# Видеоанализ, часть 1: что может измерить камера

> Видео у бассейна — чаще всего повтор. Та же камера служит измерительным инструментом: секундомер, спидометр и транспортир в одном корпусе, с проверенной точностью и известными пределами. Что она измеряет с трибуны, чего требует измерение движений тела и чего не измеряет никакая камера: первая из пяти статей о видеоанализе в плавании.

- Источник: https://swimas.co.nz/ru/blog/video-analysis-1-what-a-camera-measures/
- Простым языком (ELI5): пока нет
- По-английски: https://swimas.co.nz/blog/video-analysis-1-what-a-camera-measures/
- Автор: В. Карпов, swimas (Swimming Art & Science), Новая Зеландия
- Опубликовано: 10 ноя 2026
- Темы: Видеоанализ, Биомеханика; стили: FR, BK, BR, FL

По своей природе видеокамера у бортика бассейна — это полноценный измерительный прибор, объединяющий в одном корпусе секундомер, спидометр и транспортир. Его точность выверена по эталонной аппаратуре, а границы погрешности строго определены. Однако на практике этот потенциал востребован лишь отчасти. Хотя почти три четверти американских тренеров обращаются к видеосъёмке не реже раза в месяц, камера служит им преимущественно для наглядного повтора: заплыв снимают, чтобы прокрутить его в замедленном темпе и разобрать с пловцом на экране (Mooney et al., 2015). Безусловно, само по себе наблюдение полезно, но измерительный прибор при этом работает вполсилы.

Между тем статус научного инструмента камера обрела уже давно: современное понимание техники плавания во многом было буквально «прочитано» с киноплёнки. Именно подводные съёмки Джеймса Каунсилмена позволили увидеть, что кисть лучших кролистов движется под водой вовсе не прямолинейно назад, а вычерчивает сложную траекторию, которую он уподобил перевёрнутому вопросительному знаку. Из этого наблюдения выросли три десятилетия исследований гидродинамической тяги при скаллинге (цит. по Callaway et al., 2009).

Настоящий цикл статей посвящён видеоанализу плавания в его строгом смысле, как методу, выстроенному и проверенному наукой.[^scope]

В **первой части** мы наметим общую карту предмета и проведём границу между простым просмотром и собственным измерением. Мы выясним, какую картину дают четыре ракурса съёмки, на что способна одна обычная камера, каких условий требует пространственная реконструкция движений тела и что в принципе остаётся недоступным для объектива.

Во **второй части** мы опустимся с камерой под воду, туда, где на границе воды, стекла и воздуха преломление света порождает главную систематическую ошибку измерения, и разберём, как учесть эти оптические искажения при калибровке. В **третьей части** речь пойдёт о точности, с которой видео позволяет измерять скорость пловца (параметр, интересующий тренеров прежде всего).

В **четвёртой части** мы разберём, как видеоанализ помогает улучшить прохождение стартов и поворотов, тех фаз заплыва, где выигрыш в сотые доли секунды способен решить судьбу всей дистанции. Наконец, в **пятой части** мы обратимся к методам машинного зрения и искусственного интеллекта, которые обещают радикально снизить трудоёмкость видеоанализа.

[^scope]: Серия написана как нарративный обзор избранных работ, а не систематический поиск. Если в тексте сказано, что чего-то не измерено, это верно для прочитанных мной источников.

## Смотреть или измерять

В спортивной науке принято различать два вида видеоанализа: качественный и количественный (Mooney et al., 2015). 

Качественный анализ опирается на намётанный глаз тренера, вооружённый базовыми инструментами воспроизведения: замедленным и покадровым просмотром, синхронным сравнением двух заплывов на разделённом экране или видеомонтажом лучших попыток самого спортсмена, когда пловец ориентируется на собственное образцовое исполнение (этот приём называют самомоделированием). Такой анализ отвечает на вопрос **«что именно не так?»**.

Количественный анализ отвечает на вопрос **«насколько?»**. На видеозаписи кадр за кадром размечают анатомические ориентиры на теле пловца (этот этап называют оцифровкой), по разметке восстанавливают реальные координаты в метрах и на их основе вычисляют временны́е интервалы, скорости и углы. Полученные числа можно строго сопоставить с результатами прошлого месяца, показателями другого спортсмена или данными из научной литературы.

Разумеется, зафиксированные впечатления тоже поддаются сравнению. Можно, например, записать, что в марте пловцу не хватало «высокого локтя» в фазе захвата. А в мае… его всё ещё нет. Однако у зрительного впечатления нет шкалы: оно позволяет заметить само наличие ошибки, но не меру того, насколько она уменьшилась.

Между тем шкала незаменима там, где изменения слишком малы для невооружённого взгляда. Таков, например, случай скольжения после толчка от стенки: на видеоповторе тренер может видеть, что «стрелочка» стала плотнее и собраннее, но не видит, стало ли от этого само скольжение быстрее и на сколько именно процентов. В одном из исследований скольжения после толчка к устным замечаниям тренера добавили количественную обратную связь. Всего за пять недель пловцы увеличили среднюю скорость скольжения с 1.74 ± 0.16 до 1.84 ± 0.09 м/с (примерно на 6 %), прогрессируя быстрее, чем при одной лишь качественной обратной связи (Thow et al., цит. по Mooney et al., 2015).

Дальше в этой серии речь пойдёт именно о количественном анализе: что для него требуется, какие возможности он открывает и где способен ввести в заблуждение.

## Где стоит камера

От того, где именно установлена камера, зависит, какие величины вообще поддаются измерению. Научная классификация учитывает два базовых признака: ведётся ли съёмка над водой или под водой и в какой плоскости движения снимают пловца (Mooney et al., 2015). В тренерской практике эти различия складываются в четыре основных ракурса, каждый из которых открывает свой срез техники (рисунок 1). Говоря об анализе соревновательных заплывов (*race analysis*), важно помнить, что он ограничен надводной съёмкой: такой взгляд даёт время прохождения отрезков, динамику позиций и темп гребка. Эти данные существенно помогают разобрать раскладку сил по дистанции и спланировать будущие старты. Однако для глубокой работы над самой техникой гребка необходим подводный ракурс (Mooney et al., 2015).

**Рисунок 1.** Четыре ракурса в одном бассейне, в настоящих размерах. Над водой или под водой, сбоку или навстречу: каждый показывает свой срез техники (по классификации Mooney et al., 2015). Соревновательный анализ ограничен надводными ракурсами 1 и 2; работе над техникой нужны подводные 3 и 4.

Рисунок построен как одна сцена в настоящих размерах: бассейн глубиной 2 м с дорожками шириной 2.5 м, вид сверху и сзади справа от пловца, в разрезе (ближняя боковая стенка убрана, пунктир отмечает её участок, где стоят боковые камеры). Пловец плывёт кролем по третьей дорожке от этой стенки. Четыре камеры нарисованы проволочными значками, у каждой показано поле зрения. Под общим видом помещён кадр выделенной камеры, снятый в тот момент гребка, который её ракурс показывает хорошо.
* **Над водой, сбоку (1):** камера стоит на бортике, на высоте 0.9 м над водой и в 6.75 м от линии движения пловца; на кадре пронос руки. Она фиксирует ту часть тела спортсмена, которая находится над поверхностью. Этот ракурс позволяет оценить темп, тайминг (согласованность) гребков и фазу проноса руки; именно на нём строится анализ соревновательных заплывов: расчёт времени и скорости на отрезках.
* **Над водой, навстречу (2):** камера стоит на бортике в торце бассейна, на высоте 1.0 м над водой и в 5.5 м перед головой пловца, и смотрит вдоль дорожки; на кадре вдох. В кадр попадают голова и рука в фазе проноса. Ракурс открывает положение головы, механику вдоха и симметрию проноса рук.
* **Под водой, сбоку (3):** камера закреплена на боковой стенке, на глубине 1.0 м и в 6.1 м от линии движения пловца; на кадре захват. В кадр попадает всё тело пловца. Ракурс показывает общую линию тела в воде, фазу захвата, глубину и траекторию гребка, а также амплитуду и тайминг работы ног.
* **Под водой, навстречу (4):** камера закреплена на торцевой стенке, на глубине 0.8 м и в 4.85 м перед головой пловца; на кадре подтягивание. Этот ракурс позволяет увидеть ширину гребка, траекторию кистей относительно средней линии тела и симметрию ударов ногами.

На двух надводных кадрах подводные части тела показаны такими, какими их видят эти камеры: свет преломляется на поверхности, и они кажутся прижатыми к ней (рисунок 1 части 2).

В анимированной версии камеры подсвечиваются по очереди, примерно по три секунды каждая, и под общим видом появляется кадр этой камеры; в финале подсвечены все четыре, а их кадры стоят сеткой два на два.


Одиночная камера производит измерения в одной плоскости. Такой формат называют двумерным (2D). Всё, что движется строго параллельно этой плоскости, передаётся в истинном масштабе. Но любое движение, выходящее за её пределы, подвергается перспективному сокращению и измеряется с ошибкой. Прижмите линейку плашмя к оконному стеклу, и вы увидите её во всю длину. Но стоит наклонить один её конец к себе или от себя, как проекция на стекле сожмётся. Точно так же кажущимся образом «укорачивается» и рука пловца, когда она уходит в сторону боковой камеры или от неё.

Чтобы восстановить координаты точек в трёхмерном пространстве (3D), требуется система из двух и более камер, чьи позиции взаимно откалиброваны, а запись синхронизирована. В научных исследованиях 3D-анализ давно стал нормой, тогда как в повседневной прикладной работе из-за технической сложности чаще ограничиваются 2D-съёмкой (Mooney et al., 2015).

Не менее важно и то, остаётся ли камера на месте или перемещается. Здесь возможны три варианта: неподвижная камера, поворотная следящая и камера на тележке. Неподвижная камера ведёт отсчёт относительно статичного фона, но успевает захватить лишь несколько гребковых циклов, прежде чем пловец выплывет из кадра. Следящую камеру поворачивают вслед за спортсменом с одной точки: вручную на штативе или с помощью электропривода (как в PTZ-камерах). Такой приём позволяет охватить всю длину бассейна, но серьёзно усложняет расчёты, поскольку геометрия кадра меняется каждое мгновение. Наконец, камера на тележке движется параллельно пловцу вдоль бортика: над водой, под водой или в обеих средах сразу (Mooney et al., 2015).

Помимо ракурса и траектории самой камеры, важна частота кадров. Систематический обзор видеометодов в спортивном плавании, охвативший тридцать научных работ, показал, что количественные измерения в них проводились преимущественно при частоте 25–50 кадров в секунду, лишь в отдельных случаях достигая 200 кадров в секунду (Mooney et al., 2015). Любой современный смартфон легко превосходит ту частоту съёмки, на которой построен основной массив научной литературы. Однако на практике качество кадра ограничивает вовсе не частота, а выдержка и оптические свойства самой воды, и именно этому будет посвящена вторая часть.

## Что даёт одна обычная камера

Каков минимальный набор оборудования для количественного анализа? Для полноценного разбора заплыва достаточно одной обычной камеры. Наглядно это подтверждает работа, опубликованная в *Journal of Biomechanics*, где видеосъёмку не испытывали как метод, а просто использовали как готовый измерительный прибор (Washino et al., 2019). Единственная бытовая камера с разрешением 640 × 360 пикселей и частотой 120 кадров в секунду располагалась на трибуне (примерно в 5 м над водой и в 30 м от дорожки) и поворачивалась за пловцом вручную. Ориентирами расстояния служили метки на разделителях на отметках 5, 10, 15 и 20 м, а вся «оцифровка» сводилась к покадровому просмотру в стандартном видеоплеере. 

Этим простым способом для каждого заплыва на 50 м в полную силу определяли четыре базовых показателя (рисунок 2): общее время дистанции от стартового сигнала до касания бортика; чистую скорость на отрезках 10–20 м и 35–45 м (как 10 м, делённые на время прохождения головы между метками); темп, вычисленный по трём гребковым циклам; и «шаг» гребка — отношение скорости к темпу.

**Рисунок 2.** Анализ заплыва с помощью одной камеры: схема эксперимента Washino et al. (2019), воссозданная в настоящих размерах в бассейне рисунка 1, вид сверху и глазами камеры. Одна бытовая камера (640 × 360 пикселей, 120 кадров в секунду) ведёт съёмку с трибуны, примерно в 5 м над водой и в 30 м от дорожки; дистанцию задают метки на обоих разделителях дорожки (5, 10, 15 и 20 м); обработка сводится к покадровому отсчёту. Два кадра показывают моменты, когда голова пловца доходит до линии через метки 10 м и через метки 20 м; 671 кадр между ними и даёт время отрезка. Итог: четыре показателя для каждого 50-метрового заплыва. Приведены средние значения по выборке пловцов без нательных маркеров; заплыв смоделирован по ним, в анимации он ускорен вдвое относительно реального времени.

Рисунок соединяет план бассейна с тем, что видит сама камера; и то и другое взято из одной сцены в настоящих размерах (бассейн и тушь рисунка 1).
* **План:** вид сверху на 25-метровый бассейн в масштабе, со шкалой расстояний (0–25 м) на ближнем бортике и дорожкой пловца между двумя разделителями с метками на 5, 10, 15 и 20 м. Камера стоит на трибуне напротив середины бассейна (12.5 м; в исследовании указаны только её высота и удаление), в 30 м от дорожки (точечный пунктир) и в 5 м над водой. Её луч зрения держится на голове пловца, а поле зрения шириной 10 м на дорожке поворачивается вместе с ним; угол поворота камеры от направления поперёк бассейна показан по ходу заплыва (−5° у меток 10 м, +14° у меток 20 м).
* **Траектория и контрольные отрезки:** пловец проплывает 50 м кролем в полную силу, до стенки на 25 м и обратно по той же дорожке. Каждый 10-метровый отрезок закрашивается по мере прохождения: 10–20 м на первом бассейне (вдоль дальней половины дорожки) и 35–45 м дистанции (от отметки 15 до 5 м по шкале бортика) на обратном пути (вдоль ближней половины).
* **Кадры камеры:** два кадра; каждый появляется, когда голова пловца доходит до своих меток. Пунктир соединяет две метки на разделителях на этом расстоянии, и передний край головы как раз касается его. Кадр 1: голова на 10 м, поворот −5°, 4.62 с, кадр 554. Кадр 2: голова на 20 м, поворот +14°, 10.21 с, кадр 1225, на 671 кадр (5.59 с) позже.
* **Итоговые показатели:** таблица записывает четыре величины по мере того, как завершается каждое измерение (средние для 14 пловцов, снятых без нательных маркеров; Washino et al., 2019):
  1. Время (от стартового сигнала до касания): 26.97 с.
  2. Скорость на отрезке (10 м ÷ 5.59 с): 1.79 м/с.
  3. Темп (по 3 циклам): 0.89 Гц.
  4. Шаг гребка (скорость ÷ темп): 2.04 м.

Заплыв смоделирован по этим средним: голова доходит до 10 м за 4.62 с, а дальше до касания пловец плывёт с ровной скоростью 1.79 м/с, поэтому оба отрезка дают одну и ту же скорость. Шаг 2.04 м взят как средний шаг группы, а не как отношение двух средних (1.79 ÷ 0.89 = 2.01).

В анимированной версии заплыв идёт вдвое быстрее реального; каждый кадр остаётся пустой пунктирной рамкой, пока голова не дойдёт до его меток, а после касания таблица остаётся с итоговыми значениями.


Но насколько точна следящая камера, которую поворачивают вручную? Что касается хронометража, на этот вопрос есть прямой ответ (Parrott, 2023). В рамках докторской диссертации автор отснял 560 стартов на четырёх турнирах национального и международного уровня. Рабочим инструментом служила бытовая следящая камера (50 кадров в секунду), установленная на штативе у отметки 25 м, а эталоном — стационарная камера (100 кадров в секунду), направленная строго перпендикулярно размеченной 15-метровой линии. Время старта отсчитывали от сигнала до момента, когда голова пловца пересекала отметку 15 м. 

В среднем следящая камера завышала результат всего на 0.026 с (при 95-процентных границах согласия от −0.048 до +0.100 с). Этот разброс заметно меньше 0.187 с, величины наименьшего практически значимого изменения времени старта, рассчитанной в той же работе. Более того, по воспроизводимости результатов скромная следящая камера превзошла сам эталон: десятикратная повторная разметка одних и тех же записей дала коэффициент внутриклассовой корреляции 1.000 против 0.994 у эталонной камеры. Парадокс объясняется просто: при меньшей частоте кадров шаг между соседними снимками шире, что оставляет разметчику меньше поводов сомневаться, на каком именно кадре голова пересекла заветную линию.

Общее время, прохождение отрезков, чистая скорость, темп и шаг гребка образуют классический анализ соревновательного заплыва, тот базовый уровень видеоизмерений, который спортивные федерации ведут на каждом крупном турнире. И этот уровень полностью доступен тренеру с трибуны, с одной бытовой камерой в руках. Выполнить все расчёты можно как в специализированной программе, так и вручную, кадр за кадром, в любом видеопроигрывателе. По эталонной камере в этой проверке выверено лишь одно такое измерение, время старта до отметки 15 м; о точности измерения скорости речь пойдёт в третьей части.

## От точки к телу: взгляд из-под воды и ловушки плоского кадра

Соревновательный анализ следит за пловцом как за материальной точкой: его интересует лишь то, в какой момент голова пересекла контрольную отметку, с какой скоростью и в каком темпе шли гребки. Чтобы увидеть саму технику движений, камеру необходимо опустить под воду. Простейшие решения здесь вполне доступны тренеру: это либо одна подводная камера у бортика, либо пара камер, синхронно снимающих один и тот же сектор над водой и под водой.

При этом камерам вовсе не обязательно оставаться неподвижными. Тренер или аналитик может вести подводную камеру вдоль бортика на шесте, шагая вровень с пловцом. Готовые комплекты на телескопических штангах выпускаются специально для тренеров (SwimPro, n.d.), но подобную оснастку нетрудно собрать и самостоятельно из экшн-камеры и обычного фотомонопода. Именно так поступили авторы исследования, о котором пойдёт речь ниже. Если же закрепить на той же штанге вторую камеру выше уровня воды, получится мобильная спарка «над водой и под водой».

Поскольку у движущейся камеры нет неподвижного фона, пространственный масштаб должны задавать ориентиры на самой дорожке. Так, в одной из недавних работ экшн-камеру на шесте длиной 1.55 м погружали примерно на 20 см под воду и вели вдоль бортика за пловцом на протяжении 25 м, а ориентирами расстояния служили вертикальные разметочные тросы, натянутые на отметках 5, 10, 15 и 25 м (Born et al., 2024).

В уже знакомом нам систематическом обзоре видеометодов можно встретить самые разные схемы такой 2D-съёмки: одну подводную камеру для анализа дельфинообразных ударов ногами; пару из подводной и надводной камер для изучения баттерфляя на фоне утомления; две подводные камеры на тележке для оценки координации рук у пловцов-паралимпийцев (Mooney et al., 2015). По этим записям исследователи определяют длительность фаз гребка, согласованность работы рук и ног, частоту и амплитуду ударов ногами, а также траектории кистей и стоп и суставные углы в плоскости кадра (Mooney et al., 2015).

Две синхронные камеры (одну в 30 см под поверхностью воды, другую в 30 см над ней) можно свести и в единый кадр на разделённом экране. В одном из исследований эксперты оценивали по таким совмещённым записям технику пловцов с помощью контрольного списка типичных ошибок. Оценки совпали почти идеально: как между двумя независимыми наблюдателями, так и у одного и того же специалиста при повторной проверке месяц спустя (Silva et al., 2007).

И всё же фундаментальное ограничение у всех этих схем остаётся прежним: одиночная камера видит пловца лишь в одной плоскости, тогда как само тело движется во всех трёх измерениях. Всё, что смещается по направлению к объективу или от него, сжимается перспективой и измеряется с ошибкой, точно так же, как наклонённая к оконному стеклу линейка. К перспективному сокращению добавляется и дисторсия оптики: широкоугольные объективы неизбежно искривляют картинку по краям кадра. В результате камера исказит угол в локте, стоит предплечью развернуться к ней или от неё, а также неверно передаст смещение кисти наружу и внутрь под корпусом и вращение тела вокруг продольной оси. 

Обманчивой оказывается даже сама видимая форма движения. На фронтальном кадре путь кисти складывается в знакомую S-образную кривую, хотя в действительности пловец так не гребёт: сложная пространственная траектория просто сплющивается при проекции на плоскость (Prins, 2022). Вот почему точный расчёт суставных углов, истинных траекторий кистей и стоп, а также скорости центра масс, зависящей от позы всего тела, требует перехода к измерениям в 3D.

## Измерения в 3D под водой: ручная оцифровка или маркеры захвата движений

Для трёхмерных (3D) измерений прежде всего необходима система из нескольких синхронизированных камер, снимающих пловца с разных ракурсов, и процедура их пространственной калибровки. Перед началом съёмки в общую зону видимости камер помещают калибровочный каркас с контрольными точками, чьи координаты заранее известны (Mooney et al., 2015). По этим ориентирам программа вычисляет точное положение каждой камеры и геометрию её поля зрения.

Затем одну и ту же анатомическую точку на теле пловца отмечают на кадрах двух и более камер и по пересечению проекций восстанавливают её трёхмерные координаты. Классический математический алгоритм такого пересчёта называется прямым линейным преобразованием (DLT): кадр за кадром он выстраивает пространственную траекторию каждой точки во времени (Callaway et al., 2009). Под водой задача усложняется преломлением света на границе воды и стекла: порождаемые им оптические ошибки неизбежны, и калибровка обязана их компенсировать (Callaway et al., 2009).

Впрочем, сами по себе координаты точек ещё не дают ни суставных углов, ни положения общего центра масс. Для этого точки накладывают на трёхмерную модель тела пловца, в которой для каждого сегмента (плеча, предплечья, бедра и так далее) заданы длина, масса и собственный центр масс. Получить эти индивидуальные антропометрические параметры для конкретного спортсмена можно даже по двум обычным фотографиям: анфас и в профиль (Sanders et al., 2015).

Отслеживать точки тела от кадра к кадру можно двумя путями: либо часами размечать их вручную в программе видеоанализа, либо поручить эту работу системе оптического захвата движений (*motion capture*, или сокращённо «мокап»).

Ручная оцифровка требует от оператора отметить каждую точку на каждом кадре каждой камеры. Систематический обзор даёт представление о масштабах этого труда: около 7.5 часа уходит на разбор десяти пловцов по три старта у каждого и 27 часов — на четыре гребковых цикла одного-единственного спортсмена, снятого шестью камерами по 19 точкам, что в сумме составляет 1 620 кадров (Mooney et al., 2015). Четыре цикла гребков в воде длятся всего несколько секунд, тогда как их ручная разметка отнимает больше трёх рабочих дней.

В одном исследовании ручную оцифровку напрямую сравнили с автоматической на одной и той же задаче (Ceseracciu et al., 2011). Шесть подводных камер снимали пятерых спринтеров кролем, и на каждом кадре требовалось определить плечевой, локтевой и лучезапястный суставы правой руки. Автоматическую разметку выполнял собственный алгоритм авторов без участия человека: адаптировав для водной среды безмаркерный метод из наземной клинической биомеханики, программа восстанавливала 3D-координаты суставов по силуэту пловца со всех камер. Эталонную ручную разметку тех же записей выполнял оператор в коммерческом пакете Simi Motion. Там, где у человека уходило 6–7 часов на одну попытку, алгоритм справлялся за 2–3 часа.

Альтернатива ручному труду и сложной обработке силуэтов — маркерный захват движений. Классический маркер представляет собой небольшой шарик (обычно диаметром 19 мм), который крепят на кожу или купальник над суставом или костным ориентиром (Olstad et al., 2014). Его поверхность покрыта световозвращающим материалом, который отражает свет не во все стороны, а строго обратно к источнику. Камеры сами освещают сцену мощными светодиодными вспышками, поэтому каждый маркер возвращает импульс прямо в объектив и выглядит на тёмном фоне кадра ярким контрастным пятном. Программа без труда находит такие пятна автоматически, строит по ним сегменты тела и вычисляет суставные углы и центр масс.

Правда, под водой обычные камеры и маркеры бесполезны: вода поглощает свет гораздо сильнее воздуха, а стандартное покрытие в воде полностью теряет световозвращающие свойства. Поэтому специализированные подводные системы (такие как Qualisys) оснащают мощной импульсной подсветкой видимого голубого спектра и маркерами из особого материала (Olstad et al., 2014; Washino et al., 2020), либо же ведут съёмку сухопутными камерами (например, Vicon) через подводное смотровое окно бассейна (Monnet et al., 2014).

Однако здесь возникает фундаментальный парадокс: маркеры, делающие отслеживание автоматическим, меняют само плавание, которое они призваны измерять (Washino et al., 2019). В показательном эксперименте 14 хорошо подготовленных пловцов проплыли 50 м кролем в полную силу дважды: без маркеров и с набором из 25 световозвращающих сфер (именно столько нужно подводной системе, чтобы собрать полную сегментарную 3D-модель тела и рассчитать центр масс). С маркерами спортсмены плыли на 3.9 ± 1.6 % медленнее: 28.05 против 26.97 с (P < 0.001). Скорость в середине бассейна упала на 3.3 %, темп — на 1.2 %, шаг гребка — на 2.1 %.

При этом уровень лактата в крови после обоих заплывов значимо не различался, что говорило о сопоставимом физиологическом усилии: причиной потерь в скорости стали именно маркеры, а не меньшее усилие пловцов. Гидродинамический расчёт подтвердил, что дополнительное лобовое сопротивление 25 маленьких шариков (всего около 5.3 Н) почти идеально объясняет это замедление. В литературе отмечается и рост пассивного сопротивления на 7–10 % от комплекта из 24 маркеров (Mooney et al., 2015).

Избавиться от паразитного сопротивления помогают плоские маркеры-наклейки двух типов. Первые вырезают из световозвращающей ленты: например, в работе 2020 года, о которой речь пойдёт ниже, два таких маркера закрепили на позвоночнике на коротких стойках, чтобы они не терялись у поверхности воды (Washino et al., 2020). Под водой подобный материал работает отлично: маркеры, оклеенные морской световозвращающей лентой стандарта SOLAS и помещённые в стеклянный резервуар с водой, распознавались снаружи столь же точно, как и в воздухе (Raghu et al., 2019).

Второй тип плоских маркеров света не отражает вовсе: это контрастные кружки, нанесённые краской на кожу или наклеенные на купальник, которые программа отслеживает на обычном видео. Здесь всё решает контраст и чистота воды. Белые кружки на чёрном купальнике программа распознавала без вмешательства человека, но при плавании кролем, в облаке пузырей, оператору приходилось вручную поправлять от 14.6 до 33.6 % точек в зависимости от выбранного пакета (Magalhaes et al., 2013).

Есть у плоского маркера и геометрическая уязвимость: его центр точно определяется при взгляде анфас, но при наблюдении под острым углом точность падает (OptiTrack, n.d.), а тело пловца в воде непрерывно вращается. Впрочем, ни в одном из известных мне источников плоские и сферические маркеры не сравнивали на пловцах напрямую, ни по добавочному сопротивлению, ни по точности координат.

Авторы же, измерившие тормозящий эффект шариков, пошли по пути сокращения их числа: оказалось, что всего четыре маркера на туловище вместо тридцати шести позволяют восстановить вертикальное положение центра масс с коэффициентом внутриклассовой корреляции 0.776 относительно полного набора (Washino et al., 2023).

Каких же ресурсов требует исчерпывающая биомеханическая картина? В одном из исследований на протяжении 200-метрового заплыва непрерывно регистрировали величины, о которых аналитик на трибуне может только мечтать: мгновенную скорость центра масс, глубину погружения тела и площадь миделя, поперечного сечения пловца (Washino et al., 2020). Для этого потребовались 15 подводных и 10 надводных камер захвата движений с частотой 100 Гц, 36 маркеров, предварительное 3D-сканирование каждого спортсмена и подгонка цифровой модели человека под данные съёмки.

При этом вся эта аппаратура охватывала лишь 8-метровый сектор 25-метрового бассейна, по одному циклу гребков на каждый бассейн. В эксперименте участвовали всего трое пловцов, а маркеры, как только что доказала та же лаборатория, тормозят пловца. (По ходу 200 м скорость падала с 1.63 до 1.36 м/с, центр масс опускался, а площадь миделя росла.) 

Сам этот перечень оборудования красноречиво говорит о сути проблемы. Ещё в 2019 году авторы признавали, что идеальным выходом, вероятно, стала бы безмаркерная система захвата движений, «однако для подводных условий такая технология ещё не создана» (Washino et al., 2019). Так ли это сегодня, выясним в пятой части.

> **Отступление: Инструменты видеоанализа в 2026 году**
>
> Систематический обзор 2015 года выделял шесть основных программ для видеоанализа, каждая из которых решала свой круг задач (Mooney et al., 2015). Мобильное приложение Coach’s Eye предназначалось для оперативного замедленного просмотра у бортика (TechSmith, 2019). Пакеты Dartfish, Quintic и бесплатная Kinovea работают в 2D: после калибровки плоскости движения отмеченные или автоматически отслеженные в ней точки пересчитываются в расстояния, скорости и углы (Dartfish, 2024; Quintic Consultancy, 2026; Kinovea, n.d.), причём Kinovea умеет также исправлять дисторсию объектива. Система APAS рассчитана на 3D-анализ: точки размечают на синхронных кадрах до девяти камер, а программа восстанавливает их пространственные координаты методом DLT (Ariel Dynamics, n.d.). Наконец, комплекс Simi Motion автоматически отслеживал маркеры и предлагал для плавания также технологию безмаркерного захвата (Simi Reality Motion Systems, n.d.). 
>
> Двух из этих шести инструментов сегодня уже нет на рынке: продажи Coach’s Eye прекратились в сентябре 2021 года, а через год приложение было полностью отключено (TechSmith, 2021); компания Simi в апреле 2026 года закрыла своё подразделение захвата движений для спорта и наук о жизни (Simi Reality Motion Systems, 2026). Остальные программы доступны и поныне, а очередное обновление Kinovea вышло в марте 2026 года (Kinovea, 2026).
>
> При этом метрологическую проверку в реальной водной среде прошли лишь немногие из этих решений. Так, связка из экшн-камеры GoPro на шесте и неподвижной камеры при обработке в Kinovea совпала с показаниями эталонного комплекса (стартовой тумбы с динамометрическими платформами и собственными камерами) с точностью до 1 % по 7 из 16 параметров старта и поворота (включая время на тумбе и дальность «выхода» на поверхность), но разошлась в оценке углов отталкивания и входа в воду (Born et al., 2024).
>
> В одной из диссертаций проверка пакета Dartfish на калибровочной раме известного размера, которую буксировали по бассейну, показала погрешность около 1 см при измерении линейных расстояний и около 1° для углов в боковых ракурсах, тогда как угол вне плоскости съёмки фронтальной подводной камеры измерялся с ошибкой около 6° (Thow, 2016). Примечательно, что собственный справочный центр Dartfish прямо указывает: независимой проверки точности измерений программа не проходила (Dartfish, 2024).
>
> Ни один из перечисленных пакетов не заявляет встроенной поправки на преломление света, поэтому при подводной съёмке калибровать камеру необходимо непосредственно в воде, именно в той плоскости, где движется пловец.
>
> Специализированные подводные системы захвата движений значительно точнее, но и у них есть свои границы. Калибровка подводных камер с помощью эталонного жезла (*wand calibration*) даёт ошибку всего в 1.6 мм (Olstad et al., 2014). В целом внутри подводного измерительного объёма длиной 6.9 м средняя погрешность не превышает 5 мм, однако она заметно растёт к краям зоны видимости, и этого оказывается достаточно, чтобы сместить измеренную траекторию удара ногами на величину до 13.8 мм (Thompson et al., 2025). Между тем сам этот рабочий объём охватывает лишь несколько метров одной дорожки, то есть один-два гребковых цикла. Что же касается коммерческих безмаркерных систем, представленных сегодня на рынке, то ни одна из них в изученных мной источниках не проверялась под водой.
>
> К 2026 году искусственный интеллект уверенно взял на себя рутинную, «канцелярскую» часть работы: нарезку видеофайлов, извлечение кадров, синхронизацию камер по сигналу вспышки, сглаживание шумов, расчёт координат и сборку итоговых таблиц. Всё это — задачи для обычного программного кода, который современный ИИ-ассистент способен сам написать и выполнить, а некоторыми измерительными комплексами можно управлять напрямую через скрипты: например, системой Qualisys, с помощью открытой библиотеки для Python (Qualisys, 2026). Впрочем, готового связующего звена (MCP-сервера), через которое ИИ-ассистент мог бы напрямую управлять перечисленными программами видеоанализа, мне найти не удалось.
>
> Сложнее всего по-прежнему обстоит дело с поиском анатомических точек на теле пловца: здесь ИИ остаётся лишь помощником. Нейросетевая модель оценки позы, обученная специально на съёмках в бассейне, сумела определить по записи с одной камеры темп гребков и частоту ударов ногами с погрешностью менее 1 % относительно ручной разметки (Coifman et al., 2026). Однако в известных мне работах кисти и стопы остаются самыми неточными точками, а какие именно задачи решает ИИ в обновлённой версии APAS/AI 2025 года, в документации не раскрывается (Ariel Dynamics, 2025). Визуально-языковые модели, которые «смотрят» видео и описывают его словами, выдают гладко составленные замечания, но плохо распознают тонкие детали движения (Hong et al., 2025). Поэтому каждое число, полученное от ИИ, по-прежнему должен верифицировать человек, сверяя его с теми самыми кадрами, из которых оно было извлечено.


## Чего камера не измеряет

Но даже если допустить, что в будущем технологии станут доступнее и избавят нас как от многочасовой ручной оцифровки, так и от тормозящих маркеров, одна фундаментальная сторона движения всё равно останется для объектива невидимой. 

Камера фиксирует только координаты и время. Иными словами, её удел — чистая кинематика: она отвечает на вопрос, где именно находилось тело в каждый момент времени, и позволяет вычислить всё, что математика способна вывести из смены координат. Но на видеокадре никогда не проступают **силы**. В отличие от бегуна на дорожке, под ногами которого можно спрятать силовую платформу, пловец в свободном плавании отталкивается от податливой и невидимой текучей среды. Камера видит, как ладонь идёт сквозь воду, но не видит, опирается ли она о плотный поток или вхолостую проскальзывает в нём. Распределение давления вокруг кисти, гидродинамическое сопротивление корпуса, реальную тягу от удара стопой — всё это с видеозаписи напрямую не прочитать.

Разумеется, эти величины пытаются оценить по видео косвенно, с помощью математических моделей, пересчитывающих скорости и углы атаки в гидродинамические силы. Однако каждое такое расчётное число неизбежно складывает теоретические допущения самой модели поверх оптических ошибок камеры. Мы можем во всех подробностях видеть следствие (геометрическую картину движения), но не можем напрямую измерить его физическую причину (порождающие это движение силы).

## Итог первой части

Видеокамера у бассейна — это полноценный измерительный прибор с выверенным и опубликованным в научной литературе паспортом точности. 
* Одной бытовой следящей камеры на трибуне достаточно, чтобы измерять время старта до отметки 15 м с точностью около десятой доли секунды, а также получать общее время, чистую скорость на отрезках, темп и шаг гребка.
* Переход к измерению движений самого тела требует либо многодневной ручной оцифровки, либо систем захвата движений с маркерами, которые ощутимо замедляют пловца; исчерпывающая трёхмерная картина пока остаётся принадлежностью научной лаборатории, а не тренерского бортика.
* Наконец, все эти данные лежат в области кинематики: камера способна заменить секундомер, спидометр и транспортир, но никогда — динамометр. Она измеряет само движение, но не силу.

Во **второй части** мы разберём, что именно водная среда делает с этими измерениями, и почему под водой реальную точность определяют не мегапиксели матрицы, а законы преломления света.

## Статьи серии
1. Что может измерить камера *(эта статья)*
2. [Вода против оптики: откуда берётся ошибка измерения](/ru/blog/video-analysis-2-water-against-optics/)
3. Скорость из видео: от отрезков дистанции до цикла гребка
4. Старты и повороты: сотые доли секунды в кадре
5. Когда смотрит машина: безмаркерные методы и искусственный интеллект

Части со 2-й по 5-ю ещё пишутся; их названия рабочие.

## Литература

- Ariel Dynamics. (n.d.). *Features*. APAS: Ariel Performance Analysis System. https://www.arielnet.com/apas/features
- Ariel Dynamics. (2025). *APAS downloads* [APAS/AI version 14.4, dated 26 August 2025]. APAS: Ariel Performance Analysis System. https://www.arielnet.com/apas/downloads
- Born, D.-P., Polach, M., & Staunton, C. (2024). Determining validity and reliability of an in-field performance analysis system for swimming. *Sensors, 24*(22), Article 7186. https://doi.org/10.3390/s24227186
- Callaway, A. J., Cobb, J. E., & Jones, I. (2009). A comparison of video and accelerometer based approaches applied to performance monitoring in swimming. *International Journal of Sports Science & Coaching, 4*(1), 139–153. https://doi.org/10.1260/1747-9541.4.1.139
- Ceseracciu, E., Sawacha, Z., Fantozzi, S., Cortesi, M., Gatta, G., Corazza, S., & Cobelli, C. (2011). Markerless analysis of front crawl swimming. *Journal of Biomechanics, 44*, 2236–2242. https://doi.org/10.1016/j.jbiomech.2011.06.003
- Coifman, I., Hakim, M., Weiss, G., & Riemer, R. (2026). Human pose estimation for automated biomechanical swimming analysis. *Sports Biomechanics*. https://doi.org/10.1080/14763141.2026.2715647
- Dartfish. (2024, August 13). *Distance, time and angle measurement tools*. Dartfish Support. https://support.dartfish.tv/en/support/solutions/articles/27000048163-distance-time-and-angle-measurement-tools
- Hong, W., Cheng, Y., Yang, Z., Wang, W., Wang, L., Gu, X., Huang, S., Dong, Y., & Tang, J. (2025). *MotionBench: Benchmarking and improving fine-grained video motion understanding for vision language models*. arXiv. https://arxiv.org/abs/2501.02955
- Kinovea. (n.d.). *Features*. Kinovea. https://www.kinovea.org/features.html
- Kinovea. (2026, March 21). *Download*. Kinovea. https://www.kinovea.org/download.html
- Magalhaes, F. A., Sawacha, Z., Di Michele, R., Cortesi, M., Gatta, G., & Fantozzi, S. (2013). Effectiveness of an automatic tracking software in underwater motion analysis. *Journal of Sports Science and Medicine, 12*(4), 660–667. https://www.jssm.org/volume12/iss4/cap/jssm-12-660.pdf
- Monnet, T., Samson, M., Bernard, A., David, L., & Lacouture, P. (2014). Measurement of three dimensional hand kinematics during swimming with a motion capture system: A feasibility study. *Sports Engineering, 17*(3), 171–181. https://doi.org/10.1007/s12283-014-0152-4
- Mooney, R., Corley, G., Godfrey, A., Osborough, C., Quinlan, L. R., & ÓLaighin, G. (2015). Application of video-based methods for competitive swimming analysis: A systematic review. *Sports and Exercise Medicine Open Journal, 1*(5), 133–150. https://doi.org/10.17140/SEMOJ-1-121
- Olstad, B. H., Zinner, C., Haakonsen, D., Cabri, J., & Kjendlie, P.-L. (2014). A new approach for identifying phases of the breaststroke wave kick and calculation of feet slip using 3D automatic motion tracking. In *Proceedings of the XIIth International Symposium on Biomechanics and Medicine in Swimming* (pp. 195–199).
- OptiTrack. (n.d.). *Markers*. OptiTrack Documentation. https://docs.optitrack.com/motive/markers
- Parrott, H. R. (2023). *The swimming start: Measurement, importance and enhancement through pre-race interventions* [Doctoral thesis, Swansea University].
- Prins, J. (2022). The biomechanics of unintended consequences — An update, Part II. *American Swimming, 2022*(1).
- Qualisys. (2026, June 10). *qtm-rt 3.1.0* [Python package for the QTM real-time protocol]. PyPI. https://pypi.org/project/qtm-rt/
- Quintic Consultancy. (2026). *Quintic software*. Quintic Sports. https://www.quinticsports.com/software/
- Raghu, S. L., Kang, C.-K., Whitehead, P., Takeyama, A., & Conners, R. (2019). Static accuracy analysis of Vicon T40s motion capture cameras arranged externally for motion capture in constrained aquatic environments. *Journal of Biomechanics, 89*, 139–142. https://doi.org/10.1016/j.jbiomech.2019.04.029
- Sanders, R. H., Chiu, C.-Y., Gonjo, T., Thow, J., Oliveira, N., Psycharakis, S. G., Payton, C. J., & McCabe, C. B. (2015). Reliability of the elliptical zone method of estimating body segment parameters of swimmers. *Journal of Sports Science and Medicine, 14*, 215–224.
- Silva, A. J., Costa, A. M., Oliveira, P. M., Reis, V. M., Saavedra, J., Perl, J., Rouboa, A., & Marinho, D. A. (2007). The use of neural network technology to model swimming performance. *Journal of Sports Science and Medicine, 6*, 117–125. https://pubmed.ncbi.nlm.nih.gov/24149233/
- Simi Reality Motion Systems. (n.d.). *Video motion analysis of swimming*. Simi. http://www.simi.com/en/applications/sport/swimming-analysis.html
- Simi Reality Motion Systems. (2026). *Home* [Notice of the closure of the Sports and Life Science Motion Capture division, April 2026]. Simi. http://www.simi.com/en/
- SwimPro. (n.d.). *Camera systems*. SwimPro. https://www.swimpro.com/camera-systems/
- TechSmith. (2019). *Coach's Eye*. Coach's Eye. https://web.archive.org/web/20191229133121/https://www.coachseye.com/
- TechSmith. (2021). *Coach's Eye retirement*. Coach's Eye. https://web.archive.org/web/20210919234452/https://go.coachseye.com/retirement/
- Thompson, I. M., Audot, D. A. G., Warner, M. B., Banks, J., Logan, O., & Hudson, D. (2025). Error assessment of a three-dimensional underwater motion capture methodology. *Sports Biomechanics, 25*(4), 485–501. https://doi.org/10.1080/14763141.2025.2514234
- Thow, J. L. (2016). *Application of 2-dimensional video analysis by competitive swimming coaches to monitor fatigue in breaststroke technique during training* [Doctoral dissertation, University of Edinburgh]. http://hdl.handle.net/1842/20453
- Washino, S., Mayfield, D. L., Lichtwark, G. A., Mankyu, H., & Yoshitake, Y. (2019). Swimming performance is reduced by reflective markers intended for the analysis of swimming kinematics. *Journal of Biomechanics, 91*, 109–113. https://doi.org/10.1016/j.jbiomech.2019.05.017
- Washino, S., Murai, A., Mankyu, H., & Yoshitake, Y. (2020). Association between changes in swimming velocity, vertical center of mass position, and projected frontal area during maximal 200-m front crawl. *Proceedings, 49*(1), Article 60. https://doi.org/10.3390/proceedings2020049060
- Washino, S., Murai, A., Mankyu, H., & Yoshitake, Y. (2023). Determination of subset models for predicting vertical centre of mass position during front crawl in male swimmers. *Journal of Sports Sciences, 41*(4), 372–380. https://doi.org/10.1080/02640414.2023.2214393