網球運動旋轉特征的圖像跟蹤分析研究

向云平

摘 要： 針對傳統的網球運動旋轉特征的圖像跟蹤系統中跟蹤圖像數據分析誤差較大的問題，提出一種網球運動旋轉特征的圖像跟蹤分析系統。通過全息投影對數據進行處理，優化運動角度平均常量，引入波門跟蹤算法跟蹤圖像的目標，計算閾值，實現對網球運動旋轉特征的圖像跟蹤。實驗數據表明，設計的方法能夠有效地對網球運動圖像進行跟蹤分析，同時解決了圖像數據分析誤差較大的問題。

關鍵詞： 網球旋轉特征； 圖像跟蹤； 波門跟蹤算法； 全息投影； 數據處理

中圖分類號： TN911.73?34； TD712 文獻標識碼： A 文章編號： 1004?373X（2017）24?0134?03

Abstract： Since the traditional image tracking system of tennis ball′s motion and rotation features has big data analysis error of tracking image， an image tracking analysis system for motion and rotation characteristics of tennis ball is put forward. The data is processed by means of holographic projection to optimize the average constant of motion angle. The wave gate tracking algorithm is introduced to track the image target， calculate the threshold， and realize the image tracking of the motion and rotation characteristics of tennis ball. The experimental data shows that the proposed image tracking analysis system for motion and rotation characteristics of tennis ball can conduct the tracking analysis for the tennis ball′s movement image effectively， and reduce the analysis error of image data.

Keywords： tennis ball rotation feature； image tracking； wave gate tracking algorithm； holographic projection； data processing

0 引 言

現代網球運動比賽中，當運動員在比賽的時候，每次擊球都要判斷對方打來的球的方位[1?2]，可以說是否準確地進行了方位判斷，在一定程度上會影響回擊球的質量。只有準確判斷，才能用最合理與有效地回擊動作擊出一個最高質量的回球，才能夠使自己的水平發揮的淋漓盡致，取得比賽的勝利[3?4]。所以說，運動員對于對手擊來的球的方向判斷是不是準確[5?7]，在比賽中直接影響怎么接球。

在網球比賽中，擊球的角度、高速運動中球的本身系數以及與球拍擊球的速度的接觸造就了網球的在運動中出現的旋轉。網球的自身旋轉運動會出現獨特的跳躍運動弧線拋物線，給人以網球擊球技術的軌跡美。網球依據旋轉和軌跡分為四類：分別為上網球、上旋球、底線球和切削球[6?7]。不同的旋轉運動軌跡類型會表現出不一樣的飛行曲線、跳動頻率和反彈角度，所以要想打出讓對手措不及防的回擊球則需要判斷和使用不同的擊球手法[8]。

為了能夠有效地解決跟蹤圖像數據分析誤差較大的問題，使用3D VLAN全息投影技術，并通過對比仿真試驗進行驗證，通過實驗的驗證，證明了設計的網球運動預測軌跡方向自動檢測軟件的準確性。

1 圖像跟蹤分析系統設計方案

1.1 數據處理分析

為了提高本文設計的網球運動旋轉特征的圖像跟蹤分析系統的數據分析能力，本文可以通過全息投影精準地測出網球在運動過程中的半徑、質量、旋角、速度等恒量以及變量，計算出摩擦、風速等影響因素。此技術的本質是把導入的測量出來的數據，轉變成為一個非線性函數方程，將計算出的閾值、差和比等動量因子代入式中，模擬出網球走勢，并讓運動員根據走勢打出高質量的回擊球。具體變化參數之間的指標形式如下：

式中：z是目標網球像素數；u是網球特征系數；v是網球運動過程中變化的運動速度；l為網球運動水平距離；d，分別為網球半徑以及形變半徑。若有n個這樣的像素，可得：

式中：為每一個數據在運動過程中變量可能產生的誤差；x是自定義數值矩陣改變范圍；y為閾值的改變范圍；z為整合概率。則其網球運動過程中從初始點到落地點的距離為：

對3D VLAN全息投影，投影結果可表示為：

式中，x是加速地段的速度總和。可知該加速地段與平均閾值之間的相似度為：

式中： 為 p（yj）目標區域的邊緣像素常量；表示位置ij處的動能總和。進行3D VLAN全息投影技術處理過后的網球運動圖像，便可以進行3D重新建模。本文提出的網球運動圖像自動檢測軟件系統的設計方法，為了保證3D重新建模過程的圖像能夠清晰顯示，需要再次對圖像進行像素還原補償。補償的像素和負離子分別表示為和，在A，B尺度內進行網球運動3D圖像像素補償，公式為：

式中：為關聯屬性算子；表示捕捉到的運動區飽和值；表示包含的運動能量空間。經過網球運動過程中的圖像像素的補償，可知修正特征結果為：endprint

1.2 優化運動角度平均常量計算

把網球運動曲線拋物模型當作散點圖序列，即V=[v1，v2，…，vn]，S=[s1，s2，…，sn]為測定加速初始運動的點集；λ是摩擦，可以選擇參照文獻[8]進行。Esmo，Esim，Edist分別表示實際劃分的區域、微積分閾值與加速初始運動的關聯性，以及區域上運動的點的分布特性。三者具體定義關系式為：

通過式（7）、式（8）可以得出：

本文使用改良后的通用函數，優化了關聯運動方法中的圖像顯示不清現象。按式（9）計算數據的適用概率：

式中：為用過適用數據的概率點坐標；M為適用數據在關系函數中的排列序號。想要保證圖像的準確，需要對平臺記憶區數據運動傳輸速率進行限制，衡量重復率公式為：

通過對重復率的衡量，可以保證網球運動旋轉特征的圖像跟蹤分析系統保持穩定的運行狀態，同時圖像像素的清晰程度有所上升。這樣就可以從數據源上確定網球方向的未來走向。誤差摩擦力計算公式為：

式中：V為網球運動速度；h為網球高度；s為網球與氣層的接觸面積；為空氣對網球形成的摩擦系數。可以明顯從公式看出誤差摩擦力對于整體運行軌跡的影響。

式中；表示網球傳輸慣量；表示網球落地位置；表示擊球位置；為擊球力度系數；為網球轉動的平動的轉換系數。為了保證網球運動旋轉特征的圖像跟蹤分析研究的準確性，需要對結果進行驗證，如下：

式中：為網球慣性矩陣；為網球的離心力；為網球重力矩陣；為未知摩擦力有關的半正定矩陣；T為輸入力矩。

本文提出的網球運動旋轉特征的圖像跟蹤分析系統引進了波門跟蹤算法。此算法既保證了網球的跟蹤圖像在進行目標閾值計算中的準確性，也避免了傳統計算方法的局限性，很大程度上提升了圖像跟蹤目標的能力，優化了多尺度熵矢量計算。

2 試驗驗證

為了驗證網球運動旋轉特征的圖像跟蹤分析研究的準確性，設計了對比仿真實驗。對某訓練場運動員擊球過程網球運動旋轉特征圖像跟蹤分析進行關聯挖掘試驗。為了保證實驗有效性，使用本文設計方法與傳統方法同時進行。

2.1 參數設置

為了保證網球運動旋轉特征的圖像跟蹤分析研究的準確性，設置波動極限為65.32；設置網球運動外圍動能為9.3；保證捕捉到的運動區飽和值在[0.66，1.30]的值域內；分別設置S為10，T為50。根據上述仿真設定的參量，進行實驗，結果如下。

2.2 實驗數據的獲取與分析

如圖1所示，傳統的方法中出現數據跳頻的百分比及其的高，并且有些數據超過2.0%，嚴重影響了數據分析的能力。

如圖2所示，本文設計的網球運動旋轉特征的圖像跟蹤分析系統，能夠保持較低的數據跳頻百分比，平均數據都在1.0%以下，說明數據非常的穩定，分析的結果也十分的穩定，因此誤差會非常的小。

3 結 語

本文提出一種網球運動旋轉特征的圖像跟蹤分析系統，并進行了實驗對比分析，結果表明，采用改進的方法在圖像跟蹤方面具有一定的優勢。

參考文獻

[1] 楊登紅，李東光，申強，等.基于鎖相跟蹤和慣組的旋轉彈滾轉角估計方法[J].北京理工大學學報，2015，35（8）：810?815.

[2] 李寰宇，畢篤彥，楊源，等.基于深度特征表達與學習的視覺跟蹤算法研究[J].電子與信息學報，2015，37（9）：2033?2039.

[3] 陸維，陳家瑜，王龍，等.基于三維圖像體積融合技術的青少年特發性脊柱側凸脊柱在體運動特點研究[J].中華創傷骨科雜志，2017（4）：311?316.

[4] 傅學怡，楊想兵，高穎，等.杭州奧體博覽城網球中心鋼結構移動屋蓋設計關鍵技術[J].建筑結構學報，2017，38（1）：12?20.

[5] 余道江，趙天蘭，伍麗君，等.應用健側胸壁網球拍狀皮下筋膜蒂皮瓣修復乳腺癌術后放射性潰瘍[J].中華整形外科雜志，2015，31（3）：176?179.

[6] 王守覺，蔣寓文，譚樂怡.利用多級量化局部紋理特征的圖像跟蹤算法[J].計算機輔助設計與圖形學學報，2015（2）：208?216.

[7] 汪洪橋，蔡艷寧，付光遠，等.基于圖像序列的地面慢動多目標識別與跟蹤[J].激光與光電子學進展，2016（5）：247?255.

[8] 趙琳，王秋帆，劉源，等.基于HASH感知和小波變換的目標跟蹤算法[J].系統工程與電子技術，2016，38（4）：739?745.endprint