引擎,但其技术生态与应用广度仍有待完善,亟需在核心技术自主创新、多学科交叉融合、行业标准体系构建等方面实现突破。

本文引用格式

乔玉成 . 运动智能可穿戴设备的关键技术与应用前沿进展[J]. 首都体育学院学报, 2025 , 37(4) : 364 -374 . DOI: 10.14036/j.cnki.cn11-4513.2025.04.002

Abstract

With the advent of the digital age, the research and application of sports intelligent wearable equipment provides a theoretical and practical reference for the innovation and development of intelligent sports. Employing a methodology of literature review and systematic analysis, the study first focuses on four core technologies: sensing, human-computer interaction, wireless communication & the Internet of Things (IoT), and power supply & energy management. It then explores frontier technological breakthroughs-such as flexible electronics, novel materials, and artificial intelligence-and examines their current applications and potentials in the fields of physical education, competitive training, public health, and athletic rehabilitation.Results: The study finds that:(1) On the technological front, the development focus is on next-generation high-precision miniature sensors, immersive interactive technologies represented by virtual reality, the deep integration of 5G and the IoT, and energy self-sufficiency technologies based on triboelectric nanogenerators (TENGs).(2) In terms of application, these devices are now widely empowering scenarios such as the real-time optimization of athletic performance, personalized health guidance, and remote rehabilitation monitoring.(3) Regarding challenges, its development still faces several key bottlenecks, including the efficient real-time fusion of multi-source heterogeneous data, the balance between battery life and wearing comfort, data security and user privacy protection, and the lack of an industry-wide standards system.Conclusion: Intelligent wearable sports equipment is a key engine driving the development of smart sports; however, its technological ecosystem and breadth of application still require maturation. In the future, breakthroughs are urgently needed in areas such as indigenous innovation in core technologies, interdisciplinary integration, and the establishment of an industry-wide standards system in order to empower the comprehensive and in-depth development of the field.

随着数字化时代的到来,运动智能可穿戴设备作为体育科技与智能制造深度融合的典型代表,正在全方位改变运动训练、健康管理和体育教育的传统模式。市场数据显示,全球智能可穿戴设备市场规模已从2016年的97.94亿美元增长至2023年的230.77亿美元,年复合增长率达17.8%[1]。而在中国市场,仅2024年就预计突破530亿元人民币[1],这些数据彰显了该领域蓬勃的发展态势和巨大的市场潜力。
近年来,得益于柔性电子、新型材料、人工智能等方面的技术突破,运动可穿戴设备在感知精度、续航能力、智能化程度等方面发生了质的飞跃。例如,基于石墨烯的柔性可穿戴应变传感器实现了高精度动作捕捉[2],多模态生理信息融合算法显著提高了运动姿态识别准确率[3]。智能可穿戴系统通过多模态信息的采集与分析,实现了对用户运动状态的全方位实时监测,可为运动员提供实时训练反馈和个性化建议[4]
然而,当前对运动智能可穿戴设备的研究仍面临多源异构数据的实时融合、设备舒适性与续航能力的平衡、个性化分析模型泛化能力提升等方面的挑战[5]。同时,产业发展中的标准化建设、用户隐私信息保护等问题亟需解决[6]。本研究将聚焦技术创新与应用实践两大维度的最新进展,深入剖析关键问题,并对运动智能可穿戴设备的未来发展趋势进行前瞻性探讨,旨在为智慧体育发展提供参考。

1 运动智能可穿戴设备概述

1.1 相关概念释义

在智慧体育领域,可穿戴设备、智能可穿戴设备和可穿戴技术构成了一个相互关联的技术生态系统,共同推动运动训练的科学化和个性化发展。可穿戴设备是指能附着在人体上的电子设备,通过内置传感器实现对使用者生理参数、物理参数的实时监测和数据采集,具有便携性强、佩戴灵活等特点[7]。智能可穿戴设备则在此基础上融入了先进的机器学习算法和人工智能技术,不仅能采集数据,还能进行复杂的数据分析和模式识别,为用户提供个性化的反馈和建议[8]。例如,现代智能手表能通过深度学习算法分析运动数据,优化训练计划并预防运动伤害,同时也在不断解决续航能力、数据监测准确度、隐私信息保护等问题[8]。而可穿戴技术是支撑可穿戴设备和智能可穿戴设备发展的核心技术基础,涵盖了从硬件设计到软件开发的整个过程,包括传感器技术、通信技术、数据分析技术等[9]。随着物联网和人工智能技术的快速发展,可穿戴技术的创新推动着设备向更小型化、集成化和智能化方向发展[10]。这三者之间的关系可以概括为:可穿戴技术为可穿戴设备提供技术支撑,智能可穿戴设备则通过融合先进算法和智能技术,在可穿戴设备的基础上实现了更高层次的功能和应用[11]。这种协同发展使得运动智能可穿戴设备在提升运动表现、优化训练方案、促进健康管理等方面发挥着越来越重要的作用,为智慧体育的发展提供了强有力的技术支持。

1.2 运动智能可穿戴设备的工作原理

运动智能可穿戴设备的工作原理主要涉及数据采集、数据传输、数据处理和反馈4个核心环节(见图1)。在数据采集阶段,设备通过内置的多种传感器(加速度计、陀螺仪、心率监测器等)实时采集用户的生理指标和运动参数[12]。这些传感器能全方位监测用户的运动状态、生理指标和环境参数,为后续分析提供基础数据支持[8]。采集到的原始数据经过设备内置的嵌入式系统进行初步处理,包括信号滤波和数据增强,以提升数据的准确性和可靠性[13]
图1 运动智能可穿戴设备工作原理示意
经过预处理的数据通过蓝牙或Wi-Fi等无线通信模块传输至智能终端或云平台,进行深度分析和存储[14]。在云平台中,系统运用机器学习和人工智能算法对数据进行深度挖掘,识别用户的运动模式,评估训练效果,并生成个性化的运动建议[15]。例如,通过分析用户的心率变化、运动轨迹等数据,系统可以评估运动强度的合理性,预测潜在的运动损伤风险,并适时调整训练计划[16]。最终,这些分析结果以直观的形式反馈给用户,帮助其优化训练效果,实现科学健身[17]
运动智能可穿戴设备的这一工作原理体现了其在运动科学领域的独特优势。其不仅能够实现对运动过程的全面、精准监测,还能通过智能算法对数据进行深度分析,为用户提供个性化的训练指导。这种结合了先进传感技术和人工智能的方法,极大地提升了运动训练的科学性和有效性,为运动员和健身爱好者提供了精准指导和健康管理工具。

1.3 运动智能可穿戴设备的分类

运动智能可穿戴设备的分类方法呈现多元化特征(见图2),反映了该领域的快速发展和应用范围的不断扩大。当前,学术界主要从穿戴部位、功能特性、产品形态、技术特性、应用领域等维度进行划分[18-21]。从穿戴部位来说,可分为手部穿戴、头部穿戴、足部穿戴和身体其他部位穿戴 4大类;从功能角度可分为健康监测类、运动追踪类、定位导航类、训练指导类、安全辅助类5大类;从产品形态角度可分为腕带式、眼镜式、穿戴式、鞋类和配饰类5大类;从应用场景角度可分为户外运动、室内健身和专项运动设备3大类;从技术特性角度可分为交互方式、数据处理和通信方式3大类;从目标用户角度又可分为专业运动员、健身爱好者、普通大众和特殊人群使用的智能可穿戴设备。
图2 运动智能可穿戴设备的类别
当前,智能可穿戴设备正朝着更加微型化、智能化和多功能化的方向发展,特别是在运动科学领域,运动智能可穿戴设备的研究与运用正在彻底改变传统的训练方法和健康管理模式。通过融合先进的传感技术、人工智能算法和大数据分析技术,运动智能可穿戴设备正在为运动员和健身爱好者提供前所未有的精准指导和全面的健康管理解决方案,推动着智慧体育的快速发展。

2 运动智能可穿戴设备的关键技术

2.1 传感技术

运动智能可穿戴设备作为运动与数字化分析之间的关键纽带,其核心在于精准的传感技术。这些技术不仅能实时监测人体的生理参数、运动状态及环境变量,还能显著提升运动健康监测的精度,推动个性化运动干预和数据驱动的体育科研发展。传感技术的应用领域广泛,主要涵盖运动参数、生理参数及环境参数3个方面(见图3),能从多个维度为运动科学与健康管理提供全面的数据支持。
图3 运动智能可穿戴设备的多模态传感系统架构
运动参数传感器主要由惯性测量单元(IMU)组成,包括用于步态分析和运动强度评估的加速度传感器、提供角速度数据的陀螺仪以及增强设备定向能力的磁力计。这些传感器共同实现精确的姿态测量和运动模式识别[22]。当前的技术挑战主要集中在数据的准确性与系统稳定性上,而多传感器数据融合算法以及基于深度学习的数据校准方法正在逐步提高测量精度[23]
生理参数传感器则可以实时监测运动员的生理状态及健康指标。心率传感器通过光电容积脉搏波描记法(PPG)实现非侵入式心率监测,有助于优化训练计划并预防过度训练[24]。血氧传感器可以评估呼吸效率,监控运动耐力。皮肤温度传感器可以监测体温变化,预防热射病等健康问题[25]。生物电传感器则能通过肌电传感器(EMG)捕捉肌肉活动电信号[26]。同时,通过脑电波传感器(EEG)分析大脑活动,可以应用于运动心理学和认知训练方面,提升心理素质和比赛表现[20]
环境参数传感器主要监测运动环境中的相关因素[27]。GPS传感器能提供精准的位置信息,广泛应用于户外运动及长距离跑步训练效果的评估和安全保障。气压传感器则用于监测海拔高度及大气压力变化,适用于高山训练或比赛中的运动员适应性调节[28]。温湿度传感器则可以监测环境温度和湿度变化,并结合运动员体温变化,广泛应用于热适应训练和防止中暑问题。通过这些传感器的协同作用,智能可穿戴设备能全面采集运动、生理及环境数据,为运动表现优化和健康管理提供科学依据,推动运动训练的科学化和个性化,并为体育科研提供更加丰富和精准的数据支持。

2.2 人机交互技术

在智慧体育领域,人机交互技术是提升运动智能可穿戴设备用户体验和性能的关键因素。目前,随着技术的发展,智能可穿戴设备已从单一功能向多功能、多平台联动转变,这对交互设计提出了更高要求[29]。交互界面设计不仅需要考虑易用性和直观性,还需要关注用户的生理和心理反应,以确保信息的有效传递和接收[30]
在实际应用中,智能可穿戴设备通过集成多种传感器和先进的数据处理算法,能实时监测并反馈用户的运动状态和生理参数,为用户提供个性化的训练建议和健康指导[8]。例如,研究人员开发的基于智能服装的实时3D交互系统,就是通过轻型传感器模块收集人体运动数据,并利用基于脉冲神经单元的双流融合网络实现动作识别和3D可视化,为用户提供准确、全面的视觉反馈[31]
在用户体验优化方面,研究者探索了基于语义的优化机制,即通过寻找图标和功能之间的最佳映射来减少用户的认知负担。实践表明,自动生成的界面在客观和主观测量方面与完全个性化的界面效果相当,且具有较高的直观性[32]。同时,智能系统的设计需要考虑人类能对自动化进行监督控制,确保人与机器之间紧密、安全和可靠的交互[33]。通过实现虚拟教练或智能助手的功能,运动智能可穿戴设备能提供实时的运动表现反馈和训练调整建议,可以有效地优化训练效果,并预防运动伤害[7]

2.3 无线通信与物联网技术

无线通信与物联网技术是运动智能可穿戴设备的核心支撑技术之一,其不仅可实现设备间的互联互通,还能促进数据的实时共享和处理,从而为运动训练和健康监测提供强大支持。以当前的科技发展水平,在无线通信方面,Wi-Fi、蓝牙、NFC、GPS等技术使设备已经能够将采集的数据传输到云端进行分析存储[34](见图4)。例如,通过集成多种传感器的无线传感器网络(WSN),可以实时监测运动员的生理指标,并通过高性能2.4 GHz收发器进行稳定传输[35]。物联网技术则使智能可穿戴设备能与其他智能设备和平台无缝连接,形成统一的数据网络,实现实时数据共享和综合分析[36]。这使得教练员可以通过物联网平台实时获知运动员的各项指标,科学调整训练计划。
图4 智能可穿戴设备在体育物联网中的通信与数据交互
近年来,5G通信、区块链等新兴技术的融入进一步推动了智能可穿戴设备的发展。5G和物联网技术的结合实现了体育应用中的无缝数据交换和实时监控[37-38]。区块链与无线通信协议的集成则使基于物联网的体育应用可以实现隐私信息保护和安全地共享数据[38]。此外,石墨烯等新材料的应用使得高灵敏度、灵活性强的可穿戴传感器成为可能[39]。这些传感器与神经网络算法和智能数据分析技术的结合,为实现精确的运动跟踪、身体活动识别和运动表现评估奠定了基础。

2.4 供电与能源管理技术

运动智能可穿戴设备的持续供能与能耗管理一直是制约其发展的关键技术瓶颈。为解决这一问题,研究人员在低功耗设计、新型能源材料应用、能量采集技术等方面进行了深入探究。在低功耗设计方面,通过改进电容拆分电路和采用双尾电流型动态比较器架构,实现了系统功耗的显著降低[40]。同时,蓝牙低功耗技术的应用也使可穿戴设备的续航能力有了突破性进展[41]
近年来,新型能源材料和能量采集技术的创新为运动智能可穿戴设备的供能提供了新的解决方案。柔性压电复合材料因其独特的压电性能和良好的柔韧性,在能量采集领域展现出巨大潜力[42]。特别是摩擦纳米发电机(TENG)技术的出现,为智能运动可穿戴设备提供了可持续的自供电解决方案。这种技术能有效地将日常运动中的机械能转化为电能,其低频高效的运行特性使其特别适合可穿戴设备应用场景[43]。此外,研究人员开发出的基于棉织物的柔性透气TENG,可以无缝集成到运动服装中,不仅能为低功耗电子设备供电,还可用于监控训练数据和运动信息,如福斯伯里翻牌训练等[44]

3 技术突破与创新

3.1 柔性电子技术的应用

当前,随着智能终端技术的快速迭代与普及,以及人们对智能化环境的要求不断提高,高性能柔性传感器已经成为运动智能可穿戴设备中最具应用潜力的核心技术之一,其不仅具备连续映射功能,还拥有灵敏度高、柔韧性好、制造工艺简单等显著优势。这些特性使其在运动员生理指标监测(如体温和脉搏监测)、运动表现评估、运动姿态分析、人机交互等方面体现出广阔的应用前景,已逐步成为可穿戴设备、医疗保健、软式机器人等新兴领域的关键技术支撑[45]
相较于传统硅基传感器,柔性压力传感器凭借其弹性和柔韧特性,能与人体运动部位的表面实现完美的保形贴合。这种特性使其能在人体运动时的各种曲面状态下持续捕获高质量的压力信号,从而为运动监测和评估提供更为准确和连续的数据支持。尽管不同类型的柔性传感器在工作原理上存在差异,但都具有相似的基本构造,主要由柔性基底、活性材料以及导电电极3个核心部分组成[46]
从柔性传感器的结构设计来说,弹性基底可以赋予传感器必要的柔性与应变能力,确保其能充分贴合人体运动中产生的不规则表面,实现稳定可靠的压力信号采集。而活性材料构建的导电网络则是决定传感器性能的关键要素,其不仅能使传感结构具有必要的导电性能,更是影响传感器灵敏度的核心因素[47]。这种结构设计使柔性传感器能在运动监测过程中保持稳定的性能输出,为运动训练的精准化和个性化提供有力的技术支持。
目前,在智慧体育领域,柔性电子技术的应用正在不断拓展和深化。通过将柔性传感器集成到运动服装、运动护具等可穿戴设备中,可以实现对运动员训练负荷、技术动作、身体状态的实时监测和评估,为科学训练和伤病预防提供数据支撑。可以预见,这种新型的感知技术必将推动体育训练模式向更加智能化、精准化的方向发展,并为改善运动训练效果和提升竞技水平提供新的技术路径。

3.2 新型材料的研发进展

新型材料的研发与应用是推动运动可穿戴设备技术进步的核心动力。近年来,导电高分子聚合物、金属和金属氧化物的纳米粒子、碳基纳米材料等在保持良好导电性的同时,又具有机械特性,其制作的导电织物具有柔软、轻薄、易拉伸变形的特点,非常适合应用于运动智能可穿戴设备[48]。这些基于纳米材料的可穿戴电子产品的技术革新,包括对金属、有机、无机、混合和复合薄膜等新型材料的探索应用,使柔性晶体管、传感器和执行器的研发有了新的可能,可以使运动智能可穿戴设备实现实时监测生理参数、运动生物力学分析、疲劳和伤害风险评估等功能[47,49]
该领域的重要突破主要体现在基于柔性和可拉伸纳米材料传感器的开发。石墨烯、碳纳米管等二维纳米材料的应用促进了高灵敏度和耐用传感器的诞生,这些传感器可以承受运动和锻炼的强度[50]。在能量存储和发电方面,基于柔性和高能量密度纳米材料研制的电池和超级电容器显著提高了可穿戴设备的运行时间和可靠性[51]。近期,Wang等研究者[52]基于石墨烯和碳纳米管研制的导电油墨,可以制备出具有仿生结构的自供电柔性可穿戴传感器,通过摩擦纳米发电机收集低频机械能并使用超级电容器储存电能,在不同形变状态下均能保持优异的性能,适用于长期低功耗的运动监测和心电监护。
在电极材料方面,研究人员研发了多种创新性解决方案。Gauthier等研究者[53]设计的多材料聚合物纤维电极具有柔韧性和干燥、隐蔽的特点,可直接集成到服装中实现实时生物电势监测。Chiu等研究者[54]通过双喷嘴静电纺丝制备的柔性混合电子材料,展现出优异的拉伸性能和稳定性。特别值得关注的是,Qiu等研究者[55]开发的透明石墨烯皮肤电极采用高度石墨化的静电纺丝纤维与单层石墨烯半嵌入软弹性体中制成,不仅具有优异的导电性和透明度,还表现出良好的可清洗性和重复使用性,使可穿戴医疗设备的发展具有了新的应用前景。这些新型材料的突破性进展为运动智能可穿戴设备的发展奠定了坚实的基础。

3.3 人工智能算法的优化与应用

近年来,人工智能(AI)算法的优化和应用一直是运动智能可穿戴设备研究领域的前沿。最新研究发现了一种深度帧差分卷积神经网络结构,用于处理有效的运动数据,能准确识别人类动作以及与智能可穿戴设备的交互[39]。这些先进的运动数据提取方法和人体运动信号处理算法,依托人工智能的功能为运动员提供实时反馈和个性化训练建议。人工智能传感器和可穿戴设备的集成数据可以为运动员提供生物力学、运动技术和运动表现方面有价值的参考,使教练能根据每个人的需求设计个性化的训练计划[39]
此外,深度学习和机器学习算法在运动智能可穿戴设备中的应用也日益广泛。这些算法能处理和分析大量的运动数据,识别出运动员的表现模式和潜在健康风险。例如,通过卷积神经网络(CNN)、自动编码器等深度学习模型,可以有效地从加速度计、心率监测器等传感器中提取关键特征,进而实现对运动员运动状态的精确评估和预测[10]。机器学习算法的应用使得智能系统能评估运动员的身体状况、监测疲劳程度并提供运动伤害预防和康复建议[39]。这些技术的进步有可能显著降低运动相关伤害的风险和影响,最终提高运动员的整体表现和福祉。

3.4 人机交互的创新体验

近年来,智能可穿戴设备已经从简单的数据收集工具演变为能提供个性化反馈和实时指导的智能助手。通过集成先进的机器学习算法,智能可穿戴设备能分析运动员的运动状态和生理参数,从而可以提供精准的训练建议和健康指导[7]。同时,无线通信技术的应用实现了数据的实时传输,使教练和运动员能在训练过程中即时调整策略,优化训练效果[8]。而深度帧差分卷积神经网络、人体运动信号处理算法等关键技术的应用,可以使智能可穿戴设备准确识别和分析人体运动数据,为用户提供实时反馈和指导,从而改善其整体运动表现和体验[39]
为了进一步改善人机交互体验,研究人员正在探索多种创新技术。例如,基于人体姿态识别的智能可穿戴设备可以通过分析运动员的动作来提供即时的纠正和反馈,有助于减少运动伤害并提高训练效率[56]。结合虚拟现实(VR)和增强现实(AR)技术,智能可穿戴设备可以为用户提供沉浸式的训练环境,增强用户的参与感和互动性[57]。此外,通过整合多模态传感器和智能算法,智能可穿戴设备能实现更全面的运动监测和健康管理,为用户提供全方位的支持[15]。而智能可穿戴设备与大数据分析、云计算、物联网等技术的结合,能使海量体育相关数据的采集和分析成为可能,这无疑为群众体育活动的综合评价策略的制定提供了新的技术支持[39]。由此,这些由人工智能驱动的策略不仅能为运动参与者和组织者提供有价值的见解和建议,还能为提高群众体育的整体质量提供保障。

4 运动智能可穿戴设备的主要应用领域

作为前沿技术与人体运动深度融合的产物,运动智能可穿戴设备的核心价值体现在对运动过程的精准感知、数据分析与智能反馈。借助微型传感器、系统集成技术、物联网与人工智能算法的结合,运动智能可穿戴设备能实时、无创或微创地采集运动者的多维度生理与运动学数据[58],使运动训练、竞技赛事、大众健康管理、康复医疗及体育教育领域发生革命性变革[7](见图5)。这种多模态感知能力可以深入理解人体在运动状态下的各项生理指标的变化,进而实现更科学、个性化的干预与指导。
图5 运动智能可穿戴设备核心应用领域与价值体现
在竞技体育训练中,运动智能可穿戴设备是提升运动表现水平的关键工具,可实时监测和评估运动员的生理参数(如心率、呼吸频率、肌电等)和运动数据[59],为教练员和运动员提供身体状况及训练效果依据。通过机器学习算法,智能可穿戴设备还可以提供个性化训练建议,优化训练计划,管理训练负荷,预防运动伤害[60]。例如,通过监测心率变异性、肌肉活动和疲劳程度,运动智能可穿戴设备能及时调整训练强度,确保运动员处于最佳状态[61]。此外,设备还能辅助技术动作分析,通过捕捉关节角度、运动轨迹等数据,结合专家知识提供精准指导,提高运动技术水平,并有效预防运动伤害[59]
竞技赛事的数据采集与分析方面,在运动智能可穿戴设备也产生了深远影响。多维感知技术能实时采集运动员的生理指标、运动轨迹和技术动作,并进行深度分析,既为教练员提供精准的训练监控和科学管理依据,也为运动员技战术水平的量化评估开辟了新途径[7]。在比赛过程中,运动智能可穿戴设备能实时采集运动员的位置、速度等运动学参数,结合机器学习算法分析团队战术配合和阵型变化,为临场决策提供数据支持[62]。同时,人工智能对海量比赛数据的挖掘,有助于识别对手战术特征,为赛前部署提供依据[10]。总之,数据驱动的决策体系推动了竞技体育的精准化、科学化发展,而商业智能与分析的应用进一步增强了运动组织、团队和个人的竞争优势。
在健康管理与医疗领域,运动智能可穿戴设备的应用日益广泛,为个体健康监测和疾病预防提供了新的途径。运动智能可穿戴设备能持续监测心电、脑电、血氧、血压等生理指标,监测质量可与传统医疗设备媲美[58]。尤其在慢性病管理和健康风险预警方面,通过实时监测用户参数并结合移动应用进行干预,能显著提高患者的自我管理能力[63]。基于物联网的机器学习系统在运动员健康监测方面展现出了预测和预防健康风险的巨大潜力[64]。此外,作为医患沟通的桥梁,智能可穿戴设备通过数据追踪和共享为远程医疗和精准治疗提供了技术支持[65]
在康复医疗与远程监护方面,集成传感器和机器学习算法的设备能实时监测患者的生理数据,为康复训练提供精准指导[66],结合VR/AR技术后还可以改善康复效果[67]。通过生物力学参数的测量进行功能性评估,为个性化训练计划的制定和康复进度的监控提供依据[68]。基于物联网的远程监护模式能将患者数据实时传输至云平台,优化医疗资源配置,提高康复医疗的效率和精准度[69]
在体育教育领域,运动智能可穿戴设备同样展现出巨大潜力。其有助于教师量化评估学生的体能水平与课堂参与度,通过游戏化的互动方式激发学生的学习兴趣,并提供基础的动作指导,从而提升教学的质量以及增强教学的趣味性,这也是运动智能可穿戴设备的重要应用场景之一。

5 关键技术难点与挑战

尽管运动智能可穿戴设备具有巨大的应用潜力,但其大规模地应用仍面临多个关键技术难点与挑战。
1)数据的准确性与可靠性是核心挑战之一。体育活动的高度动态性和复杂环境要求对数据采集和分析提出更高标准。为了提升数据质量,研究者正在优化深度学习算法,如基于ResNet的模型[70]研发适应恶劣环境的高性能传感器,其中就有稳定耐用的摩擦纳米发电机(SD-TENG)[71]和低压变形传感器[72],并且研究者还分析了佩戴方式对数据准确性的影响[73]。此外,系统集成与多源数据融合[74],结合BLE、5G等先进通信技术[15],对提高整体可靠性至关重要。神经网络算法与可穿戴设备的融合[39]也为体育活动评估提供了新的思路。
2)设备的续航能力与佩戴舒适性是其普及的主要瓶颈。提升续航能力的技术探索主要包括新型高能量密度电池[75]、电路优化与电源管理[76]以及自供电技术,如通过机械能转化为电能的TENGs[77]和动能收集技术[78]。在佩戴舒适性方面,相关研究侧重于柔性材料和结构优化,如柔性聚合物驻极体材料[79]、智能纺织品中的新型导电材料[80]。这些技术的进步推动了运动智能可穿戴设备的实用化。
3)数据安全与用户隐私信息保护构成了严峻的挑战[81]。运动智能可穿戴设备受限于计算资源和开放通信环境,且采集的数据高度敏感。随着用户隐私意识的增强以及保护机制的滞后,问题愈加复杂。应对策略包括基于属性加密的隐私信息保护[82]、平衡隐私信息与可用性的本地差分隐私模型[83]、结合生物特征与设备物理特征的双因子认证[84]、深度学习与网络安全技术的融合[85]以及零延迟匿名化技术[86]。这些创新为数据安全保障提供了有效路径。
4)行业标准不完善与不同设备互操作性不足是制约智慧体育长期发展的关键因素[87]。技术多样性导致缺乏统一标准和通信协议,市场的碎片化影响了设备的兼容性与互通性[87]。异构数据的无缝集成与跨系统分析也面临挑战。为了解决这些问题,需要推动制定统一的技术标准和接口协议[7],建立开放的数据平台,并加强跨学科的合作[10]。行业各方、学术界和监管机构的协同努力是充分释放人工智能技术潜力的必要条件。
5)多源数据融合与高效分析仍是当前的核心技术挑战之一[36]。从海量、异构的可穿戴设备数据中抓取有价值的信息并进行高效分析面临着不小的困难。设计能处理复杂数据结构的融合算法是解决这一问题的关键[88]。竞技体育对实时数据分析的高要求增加了技术难度,当前的研究需要探索新的方法,如利用SD-TENG采集多源数据,以及应用深度学习技术(如CNN和AE)抓取高级特征[16],但如何在保证分析效果的同时降低计算成本仍然是需要解决的难题。

6 结束语

运动智能可穿戴设备作为智慧体育发展的关键引擎,正深刻重塑着传统的运动训练、健康管理与体育教育模式。尽管新一代信息技术已在传感精度、数据处理与人工智能方面有了显著突破,为运动训练科学化与健康服务精准化奠定了基础,但其发展仍面临技术成熟度、用户体验及数据安全的瓶颈。特别是数据采集的精度与丰度不足、传输过程中存在的隐私信息安全风险,是制约其在专业领域广泛应用的核心挑战。展望未来,破局的关键在于通过产学研用的协同创新,在核心技术(如新材料、AI算法)、行业标准体系构建及应用生态上取得突破。随着5G/6G、人工智能等前沿技术的深度融合,运动智能可穿戴设备必将在功能集成与智能化水平上实现革命性跃升,这将不仅为竞技体育带来深刻变革,更将为全民健康事业注入强大动力。
[1]
2024年智能穿戴行业发展前景分析[Z/OL]. (2024-05-31)[2025-02-31]. https://www.chinabgao.com/freereport/93942.html.

[2]
CHEN H, ZHUO F, ZHOU J, et al. Advances in graphene-based flexible and wearable strain sensors[J]. Chem Eng J, 2023, 464:142576.

[3]
ZHAO X, ZHOU J. Fast recognition algorithm for human motion posture using multimodal bioinformation fusion[J]. Mathematical Problems In Engineering, 2022(1):9538295.

[4]
赵诗凡, 沈雷. 多模态交互的老年高血压人群智能可穿戴研究[J]. 针织工业, 2024(4):65-70.

[5]
LI M, SUN M, WANG L. Application analysis of smart wearable devices in students’ physical activity under the background of big data[J]. Journal of Physics: Conference Series, 2021, 1757(1): 12124.

[6]
孙祯锋. 运动员可穿戴设备中个人数据隐私的法律保护[J]. 沈阳体育学院学报, 2022, 41(4):104-110.

DOI

[7]
YANG L, AMIN O, SHIHADA B. Intelligent wearable systems: Opportunities and challenges in health and sports[J]. ACM Computing Surveys, 2024, 56(7):1-42.

[8]
DU L. Application of smart wearable devices in sports performance analysis and enhancement[J]. Applied Mathematics and Nonlinear Sciences, 2024, 9(1):1-15.

[9]
DU X J, MING W T, GUO S S, et al. Self-powered and self-sensing energy textile system for flexible wearable applications[J]. ACS Applied Materials & Interfaces, 2020, 12(50):55876-55883.

[10]
霍波, 李彦锋, 高腾, 等. 体育人工智能领域关键技术的研究现状和发展方向[J]. 首都体育学院学报, 2023, 35(3):233-256.

[11]
STEFANA E, MARCIANO F, ROSSI D, et al. Wearable devices for ergonomics: A systematic literature review[J]. Sensors (Basel), 2021, 21(3):777.

[12]
刘丰, 韩京龙, 齐骥, 等. 智能可穿戴设备的研究和应用进展[J]. 分析化学, 2021, 49(2):159-171.

[13]
GLAROS C, FOTIADIS D I, LIKAS A, et al. A wearable intelligent system for monitoring health condition and rehabilitation of running athletes[C]// 4th International IEEE EMBS Special Topic Conference on Information Technology Applications in Biomedicine. New York: IEEE, 2003: 276-279.

[14]
QIU H, WANG X, XIE F. A survey on smart wearables in the application of fitness[C]// 2017 IEEE 15th Intl Conf on Dependable, Autonomic and Secure Computing, 15th Intl Conf on Pervasive Intelligence and Computing, 3rd Intl Conf on Big Data Intelligence and Computing and Cyber Science and Technology Congress (DASC/PiCom/DataCom/CyberSciTech). New York: IEEE, 2017: 303-307.

[15]
SUN Y, FAN T. Construction of wearable physical exercise management system based on artificial intelligence technology[C]// 2023 International Conference on Applied Intelligence and Sustainable Computing (ICAISC). New York: IEEE,2023:1-6.

[16]
LIU X. Intelligent physical training data processing based on wearable devices[J]. Comput Intell Neurosci, 2022(1):1207457.

[17]
刘忱怡. 智能可穿戴设备在竞技体育中的作用和未来发展趋势[C]// 国际班迪联合会(FIB),国际体能协会(ISCA),中国班迪协会(CBF). 2024年第二届国际体育科学大会论文集. 北京: 北京体育大学,2024:979-985.

[18]
韦哲, 石恒兵, 曹彤, 等. 国内外智能可穿戴设备的研究进展[J]. 中国医学装备, 2020, 17(10):18-21.

[19]
邓俊杰, 刘红, 阳小兰, 等. 可穿戴智能设备的现状及未来发展趋势展望[J]. 黑龙江科技信息, 2015(28):135.

[20]
OLYANASAB A, ANNABESTANI M. Leveraging machine learning for personalized wearable biomedical devices: A review[J]. Journal of Personalized Medicine, 2024, 14(2):203.

[21]
XIE D D. Development and evaluation methods of smart wearable clothing[J]. Journal of Physics: Conference Series, 2021, 1790(1):12018.

[22]
YANG T, DENG W, CHU X, et al. Hierarchically microstructure-bioinspired flexible piezoresistive bioelectronics[J]. ACS Nano, 2021, 15(7):11555-11563.

DOI PMID

[23]
BIJALWAN V, SEMWAL V B, GUPTA V. Wearable sensor-based pattern mining for human activity recognition: Deep learning approach[J]. Industrial Robot: the international journal of robotics research and application, 2022, 49(1):21-33.

[24]
AROGANAM G, MANIVANNAN N, HARRISON D. Review on wearable technology sensors used in consumer sport applications[J]. Sensors, 2019, 19(9):1983.

[25]
SELVAN S, JAYARAMAN S, VARADHARAJAN S, et al. Smart shoes for fitness and performance analysis of sportsmen[C]// 2024 IEEE International Conference on Computing, Power and Communication Technologies (IC2PCT), New York: IEEE 2024, 5:552-557.

[26]
ZHAO S, LIU J, GONG Z, et al. Wearable physiological monitoring system based on electrocardiography and electromyography for upper limb rehabilitation training[J]. Sensors, 2020, 20(17):4861.

[27]
颜延, 邹浩, 周林, 等. 可穿戴技术的发展[J]. 中国生物医学工程学报, 2015, 34(6):644-653.

[28]
SECKIN A C, ATE S B, SECKIN M. Review on wearable technology in sports: Concepts, challenges and opportunities[J]. Applied Sciences, 2023, 13(18):10399.

[29]
孙效华, 冯泽西. 可穿戴设备交互设计研究[J]. 装饰, 2014(2):28-33.

[30]
朱旭, 穆存远. 智能穿戴设备交互与展示设计[J]. 设计, 2017(17):44-45.

[31]
JIANG M, TIAN Z, YU C, et al. Intelligent 3D garment system of the human body based on deep spiking neural network[J]. Virtual Reality & Intelligent Hardware, 2024, 6(1):43-55.

[32]
LAMBERTI F, MANURI F, PARAVATI G, et al. Using semantics to automatically generate speech interfaces for wearable virtual and augmented reality applications[J]. IEEE Transactions on Human-Machine Systems, 2016, 47(1):152-164.

[33]
POLLINI A. Meaningful control loops in tomorrow human-centred automation[C]// Congress of the International Association of Societies of Design Research. Singapore: Springer Nature Singapore,2021:3078-3094.

[34]
严欣怡. 可穿戴设备与物联网技术在体育科学的运用对人们生活方式的影响[C]// 北京大学. 体育社会学与社会变革中的挑战——2014年世界体育社会学大会暨中国体育社会科学年会论文集. 北京: 北京体育大学,2014:32-33.

[35]
LI Y, WAN L, ZHANG H. Communication network for sports activity monitoring systems[J]. Complexity, 2021(1): 9971605.

[36]
梁鹏. 可穿戴设备和体育数据科学的融合及热点趋势[C]// 国际班迪联合会(FIB),国际体能协会(ISCA),中国班迪协会(CBF). 第四届国际体育科学大会论文集. 罗州: 韩国东新大学研究生院,2024:4.

[37]
CANDELL R, LIU Y, KASHEF M, et al. Smart Manufacturing testbed for the advancement of wireless adoption in the factory[C]// IFIP International Conference on Product Lifecycle Management. Cham: Springer International Publishing, 2020: 176-189.

[38]
LIU J, ZHANG G, SUN R, et al. A blockchain-based conditional privacy-preserving traffic data sharing in cloud[C]// ICC 2020-2020 IEEE International Conference on Communications (ICC). New York: IEEE, 2020: 1-6.

[39]
LIANG J, HE Q. Application of artificial intelligence wearable devices based on neural network algorithm in mass sports activity evaluation[J]. Soft Computing, 2023, 27(14):10177-10188.

[40]
向指航, 徐卫林, 段吉海, 等. 应用于可穿戴式设备的超低功耗SAR ADC研究与设计[J]. 电子器件, 2018, 41(3):808-812.

[41]
薛俊伟, 黄岳山, 杜欣, 等. 蓝牙低功耗可穿戴血氧监测设备的设计[J]. 中国生物医学工程学报, 2015, 34(6):701-707.

[42]
肖志达. 柔性压电复合材料的结构设计及电输出性能研究[D]. 长沙: 中南大学, 2023.

[43]
LUO J, GAO W, WANG Z L. The triboelectric nanogenerator as an innovative technology toward intelligent sports[J]. Adv Mater, 2021, 33(17):2004178.

[44]
GENG F, HUO X. A self powered sport sensor based on triboelectric nanogenerator for fosbury flop training[J]. Journal of Sensors, 2022(1):3130928.

[45]
陈莉, 张艳琳, 刘皓, 等. 智能可穿戴产品用柔性传感器研究进展[J]. 针织工业, 2021(11):81-85.

[46]
宿荣芳, 文心仪, 王俊, 等. 智能可穿戴柔性压力传感器的研究进展[J]. 材料工程, 2024, 52(8):98-108.

DOI

[47]
DOVGAN N. The pivotal role of technology in enhancing athletic performance: insights and future directions[J]. SSRN Electronic Journal, 2023:4602857.

[48]
王玲, 战鹏弘, 刘文勇. 互联网时代的弄潮儿——可穿戴医疗设备[J]. 科技导报, 2017, 35(2):12-18.

DOI

[49]
YANG M, YE Z, REN Y, et al. Recent advances in nanomaterials used for wearable electronics[J]. Micromachines, 2023, 14(3):603.

[50]
ZHANG S, LIU C, SUN X, et al. Current development of materials science and engineering towards epidermal sensors[J]. Prog Mater Sci, 2022, 128:100962.

[51]
LU Z, JIA C, YANG X, et al. A flexible TENG based on micro-structure film for speed skating techniques monitoring and biomechanical energy harvesting[J]. Nanomaterials, 2022, 12(9):1576.

[52]
WANG J, LI L, LIU H, et al. Graphene/carbon nanotube conductive ink-based biomimetic structure for self-powered flexible medical monitoring devices[J]. ACS Applied Nano Materials, 2024, 7(2):1863-1875.

[53]
GAUTHIER N, ROUDJANE M, FRASIE A, et al. Multimodal electrophysiological signal measurement using a new flexible and conductive polymer fiber-electrode[C]// 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). New York: IEEE, 2020: 4373-4376.

[54]
CHIU C, HUANG C, LI J, et al. Flexible hybrid electronics nanofiber electrodes with excellent stretchability and highly stable electrical conductivity for smart clothing[J]. ACS Applied Materials & Interfaces, 2022, 14(37):42441-42453.

[55]
QIU J, YU T, ZHANG W, et al. A bioinspired, durable, and nondisposable transparent graphene skin electrode for electrophysiological signal detection[J]. ACS Materials Letters, 2020, 2(8):999-1007.

[56]
林卓藩, 郑浩宇, 马志伟. 基于人体姿态的可穿戴智能设备[J]. 科技传播, 2020, 12(1):97-98.

[57]
LYMBERIS A. Intelligent wearable systems achievements, challenges and perspectives[J]. Advances in Science and Technology, 2009, 57:88-93.

[58]
彭仲康, 崔兴然, 张政波, 等. 可穿戴设备:评估与监测人体生理状态的展望[J]. 生物医学工程学杂志, 2023, 40(6):1045-1052.

[59]
NGUYEN L N N, RODRÍGUEZ M D, CATALÀ A, et al. Basketball activity recognition using wearable inertial measurement units[C]// Proceedings of the XVI International Conference on Human Computer Interaction. New York: Association for Computing Machinery, 2015: 1-6.

[60]
MAJEED M G, SABAH H A, DAWOOD M N, et al. Athlete’s performance analysis based on improved machine learning approach on wearable devices[J]. Full Length Article, 2023, 8(1):75-91.

[61]
徐艺文, 王梓, 李甜. 人工智能技术在运动表现优化中的应用与挑战[C]// 四川省体育科学学会,四川省学生体育艺术协会. 2024第二届四川省体育科学大会论文报告会论文集(2). 北京: 中央民族大学体育学院,2024:2.

[62]
BHATIA M. Intelligent system of game-theory-based decision making in smart sports industry[J]. ACM Transactions on Intelligent Systems and Technology (TIST), 2021, 12(3):1-23.

[63]
陈丁丁, 田浩, 王登, 等. 可穿戴设备在健康管理预防系统构建中的应用与创新发展[C]// 中国体育科学学会体质与健康分会. 2024年全国运动增强体质与健康学术会议论文摘要集. 南京: 南京体育学院,2024:3.

[64]
HUIFENG W, KADRY S N, RAJ E D. Continuous health monitoring of sportsperson using IoT devices based wearable technology[J]. Computer Communications, 2020, 160:588-595.

[65]
LI Z, LI A, CHEN T, et al. Research on health management and risk warning based on sensor data[J]. Procedia Computer Science, 2022, 214:329-336.

[66]
WEI S, WU Z. The application of wearable sensors and machine learning algorithms in rehabilitation training: A systematic review[J]. Sensors, 2023, 23(18):7667.

[67]
ALEXANDRE R, POSTOLACHE O, GIRÃO P S. Physical rehabilitation based on smart wearable and virtual reality serious game[C]// 2019 IEEE International Instrumentation and Measurement Technology Conference (I2MTC). New York: IEEE, 2019: 1-6.

[68]
GOLBERG E, PINKOSKI A, BEAUPRE L, et al. Monitoring external workload with wearable technology after anterior cruciate ligament reconstruction: A scoping review[J]. Orthopaedic Journal of Sports Medicine, 2023, 11(8):1-10.

[69]
HILTY D M, ARMSTRONG C M, EDWARDS S A, et al. Sensor, wearable, and remote patient monitoring competencies for clinical care and training: scoping review[J]. Journal of Technology in Behavioral Science, 2021, 6(2):252-277.

[70]
MEKRUKSAVANICH S, JANTAWONG P, JITPATTANAKUL A. Recognizing and under standing sport activities based on wearable sensor signals using deep residual networ[C]//2023 Research, Invention, and Innovation Congress:Innovative Electricals and Electronics (RI2C). New York: IEEE, 2023: 166-169.

[71]
LU Z, XIE Z, ZHU Y, et al. A stable and durable triboelectric nanogenerator for speed skating land training monitoring[J]. Electronics, 2022, 11(22):3717.

[72]
MADDIRALA G, SEARLE T, WANG X, et al. Multifunctional skin-compliant wearable sensors for monitoring human condition applications[J]. Applied Materials Today, 2022, 26:101361.

[73]
COSOLI G, SPINSANTE S, SCALISE L. Wrist-worn and chest-strap wearable devices: Systematic review on accuracy and metrological characteristics[J]. Measurement, 2020, 159:107789.

[74]
XU Y. Research on academic early warning and assistance under artificial intelligence vision: current situation, trend and application[C]// 2022 3rd International Conference on Education, Knowledge and Information Management (ICEKIM). New York: IEEE, 2022: 268-273.

[75]
杨进, 王卿璞, 胡慧宁, 等. 可穿戴设备续航能力研究的新进展[J]. 微纳电子技术, 2016, 53(7):425-430,448.

[76]
MITAL G. 可穿戴设备:如何延长电池续航时间[J]. 电子产品世界, 2015, 22(9):15-16,26.

[77]
SONG Y, MIN J, YU Y, et al. Wireless battery-free wearable sweat sensor powered by human motion[J]. Science Advances, 2020, 6(40):eaay9842.

[78]
张茜, 钟嘉馨. 基于交互理念的体育用品智能可穿戴技术及其应用研究[J]. 艺术百家, 2022, 38(3):156-163.

[79]
徐子盛. 插层型驻极体换能器的模型构建和压电特性研究[D]. 武汉: 华中科技大学,2022:1-2.

[80]
SHI X, HUANG Z. Wearable device monitoring exercise energy consumption based on Internet of things[J]. Complexity, 2021(1):8836723.

[81]
冯登国, 张敏, 李昊. 大数据安全与隐私保护[J]. 计算机学报, 2014, 37(1):246-258.

[82]
王乐, 杨哲荣, 刘容京, 等. 基于属性加密算法的可穿戴设备系统隐私保护方法研究[J]. 信息网络安全, 2018(6):77-84.

[83]
马方方, 刘树波, 熊星星, 等. 可穿戴设备数值型敏感数据本地差分隐私保护[J]. 计算机应用, 2019, 39(7):1985-1990.

DOI

[84]
王俊. 面向健康服务的可穿戴设备安全认证与隐私数据发布[D]. 武汉: 武汉大学, 2018.

[85]
HAN J, LI Q, XU Y, et al. Design of a trusted content authorization security framework for social media[J]. Applied Sciences, 2024, 14(4):1643.

[86]
CHOWDHURY M J M, KAYES A, WATTERS P, et al. Patient controlled, privacy preserving iot healthcare data sharing framework[C]// 53rd Annual Hawaii International Conference on System Scicences. Hawaii: IEEE, 2020:3700-3710.

[87]
代青松. 科技赋能体育:可穿戴设备在运动训练中的应用与发展[C]// 中国体育科学学会运动训练学分会.2022年全国运动训练学术研讨会摘要集(一). 开封: 河南大学体育学院,2022:1.

[88]
李帅. 基于多源数据融合的运动员训练信息分析系统研究[J]. 信息与电脑(理论版), 2022, 34(23):13-15.

文章导航

/