Scientific notes of P. F. Lesgaft University

Ученые записки университета имени П.Ф. Лесгафта

1994-4683 2308-1961

115881

10.5930/1994-4683-2026-5-62-69

Теория и методика спорта

Theory and methodology of sports

Теория и методика спорта

Intelligent motion recognition technologies in technical-biomechanical preparation of finswimmers during the stage of sports mastery refinement

Интеллектуальные технологии распознавания движений в управлении технико-биомеханической подготовкой пловцов в ластах на этапе совершенствования спортивного мастерства

https://orcid.org/0000-0002-8382-1220

Дудченко

Павел Павлович

Dudchenko

Pavel Pavlovich

pasith@mail.ru

кандидат педагогических наук;

candidate of pedagogical sciences;

Тульский государственный педагогический университет им. Л.Н. Толстого Leo Tolstoy Tula State Pedagogical University

26 05 2026

5 62 69 28 02 2026 21 04 2026

https://uchzapiski.lesgaft.spb.ru/en/nauka/article/115881/view

В статье обоснован педагогико-управленческий потенциал нейросетевых технологий распознавания движений для совершенствования техники пловцов в ластах на этапе совершенствования спортивного мастерства. Цель исследования заключается в теоретическом обосновании и экспериментальной проверке эффективности применения цифрового контура на основе нейросетевых технологий распознавания движений для оперативной коррекции и совершенствования технического мастерства пловцов в ластах на этапе спортивного совершенствования. Методы и организация исследования. Апробация выполнена на базе ГУ ДО ТО «Областная комплексная спортивная школа олимпийского резерва» (г. Тула) в 2025 г. с участием спортсменов, имеющих спортивный стаж более 6 лет и спортивные разряды – 1 и КМС. В течение 8-недельного мезоцикла применяли нейросетевую обратную связь для оперативной корректировки технических заданий. Оценивали время проплывания 100 м в ластах по поверхности, финишный сегмент 25 м, вариативность частоты волнообразных движений, стабильность угла атаки ласты и продольную устойчивость корпуса. Результаты исследования и выводы. Выявлены значимые улучшения результата и технических показателей, отражающие повышение устойчивости техники на фоне утомления. Показано, что алгоритмическая объективизация ошибок сокращает педагогическое запаздывание, повышает адресность вмешательств и поддерживает закрепление рационального двигательного стереотипа при соревновательной скорости в реальном времени.

The article substantiates the pedagogical and managerial potential of neural network motion recognition technologies for improving the technique of finswimmers at the stage of sports mastery refinement. The purpose of the study is to theoretically substantiate and experimentally verify the effectiveness of using a digital circuit based on neural network motion recognition technologies for the operational correction and refinement of fin-swimming technique among athletes at the stage of sports mastery. Research methods and organization. The trial was conducted at the State Educational Institution of Additional Education of the Tula Region "Regional Comprehensive Sports School of Olympic Reserve" (Tula) in 2025 with the participation of athletes with more than 6 years of sporting experience and holding sports ranks of 1 and Candidate for Master of Sport (CMS). During an 8-week mesocycle, neural network feedback was used for the rapid adjustment of technical tasks. The assessed parameters included the time to swim 100 m with fins on the surface, the final 25 m segment, the variability of the frequency of undulating movements, the stability of the fin angle of attack, and the longitudinal stability of the body. Research results and conclusions. Significant improvements in performance and technical indicators have been identified, reflecting increased equipment resilience in the context of fatigue. It has been shown that algorithmic objectification of errors reduces pedagogical delay, enhances the precision of interventions, and supports the consolidation of an efficient motor pattern at competitive speed in real time.

плавание в ластах распознавание движений нейросетевые технологии компьютерное зрение биомеханика спорта биомеханический анализ цифровая обратная связь

fins swimming motion recognition neural network technologies computer vision sports biomechanics biomechanical analysis digital feedback

Сомова А. Е. Цифровизация физической культуры и спорта // Актуальные проблемы педагогики и психологии. 2022. Том 3, № 3. С. 30–35. EDN: VMKIJG.

Somova A. E. (2022), “Digitalization of physical culture and sports”, Current Problems of Pedagogy and Psychology, Vol. 3, No. 3, pp. 30–35.

Пригода Г. С., Сидоренко А. С. Анализ перспективности научно-управленческих подходов в совершенствовании тренировочного процесса квалифицированных пловцов. DOI 10.24412/2305-8404-2025-10-150-156 // Известия Тульского государственного университета. Физическая культура. Спорт. 2025. № 10. С. 150–156. EDN: JNROZR.

Prigoda G. S., Sidorenko A. S. (2025), “Analysis of the prospects of scientific and managerial approaches in improving the training process of qualified swimmers”, Proceedings of Tula State University. Physical Culture. Sport, No. 10, pp. 150–156, DOI 10.24412/2305-8404-2025-10-150-156.

Дудченко П. П. Контрастная стимуляция в тренировочном процессе пловцов в ластах: влияние на адаптацию к высокоинтенсивной работе. DOI 10.24412/2305-8404-2025-9-91-98 // Известия Тульского государственного университета. Физическая культура. Спорт. 2025. № 9. С. 91–98. EDN: DVHMUF.

Dudchenko P. P. (2025), “Contrast stimulation in the training process of finswimmers: influence on adaptation to high-intensity work”, Proceedings of Tula State University. Physical Culture. Sport, No. 9, pp. 91–98, DOI 10.24412/2305-8404-2025-9-91-98.

Chen L., Hu D. An effective swimming stroke recognition system utilizing deep learning based on inertial measurement units. DOI 10.1080/01691864.2022.2160274 // Advanced Robotics. 2023. Vol. 37, No. 7. P. 467–479. EDN: TVKXVI.

Chen L., Hu D. (2023), “An effective swimming stroke recognition system utilizing deep learning based on inertial measurement units”, Advanced Robotics, Vol. 37, No. 7, pp. 467–479, DOI 10.1080/01691864.2022.2160274.

Automatic Swimming Activity Recognition and Lap Time Assessment Based on a Single IMU: A Deep Learning Approach / Delhaye E., Bouvet A., Nicolas G., Vilas-Boas J. P., Bideau B., Bideau N. DOI 10.3390/s22155786 // Sensors. 2022. Vol. 22, No. 15. Art. 5786. EDN: KAOHHT.

Delhaye E., Bouvet A., Nicolas G., Vilas-Boas J. P., Bideau B., Bideau N. (2022), “Automatic Swimming Activity Recognition and Lap Time Assessment Based on a Single IMU: A Deep Learning Approach”, Sensors, Vol. 22, No. 15, Art. 5786, DOI 10.3390/s22155786.

Изаак С. И. Цифровизация и интеллектуализация стратегического управления в спорте // Ученые записки университета им. П.Ф. Лесгафта. 2021. № 5 (195). С. 153–156. EDN: MVCQAL.

Izaak S. I. (2021), “Digitalization and intellectualization of strategic management in sports”, Scientific Notes of the P.F. Lesgaft University, No. 5 (195), pp. 153–156.

Continuous Video to Simple Signals for Swimming Stroke Detection with Convolutional Neural Networks / Victor B., He Z., Morgan S., Miniutti D. DOI 10.1109/CVPRW.2017.21 // 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). Honolulu, HI, USA, 2017. P. 122–131.

Victor B., He Z., Morgan S., Miniutti D. (2017), “Continuous Video to Simple Signals for Swimming Stroke Detection with Convolutional Neural Networks”, 2017 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), Honolulu, HI, USA, pp. 122–131, DOI 10.1109/CVPRW.2017.21.

Егорова Н. М. Цифровизация российского спорта: проблемы и перспективы // Известия Санкт-Петербургского государственного экономического университета. 2022. № 4 (136). С. 102–106. EDN: KLXWZQ.

Egorova N. M. (2022), “Digitalization of Russian sports: problems and prospects”, Proceedings of St. Petersburg State University of Economics, No. 4 (136), pp. 102–106.

Swimming Style Recognition and Lap Counting Using a Smartwatch and Deep Learning / Brunner G., Melnyk D., Sigfússon B., Wattenhofer R. DOI 10.1145/3341163.3347719 // Proceedings of the 2019 ACM International Symposium on Wearable Computers (ISWC ’19). London, United Kingdom, 9–13 Sept. 2019. New York : ACM, 2019. P. 23–31.

Brunner G., Melnyk D., Sigfússon B., Wattenhofer R. (2019), “Swimming Style Recognition and Lap Counting Using a Smartwatch and Deep Learning”, Proceedings of the 2019 ACM International Symposium on Wearable Computers (ISWC ’19), London, United Kingdom, 9–13 Sept. 2019, New York, ACM, pp. 23–31, DOI 10.1145/3341163.3347719.

10.

SwimmerNET: Underwater 2D Swimmer Pose Estimation Exploiting Fully Convolutional Neural Networks / Giulietti N., Caputo A., Chiariotti P., Castellini P. DOI 10.3390/s23042364 // Sensors. 2023. Vol. 23, No. 4. Art. 2364. EDN: BPPTVJ.

Giulietti N., Caputo A., Chiariotti P., Castellini P. (2023), “SwimmerNET: Underwater 2D Swimmer Pose Estimation Exploiting Fully Convolutional Neural Networks”, Sensors, Vol. 23, No. 4, Art. 2364, DOI 10.3390/s23042364.