文摘

根据视频,可以分析人体运动达到科学训练和技术改进。具体来说,根据视频数据在运动期间,人体可以探测和跟踪,并可以获得相关的轨迹数据。在此基础上,可以获得关键的运动参数,可以实现运动的定量分析。本文使用视频处理技术来分析体育课跳远的姿势。根据视频序列测量在运动员的跳远,目标检测和跟踪算法用于预处理后获得运动员的轨迹。之后,进一步处理进行计算速度、角度、姿势,和其他相关信息,协助科学运动训练。实验结果基于实测数据的分析表明,该算法可以实现跳远场景并完成定量分析运动员的关键指标。研究结果可以有效地支持学校体育教育和指导培训,也为其他竞争视频分析提供参考。

1。介绍

人体运动分析在计算机视觉领域已获得了高度的关注近年来(1- - - - - -3]。这是一个重要的技术,它结合了现代生物力学和计算机视觉。它有一个非常广泛而重要的应用在运动分析中,虚拟现实,及相关领域。竞技体育视频捕捉运动员在训练或比赛的各种操作相机。数字视频处理和图像分析技术可以用来分析和比较操作状态和细节,让运动员直观地了解自己的缺点和优点,以提高运动训练水平(4- - - - - -7]。视频研究基于移动背景可以克服固定场景和观察范围小等缺点带来的固定相机,从而实现实时跟踪,扩大观察范围。它已广泛应用于军事、民政等人机交互,图像导航,战场上测量,取得了丰富的成果。美国国防部发布了视觉监测和监控(VSAM)的研究项目,实现战场形势分析的功能,难民管理、网站和关键控制(8- - - - - -10]。在欧盟(EU),法国和英国研究机构联合开发一套工具,以改善公共交通网络管理系统(11- - - - - -13]。体育领域的科学研究、视频技术是用于自动部分运动员的训练过程中复杂的技术动作和舞蹈培训的姿势识别和指导培训(14- - - - - -16]。在中国,视频分析研究分析了不同类型的运动,并取得了较好的应用效果。

摘要视频处理技术用于跳远视频分析的关键参数计算运动员跳远的过程中,有针对性的改进提供支持的培训方法。首先,运动员的跳远视频处理提高每一帧的图像质量(17- - - - - -20.]。在此基础上,视频目标检测技术是用于获得场景中的运动员为对象进行分析。然后,视频跟踪技术用于连续跟踪在跳远运动员的轨迹,从而实现整个生产过程的记录(21- - - - - -23]。最后,根据运动员的轨迹,通过分析视频帧之间的相对关系,运动员的速度的关系信息,姿态角,等等,在每一个时刻可以计算(24,25]。基于获得的参数,运动员的跳远动作和习惯可以研究和判断,提供支持物理教育和有针对性的培训。在实验中,该方法通过使用测量和验证测试数据从体育会议。实验结果表明,该方法可以有效地分析运动员的姿势在跳远和科学的运动训练和教学的辅助作用。

2。方法

竞技体育更强烈,完成时间短通常小于20秒。教练很难直观地判断运动员的运动指标在很短的时间内。为了帮助运动员在比赛中取得优秀的成果,日常训练是至关重要的(15- - - - - -17]。随着科学技术的发展,教练可以充分利用各种现代技术的培训。在训练或比赛期间,通过收集和跟踪球运动员的打击行动,它可以有效地判断动作是否标准和有效,以帮助运动员及时改正它。它可以提高运动技能水平。摘要视频处理技术适用于跳远运动的分析。的基本思想可以被描述为图1。主要区分三个阶段:视频预处理、视频目标检测和目标跟踪,实现闭环监控跳远运动员。基于研究结果,可以分析和计算的关键参数。

2.1。预处理

视频监控的运动和球类运动轨迹中扮演一个重要的角色在运动员训练和预测球的下降点。视频监控是随着时间的推移,所以收集到的视频图像有一定的时间序列,被称为一个球体视频序列图像(18- - - - - -20.]。因为视频监控工作在室外环境中,它会受到外部环境的影响。,收集图像的质量可能不高。因此,在跟踪球运动轨迹,目标需要将视频序列图像预处理,主要包括图像灰度。有三种类型的处理技术:图像去噪,图像去噪,图像增强。其中,灰色图像和图像去噪更成熟。本文基于同态滤波的图像增强。

图像去噪后,它将不可避免地导致图像细节的模糊的一部分。此外,收集到的图像将会受到不同的照明,和亮度不均匀。上述两个因素将减少图像的对比和影响球形目标的检测图像中(21]。为此,图像增强处理是必需的。同态滤波是一种特殊的方法,图像对比度增强和压缩图像亮度范围的频域(22]。具体操作过程如下。步骤1:假设原始图像 由产品照度和反射,公式如下: 在哪里 照度和 是反射的组分。步骤2:方程(2)是用于执行双方的对数变换方程(1)单独的照度和反射: 步骤3:傅里叶变换是基于方程(执行3),从时域到频域: 在哪里 和 的傅里叶变换 和 ,分别。步骤4:过滤器处理 传递函数的使用 获得 在哪里 在上面的方程中,和调整参数(< 1,> 1);c是一个常数,它控制滤波器的锐度函数,这是0.5, 点之间的距离吗 和中心频率点 ,和是高斯函数的方差。第五步:在过滤后的图像进行傅里叶反变换从频域转换到时间域: 在哪里 第六步:指数操作上执行 获得一个增强的图片:

2.2。检测运动目标

运动目标检测是指移动行动和球形目标的提取从整个收集图片,这是后续运动目标跟踪的关键(16- - - - - -18]。目前,主要有三种目标探测的方法,即帧差分法、背景减法的方法,光流法。在本节中,背景减法方法选择和使用。背景差分法的preacquisition背景图像模板,然后,包含领域的实时采集视频图像和背景图像模板差异实现分离的运动对象区域的场景。定义 当图像t在视频图像序列的背景图像 当时t;然后,图像的差异t是

阈值判断是进行图像的差异 当时t。当它大于阈值T,认为有一个移动目标监控场景。否则,它认为没有移动的目标。从理论上讲,只要不改变背景,背景差分法可以实现目标检测效果好。然而,一旦背景图像模板有微妙的变化,比如光的变化,水模式,树叶摇晃,背景图像模板的对比效应将被使用。因此,高斯模型用于改善背景差分法,也就是说,每个点的高斯模型是建立在每一个背景图像。,联合多个高斯模型用于描述背景像素,这样可以不断更新背景模型。背景模型可以应对在光照变化等因素带来的变化,实时水模式,树叶摇晃。

2.3。跟踪移动物体

运动轨迹跟踪是指的过程中发现不同位置属于同一运动目标的视频图像序列,连接各点的位置运行的线(14- - - - - -22]。运动轨迹跟踪任务主要分为两个阶段,即移动目标标记和移动目标特征匹配跟踪。

2.3.1。移动目标标记

如果上述处理和检测过程是重复的每一帧图像,计算量相对较大。因此,在移动领域初始图像的目标检测完成后,一些不变的或部分不变的球体可以提取的特点,如对象。重心,颜色、尺寸、面积、纹理等移动目标的标有一个匹配的函数。然后,这些特性是直接用于匹配和识别的下一帧图像通过一个匹配的函数,和移动目标的位置在视频图像可以澄清。

2.3.2。特征匹配和跟踪移动目标

选择移动物体的特性之后,执行特征匹配在不同的帧来实现运动目标跟踪。目标跟踪是实现通过选择卡尔曼滤波方法。基本原理如下。首先,卡尔曼滤波器是专为运动测量,然后,它是用来预测球的位置在下一帧的图像。然后,近似搜索区域划分和匹配算法用于移动目标的匹配特性。当所有的匹配特性,认为移动的目标范围内,标记和相应的目标位置。递归检测是继续依照本法实现移动目标的连续跟踪(22]。

3所示。关键指标的分析

跳远活动是一项运动,由三个连续跳跃,跳,跳,跳,运动员后加速的方法。相关的主要技术指标包括进场速度,速度利用率、踏板准确性,三级跳远比例,和运动角度值。本文侧重于定量分析方法的速度和角运动。在实验中,相关的视频数据收集的体育会议。

3.1。方法分析速度

方法速度是影响跳远性能的一个重要参数。根据三级跳远场地规则,风规是20米远的地方,开始。以风力计和起飞董事会为标志,并设置两个之间的距离年代;当运动员到达时,输入一组矩形有效范围,开始计算视频帧的数量。常用的时间了T。因此,平均速度V在此期间可以计算的V=年代/T。

在具体实验中,运动会的跳远运动员的数据被选中时,和视频回放率是1020帧/分钟。帧的数量对应于风的运动员进入有效矩形范围衡量董事会第三架起飞和38架,分别。根据上面的公式,运动员的平均速度约为9.532 m / s。

3.2。的角度分析

身体语言会影响跳远的最终结果。如图2在跳远,关键行动过程进行了分析。运动过程主要由三个角度:地面间隙角(∠1),起飞角(∠3),和膝关节角(∠2和∠4)。这三个角度可以定量测量的起飞和降落姿势运动和反映施加的力和运动的强度水平。因此,通过上述的分析角度,远程的相关习惯动员可以有效地研究和评价,可以在此基础上引导和科学训练。为了分析上面的角信息提炼方式,整个过程可以video-monitored运动员的跳远和加工。

计算角指数时,有必要进行边缘检测,轮廓提取、轮廓矩计算,边缘检测和其他特性在运动员的形象。图3显示了一系列的操作在跳远的运动员,结果完成后视频目标检测、跟踪和特征提取。在此基础上,跳远过程中关键的角度进行分析和计算。

完成基于视频检测和跟踪算法思想计算地面间隙角(起飞角)如下:步骤1:将移动目标后,目标轮廓提取。在实验中,Sobel边缘检测算子用于轮廓提取;步骤2:根据的时刻特征轮廓,运动员的质心提取和着陆的坐标点。轮廓的时刻是一个统计特性获得的积分上的所有像素轮廓。第三步:登陆的角度可以根据三角余弦公式计算。

在这项实验中,实际测量的视频一定运动会被用来分析起飞角。重心的坐标的远程动员(125、76),着陆地点的坐标是(163、148),和计算起飞角为61.2°。

同样,根据视频检测和跟踪的结果,计算膝关节角的算法如下:步骤1:轮廓处理执行目标移动图像。步骤2:小干涉轮廓消除根据轮廓区域等特点,,最后得到了运动员轮廓。步骤3:检测到的轮廓图像和数字标记的角落。在这项实验中,哈里斯操作符是用来检测角点。第四步:进入拐角点数量的利益为了准确确定检测角点的位置。第五步:一个圆的角落作为中心和轮廓的交点形成一个三角形。

4所示。结论

针对跳远教学问题,本文使用视频处理技术分析运动员的姿势和优化,提高教学和训练方法基于测量的关键参数。运动员的跳远视频,运动员被跟踪的整个过程通过预处理、目标检测、目标跟踪,相关的运动轨迹。在此基础上,速度、角度、和其他相关信息在跳远运动员可以根据计算图像序列之间的相对关系。同时,运动员的身体区域可以在每一刻分割,使其姿势可以进一步分析。本文的研究成果可用于有效的体育运动员和有针对性的培训。在后续的研究中,进一步分析和处理将运动员的姿势和其他相关信息在每一时刻的视频来提高跳远运动的辅助效果。

数据可用性

数据集可以在访问请求。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

丹阳Lv在图像增强处理提供了技术支持和李Zehao调查不同姿势的影响(着陆脚角和起飞脚角)跳远的性能。