基于計(jì)算機(jī)視覺技術(shù)的體育運(yùn)動員錯(cuò)誤動作智能化識別

張飛云 周帥

摘要：體育運(yùn)動員在訓(xùn)練和比賽過程中，難免會出現(xiàn)錯(cuò)誤動作，僅僅通過人為方式判斷動作是否準(zhǔn)確將會出現(xiàn)較大誤差。隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展和應(yīng)用，將其應(yīng)用到錯(cuò)誤動作智能化識別中將有助于提高錯(cuò)誤動作識別率。于是文章首先介紹了計(jì)算機(jī)視覺技術(shù)，能夠?qū)ε臄z圖片進(jìn)行數(shù)字化分析，具有較強(qiáng)的應(yīng)用性能。然后再對運(yùn)動員動作特征提取進(jìn)行分析，利用貝葉斯算法對錯(cuò)誤動作進(jìn)行識別，于是得到三維視覺檢測模型。最后對三維視覺檢測模型進(jìn)行實(shí)驗(yàn)研究，結(jié)果表明，相比于傳統(tǒng)的檢測方式，文章研究的模型具有更好的準(zhǔn)確性，證明該模型應(yīng)用于錯(cuò)誤動作識別中具有可行性。

關(guān)鍵詞：計(jì)算機(jī)視覺技術(shù);錯(cuò)誤動作;智能化識別

中圖分類號：TP391.41

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-5922（ 2020）12-0082-04

隨著人類對體育運(yùn)動項(xiàng)目的重視程度不斷提升，體育運(yùn)動員在訓(xùn)練過程中需要按照各種標(biāo)準(zhǔn)動作進(jìn)行訓(xùn)練，由于運(yùn)動過程中速度比較快，或者運(yùn)動人數(shù)比較多，裁判員無法將錯(cuò)誤動作識別出來，此時(shí)需要借助各種高科技方法進(jìn)行判斷[1-2]。隨著計(jì)算機(jī)視覺技術(shù)的不斷發(fā)展，廣泛應(yīng)用于人體結(jié)構(gòu)分析中.為了實(shí)現(xiàn)體育運(yùn)動員錯(cuò)誤動作智能化識別，于是將計(jì)算機(jī)視覺技術(shù)應(yīng)用其中[3-4]。不僅能夠提高運(yùn)動員的運(yùn)動水平，而且能夠快捷準(zhǔn)確的判斷出運(yùn)動員是否存在錯(cuò)誤動作，從而提高競賽的公平性。計(jì)算機(jī)視覺技術(shù)在識別運(yùn)動員錯(cuò)誤動作時(shí)，其中主要使用的方式就是通過視覺特征提取法，首先提取到運(yùn)動員的有效動作，然后與標(biāo)準(zhǔn)動作進(jìn)行對比分析，從而能夠判斷出是否屬于錯(cuò)誤動作[-56]。由于體育運(yùn)動項(xiàng)目非常多，識別錯(cuò)誤動作也會存在差別，于是文章將主要以南拳為研究對象，研究運(yùn)動員錯(cuò)誤動作智能化識別。

1 計(jì)算機(jī)視覺技術(shù)的介紹

計(jì)算機(jī)視覺技術(shù)主要來源與攝影測量學(xué)，剛開始時(shí)主要應(yīng)用于二維圖像的識別和分析，隨著計(jì)算機(jī)技術(shù)的發(fā)展和計(jì)算機(jī)視覺技術(shù)的發(fā)展，人們逐漸開始研究三維視覺[7]。如今計(jì)算機(jī)視覺技術(shù)的功能強(qiáng)大，能夠在不同領(lǐng)域中進(jìn)行使用。計(jì)算機(jī)視覺系統(tǒng)主要原理為首先獲取目標(biāo)圖像，然后進(jìn)行特征提取，最后對對特征進(jìn)行分析、處理和計(jì)算，目的在于作出合理決策。圖1即為計(jì)算機(jī)視覺系統(tǒng)的基本組成結(jié)構(gòu)，其中計(jì)算機(jī)屬于核心部分，需要對各個(gè)模塊的正常運(yùn)行進(jìn)行控制，還需要計(jì)算和輸出結(jié)果[8]。

2 動作特征提取

2.1 坐標(biāo)點(diǎn)的確定

由于運(yùn)動員的比賽場所在有限的面積內(nèi)進(jìn)行，一般情況下，南拳涉及到的運(yùn)動場所長寬文本為14m和8m，于是將場地的起點(diǎn)角作為原點(diǎn)，于是可以構(gòu)建如圖2所示的三維坐標(biāo)系，文章將其高度設(shè)置為5m，因?yàn)檫\(yùn)動員在運(yùn)動做成中會出現(xiàn)騰空動作。于是運(yùn)動員將會在這樣一個(gè)空間內(nèi)進(jìn)行運(yùn)動。通過三維坐標(biāo)系的建立，特征提取過程中能夠明確了解到運(yùn)動員的各個(gè)運(yùn)動狀態(tài)。

2.2 運(yùn)動員關(guān)鍵關(guān)節(jié)部位的標(biāo)記

在進(jìn)行運(yùn)動員特征描述時(shí)，將會以運(yùn)動員騰空飛腳動作的相關(guān)規(guī)范作為基礎(chǔ)，將其中比較重要的關(guān)節(jié)部位進(jìn)行標(biāo)記，如肩膀、手指、腳尖和腳面，從而能夠獲取運(yùn)動員的動作。主要的標(biāo)記如下所示：

2.3 運(yùn)動員特征的描述

體育運(yùn)動員在進(jìn)行訓(xùn)練時(shí)，需要按照標(biāo)準(zhǔn)動作進(jìn)行訓(xùn)練，不然就會影響到自己訓(xùn)練的水平，影響訓(xùn)練前后階段，甚至還會造成運(yùn)動損傷。例如，一個(gè)跳高運(yùn)動員在訓(xùn)練過程中，還處于一個(gè)跳高弧線助跑階段，此時(shí)如果運(yùn)動員沒有很好的完成標(biāo)準(zhǔn)動作，在訓(xùn)練時(shí)將身體過早的直立，于是就會影響到自己的訓(xùn)練成績，導(dǎo)致身體失去平衡。所以當(dāng)出現(xiàn)錯(cuò)誤動作時(shí)需要及時(shí)識別，然后改正。文章所研究的南拳中騰空飛腳的動作也有其標(biāo)準(zhǔn)動作，該動作可以分為3個(gè)步驟：①將左腿向前上方進(jìn)行擺踢，然后右腳蹬地離地，使得身體處于騰空狀態(tài);②將左手手掌和右手手背相擊，此時(shí)運(yùn)動員處于騰空狀況，還需要將右腳向前上方彈踢，且其右腳高度需要高于肩部，還需要將右手與腳面相擊，與此同時(shí)，左腳屈膝，腳尖朝下;③右腳單腿著地，然后再將左腳著地，即完成騰空飛腳動作。如果在運(yùn)動過程中出現(xiàn)錯(cuò)誤和不規(guī)范動作，比如擊拍落空、擊響腿或者腳尖沒有過肩就會進(jìn)行扣分處理。運(yùn)動員錯(cuò)誤動作的特征描述如下：

1）擊響腿或者腳尖沒過肩：假設(shè)U1為南拳騰空飛腳動作，然后將s1假設(shè)為擊響腿或者腳尖沒過肩，T1為動作特征，該部分的動作涉及到4個(gè)坐標(biāo)，分別為左右腳尖和左右肩膀，通過對腳尖和肩膀的坐標(biāo)進(jìn)行比較，即2者的z軸坐標(biāo)點(diǎn)進(jìn)行比較，從而可以判斷出運(yùn)動員是否出現(xiàn)該錯(cuò)誤動作。判斷方式分為以下2種情況：

2）擊拍落地：假設(shè)U2為南拳騰空飛腳動作，然后將S2假設(shè)左手和右手，T2為動作特征，該部分的動作涉及到四個(gè)坐標(biāo)，分別為左右手指和左右腳面，通過對手指和腳面的坐標(biāo)進(jìn)行比較，從而可以判斷出運(yùn)動員是否出現(xiàn)該錯(cuò)誤動作。判斷方式分為以下2種情況：

3 錯(cuò)誤動作三維檢測模型

上文分析的主要作用在于判斷動作是否屬于錯(cuò)誤動作，從而基于計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)錯(cuò)誤動作智能化識別作用，需要建立相關(guān)三維視覺檢測模型。于是對動作進(jìn)行識別所使用的算法為貝葉斯算法，具體方式如下所示：

4 仿真結(jié)果和分析

通過上述分析，建立了運(yùn)動員錯(cuò)誤動作智能識別的模型，為了驗(yàn)證該模型是否具有可靠性和有效性，于是對其進(jìn)行實(shí)驗(yàn)研究。首先選擇18名學(xué)生作為實(shí)驗(yàn)對象，這些同學(xué)全部在訓(xùn)練騰空飛腳動作，然后將其分為2組，使用本文所研究的基于計(jì)算機(jī)視覺技術(shù)的錯(cuò)誤動作智能化識別模型，判斷這些學(xué)生是否存在錯(cuò)誤動作，在實(shí)驗(yàn)過程中需要做好相關(guān)記錄。為了檢驗(yàn)本文研究的算法優(yōu)勢，于是將其與基于單目序列的檢測算法進(jìn)行對比分析，于是得到如圖3和圖4所示的驗(yàn)證結(jié)果。圖3和圖4中左側(cè)表示的正確動作，右側(cè)為錯(cuò)誤動作，通過對2個(gè)圖進(jìn)行分析可知，文章所研究的算法能夠明顯的識別出各個(gè)關(guān)鍵關(guān)節(jié)部位，并且和正確動作的吻合度比較高，而圖4中的識別方法測得的錯(cuò)誤動作和實(shí)際的動作相差比較大，即可說明該方法的精確度不高，不能準(zhǔn)確的識別出錯(cuò)誤動作。所以能夠得出的結(jié)論為本文研究的算法其錯(cuò)誤動作識別準(zhǔn)確度更高。

另外，為了進(jìn)一步驗(yàn)證本文所研究的算法具有更好的精確度，于是將其與傳統(tǒng)算法進(jìn)行了比較，建立三維視覺檢測模型，然后將2種不同方法進(jìn)行多次試驗(yàn)，于是得到如圖5所示的檢驗(yàn)結(jié)果。從圖5中可以看出，其精確度都在90%以上，而傳統(tǒng)算法的進(jìn)度大致到70%到77%之間，所以本文所研究的算法具有更好的精確度，并且能夠?qū)⒄`差控制在合理范圍。

5 結(jié)語

綜上所述，文章主要基于計(jì)算機(jī)視覺技術(shù)對運(yùn)動員騰空飛腳錯(cuò)誤動作進(jìn)行識別，完成三維視覺檢測模型之后，對其進(jìn)行驗(yàn)證，結(jié)果表明，與傳統(tǒng)的算法相比，文章研究的算法具有更好的準(zhǔn)確度。所以在運(yùn)動員錯(cuò)誤動作識別過程中使用計(jì)算機(jī)視覺技術(shù)能夠提高檢測準(zhǔn)確度。然而文章只對騰空飛腳這一個(gè)動作進(jìn)行識別驗(yàn)證，由于不同體育項(xiàng)目，運(yùn)動員的動作將會有很多中，在特征提取過程也會存在差別，但是總體上的識別過程大致相同，在識別其他錯(cuò)誤動作時(shí)可以參考此方法進(jìn)行識別。

參考文獻(xiàn)

[1]朱志鋒，體育運(yùn)動錯(cuò)誤動作的三維視覺檢測建模研究[J].計(jì)算機(jī)仿真，2016（9）：225-228.

[2]黃成，體育運(yùn)動中非常規(guī)技術(shù)動作的形成過程研究[D].哈爾濱：哈爾濱師范大學(xué)，2017.

[3]蔣宇，基于混合算法的體育視頻運(yùn)動目標(biāo)檢測與跟蹤技術(shù)研究[D].蘇州：蘇州大學(xué)，2012.

[4]徐超，李喬，基于計(jì)算機(jī)視覺的三維重建技術(shù)綜述[J].數(shù)字技術(shù)與應(yīng)用，2017（01）：54-56.

[5]邊云龍，基于深度學(xué)習(xí)的視頻中的體育類型檢測技術(shù)的研究[D].北京：北京郵電大學(xué)，2015.

[6]王震，田軍委，計(jì)算機(jī)視覺輔助訓(xùn)練系統(tǒng)研究——以射擊類項(xiàng)目為例[J].西北大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，43（4）：563-567.

[7]葉知楠，基于計(jì)算機(jī)視覺的終點(diǎn)裁判系統(tǒng)設(shè)計(jì)[D].廈門：廈門大學(xué)，2007.

[8]李常偉，基于計(jì)算機(jī)視覺的“虛擬網(wǎng)球”系統(tǒng)的研制與開發(fā)[D].沈陽：東北大學(xué)，2009.