屠 鑫

(安徽體育運(yùn)動職業(yè)技術(shù)學(xué)院，安徽 合肥 230051)

中長跑比賽歷史悠久[1-2]，也是體育項(xiàng)目中的重要組成。在我國眾多運(yùn)動項(xiàng)目中，田徑項(xiàng)目一直處于比較落后的狀態(tài)，速度、力量、柔韌等身體素質(zhì)弱是落后的主要因素，故在大多數(shù)中長跑項(xiàng)目訓(xùn)練過程中，尤為重視運(yùn)動員的體能水平訓(xùn)練。但在中長跑訓(xùn)練中經(jīng)常忽略運(yùn)動技巧的訓(xùn)練，尤其是在跑步過程中，正確的擺臂動作可以對運(yùn)動員的身體協(xié)調(diào)能力與水平速度起到積極作用[3]。但由于長期訓(xùn)練體能的影響，使運(yùn)動員在實(shí)際比賽中無法利用擺臂高度與擺臂技術(shù)獲得優(yōu)勢，導(dǎo)致中長跑項(xiàng)目水平提高困難。在先天身體素質(zhì)落后的情況下，研究運(yùn)動員擺臂高度校準(zhǔn)方法具有一定的實(shí)際意義。

當(dāng)前，相關(guān)學(xué)者已經(jīng)對中長跑運(yùn)動員擺臂高度校準(zhǔn)方法做出一定成果的研究，如李井元等人提出的圖像傾斜識別及校正方法[4]，該方法可捕捉運(yùn)動員擺臂高度節(jié)點(diǎn)，但該方法在校準(zhǔn)其擺臂追蹤軌跡時(shí)，容易受周圍環(huán)境的影響，造成追蹤軌跡誤差大；又如薛震等人提出的基于圖像序列的校準(zhǔn)方法[5]，該方法輸出較為穩(wěn)定，圖像清晰，但對于運(yùn)動員擺臂的變化規(guī)律預(yù)測準(zhǔn)確度較低。

為解決上述方法中存在的問題，本文設(shè)計(jì)了一種基于圖像識別的中長跑運(yùn)動員擺臂高度校準(zhǔn)方法。圖像識別是通過計(jì)算機(jī)處理圖像，對不同類型模式的目標(biāo)與對象進(jìn)行技術(shù)識別[6]。其可提取及分類經(jīng)過處理后的圖像特征，最終實(shí)現(xiàn)對研究目標(biāo)的識別。

1 中長跑運(yùn)動員擺臂高軌跡圖像獲取

1.1 運(yùn)動員擺臂圖像的三維信息

為更好完成運(yùn)動員擺臂高度校準(zhǔn)，需先創(chuàng)建運(yùn)動員擺臂圖像的三維圖像信息重組模型，便于后期運(yùn)動員擺臂運(yùn)動軌跡圖像監(jiān)測順利開展。

為獲得運(yùn)動員擺臂圖像的像素集強(qiáng)度，需分塊搭配運(yùn)動員擺臂圖像，搭配的前提條件是將檢測結(jié)果與高斯過程及形變模型相組合[7]，像素集強(qiáng)度公式是

(1)

(2)

(3)

dft+1(i,j,k)=ρdft(i,j,k)+(1-ρ)dft-1(i,j,k)

(4)

式(4)中，運(yùn)動員擺臂圖像的像素搭配窗口系數(shù)用ρ描述，運(yùn)動員擺臂圖像的三維信息重組可通過將ρ與目標(biāo)邊緣分布相組合實(shí)現(xiàn)。

1.2 運(yùn)動員擺臂運(yùn)動軌跡獲取

依據(jù)運(yùn)動員擺臂圖像的三維圖像信息重組結(jié)果，基于圖像輪廓分割原理，獲取運(yùn)動員擺臂運(yùn)動軌跡圖像。通過對運(yùn)動員手臂圖像邊緣各部分的切割，得到該邊緣內(nèi)外部的圖像密度平均值，依據(jù)該值獲得擺臂動態(tài)圖像邊緣的能量函數(shù)，修改手臂邊緣的形狀能量項(xiàng)[8]，切割運(yùn)動員擺臂動態(tài)圖像邊緣。詳細(xì)過程：

(5)

(6)

(7)

(8)

(9)

切割中長跑運(yùn)動員擺臂動態(tài)圖像邊緣公式為

(10)

通過上述方法實(shí)現(xiàn)運(yùn)動員擺臂運(yùn)動軌跡。

1.3 基于閾值變化的擺臂高度軌跡追蹤校準(zhǔn)

在運(yùn)動員擺臂高度軌跡校準(zhǔn)中，需要對其擺臂高度軌跡進(jìn)行追蹤。在上述獲取的擺臂高度軌跡基礎(chǔ)上，進(jìn)行校準(zhǔn)前的追蹤。

依據(jù)獲取的軌跡圖形R(τ0)， 構(gòu)建擺臂高度狀態(tài)觀察模型，得到擺臂高度狀態(tài)概率，且該概率可為任何時(shí)間下的概率，獲得幅度變化追蹤軌跡閾值，校準(zhǔn)運(yùn)動員擺臂高度圖像方向優(yōu)化追蹤軌跡。詳細(xì)過程為

(11)

構(gòu)建運(yùn)動員擺臂高度圖像方向狀態(tài)觀測模型公式為

(12)

(13)

(14)

根據(jù)追蹤后的高度圖像，在校準(zhǔn)前對擺臂高度進(jìn)行判斷，設(shè)定判定條件，為后續(xù)的校準(zhǔn)奠定基礎(chǔ)。運(yùn)動員擺臂高度判定基本步驟為

步驟1：切割圖像。切割中長跑運(yùn)動員擺臂圖像指標(biāo)與背景，可利用均谷加權(quán)的閾值切割算法實(shí)現(xiàn)[9]。

步驟2：遍歷中長跑運(yùn)動員擺臂圖像可利用圓形模板實(shí)現(xiàn)。

步驟3：對比模板內(nèi)的全部點(diǎn)與核心點(diǎn)的近似性公式為

(15)

式(15)中，二維核心點(diǎn)與模板其余點(diǎn)位置分別用τ0與τ描述；不同像素點(diǎn)的亮度值用I(τ)描述。

對比函數(shù)的穩(wěn)定性可通過該函數(shù)提高，若要不影響c值，則需像素亮度值小幅波動，且該像素為中長跑運(yùn)動員擺臂圖像里的像素[10-12]。高度的最小對比度用亮度差值的門限值t進(jìn)行判定，且t是噪聲被忽視的最大值，同時(shí)收集特征量與t有關(guān)，運(yùn)算t值公式為

(16)

式(16)中，中長跑運(yùn)動員擺臂圖像里最大i個灰度值用Imax描述， 其最小i個灰度值用Imin描述， 用a描述比例系數(shù)， 且a-∈[0.2，0.4]。

步驟4：USAN區(qū)的中心是不同像素點(diǎn)，這些像素點(diǎn)的像素個數(shù)運(yùn)算公式為

(17)

步驟5，基于上述步驟，得到特征圖像的公式為

(18)

式(18)中，響應(yīng)函數(shù)用R描述，中長跑運(yùn)動員擺臂圖像里收集角度量用g描述。實(shí)現(xiàn)中長跑運(yùn)動員擺臂高度判定的前提是精準(zhǔn)獲取中長跑運(yùn)動員擺臂圖像邊緣，并求解相關(guān)參數(shù)[13]。

運(yùn)動員擺臂高度判定可依據(jù)模式識別非參數(shù)法里最重要的最近鄰法獲得[14]。

假定w1,w2,…,wc的模式判定問題總共有c個類型， 類型總樣本數(shù)用N描述， 用Ni描述全部類里第i個類型樣本量，wi類的判別函數(shù)公式為

(19)

依據(jù)最近鄰法實(shí)現(xiàn)中長跑運(yùn)動員擺臂高度判定的詳細(xì)步驟：

假定有Nc個中長跑運(yùn)動員擺臂高度類型，用k1,k2,…,kc描述w1,w2,…,wc類的樣本個數(shù)，判斷函數(shù)公式為

gi(x)=ki

(20)

在上述確定中長跑運(yùn)動員擺臂高度判定條件基礎(chǔ)上，實(shí)現(xiàn)其校準(zhǔn)。

(21)

基于上述過程，實(shí)現(xiàn)運(yùn)動員擺臂高度的校準(zhǔn)。

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)準(zhǔn)備

實(shí)驗(yàn)對象采用MATLAB 2020環(huán)境搭建中長跑運(yùn)動員擺臂動態(tài)圖像的仿真平臺，以某市體育大學(xué)中長跑運(yùn)動員為實(shí)驗(yàn)數(shù)據(jù)，采用一臺高清攝像機(jī)拍攝圖像，其每個視頻幀的分辨率與采集速度分別是1024×720p與38 fs,從側(cè)面采集擺臂動態(tài)圖像邊緣，驗(yàn)證本文方法的有效性。

2.2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)采用文獻(xiàn)[5]提出的基于圖像序列的校準(zhǔn)方法與本文方法對中長跑運(yùn)動員擺臂動態(tài)圖像邊緣進(jìn)行分割，驗(yàn)證該兩種方法的分割效果，比較結(jié)果如圖1～3所示。

圖1 原圖

圖2 文獻(xiàn)[5]方法擺臂動態(tài)圖像分割效果

圖3 本文方法擺臂動態(tài)圖像分割效果

由圖2可看出，采用文獻(xiàn)[5]方法對擺臂動態(tài)圖像進(jìn)行分割，容易造成對圖像的過渡分割或分割區(qū)域不完整，且分割線鋸齒較多，分割質(zhì)量低。

圖3可以看出，與文獻(xiàn)[5]方法相比，采用本文方法對運(yùn)動員擺臂動態(tài)圖像邊緣進(jìn)行分割，可精準(zhǔn)定位手臂分割邊界，且手臂分割線更加光滑均勻。實(shí)驗(yàn)表明，本文方法具有極高的分割精準(zhǔn)度，分割質(zhì)量高。

圖4 判定效果

實(shí)驗(yàn)選擇3種不同信噪比，分別為40、80、120 dB，驗(yàn)證不同信噪比下，對本文方法判定800幅中長跑運(yùn)動員擺臂高度圖像效果的影響，結(jié)果如圖4所示。

由圖4可以看出，在整個800幅中長跑運(yùn)動員擺臂高度圖像中，當(dāng)信噪比分別為40與120 dB時(shí)，其最大判定誤差率分別為10%與19%，兩者相差9%，雖然本文方法判定中長跑運(yùn)動員擺臂高度圖像的誤差隨著信噪比的增加呈增長趨勢，但增長幅度不超過10%。實(shí)驗(yàn)表明，本文方法判定運(yùn)動員擺臂高度圖像的誤差受信噪比影響較小，且判定精度高。

采用本文方法對運(yùn)動員的擺臂高度進(jìn)行校正，驗(yàn)證本文運(yùn)動員擺臂高度的校準(zhǔn)效果，校準(zhǔn)前后擺臂高度圖像分別如圖5～6所示。

圖5 校準(zhǔn)前擺臂高度 圖6 校準(zhǔn)后擺臂高度

由圖3與圖4中可以看出，校準(zhǔn)前的擺臂高度過于低，擺臂高度未達(dá)到標(biāo)準(zhǔn)，經(jīng)本文方法校準(zhǔn)后，運(yùn)動員的擺臂高度相對提升到標(biāo)準(zhǔn)姿勢。實(shí)驗(yàn)表明，本文方法可有效校準(zhǔn)中長跑運(yùn)動員的擺臂高度，為中長跑教學(xué)、訓(xùn)練及比賽等提供科學(xué)合理的理論指導(dǎo)。

3 結(jié)束語

本文設(shè)計(jì)了一種基于圖像識別的中長跑運(yùn)動員擺臂高度校準(zhǔn)方法。通過對運(yùn)動員擺臂圖像的處理以及軌跡的追蹤等，完成了運(yùn)動員擺臂高度校準(zhǔn)。實(shí)驗(yàn)表明，本文方法具有較高的分割精準(zhǔn)度與質(zhì)量，隨著信噪比的增加，運(yùn)動員擺臂高度圖像的誤差率增長緩慢，其受信噪比影響較小，判定精度高，驗(yàn)證了方法對運(yùn)動員的擺臂高度校準(zhǔn)效果較好。本文研究基于圖像識別的中長跑運(yùn)動員擺臂高度校準(zhǔn)方法，提高了中長跑運(yùn)動員擺臂正確性，為中長跑運(yùn)動項(xiàng)目提供科學(xué)有效的理論指導(dǎo)。