基于計算機視覺技術的體育運動員錯誤動作智能化識別

張飛云 周帥

摘要：體育運動員在訓練和比賽過程中，難免會出現錯誤動作，僅僅通過人為方式判斷動作是否準確將會出現較大誤差。隨著計算機視覺技術的不斷發展和應用，將其應用到錯誤動作智能化識別中將有助于提高錯誤動作識別率。于是文章首先介紹了計算機視覺技術，能夠對拍攝圖片進行數字化分析，具有較強的應用性能。然后再對運動員動作特征提取進行分析，利用貝葉斯算法對錯誤動作進行識別，于是得到三維視覺檢測模型。最后對三維視覺檢測模型進行實驗研究，結果表明，相比于傳統的檢測方式，文章研究的模型具有更好的準確性，證明該模型應用于錯誤動作識別中具有可行性。

關鍵詞：計算機視覺技術;錯誤動作;智能化識別

中圖分類號：TP391.41

文獻標識碼：A

文章編號：1001-5922（ 2020）12-0082-04

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

1 計算機視覺技術的介紹

計算機視覺技術主要來源與攝影測量學，剛開始時主要應用于二維圖像的識別和分析，隨著計算機技術的發展和計算機視覺技術的發展，人們逐漸開始研究三維視覺[7]。如今計算機視覺技術的功能強大，能夠在不同領域中進行使用。計算機視覺系統主要原理為首先獲取目標圖像，然后進行特征提取，最后對對特征進行分析、處理和計算，目的在于作出合理決策。圖1即為計算機視覺系統的基本組成結構，其中計算機屬于核心部分，需要對各個模塊的正常運行進行控制，還需要計算和輸出結果[8]。

2 動作特征提取

2.1 坐標點的確定

由于運動員的比賽場所在有限的面積內進行，一般情況下，南拳涉及到的運動場所長寬文本為14m和8m，于是將場地的起點角作為原點，于是可以構建如圖2所示的三維坐標系，文章將其高度設置為5m，因為運動員在運動做成中會出現騰空動作。于是運動員將會在這樣一個空間內進行運動。通過三維坐標系的建立，特征提取過程中能夠明確了解到運動員的各個運動狀態。

2.2 運動員關鍵關節部位的標記

在進行運動員特征描述時，將會以運動員騰空飛腳動作的相關規范作為基礎，將其中比較重要的關節部位進行標記，如肩膀、手指、腳尖和腳面，從而能夠獲取運動員的動作。主要的標記如下所示：

2.3 運動員特征的描述

體育運動員在進行訓練時，需要按照標準動作進行訓練，不然就會影響到自己訓練的水平，影響訓練前后階段，甚至還會造成運動損傷。例如，一個跳高運動員在訓練過程中，還處于一個跳高弧線助跑階段，此時如果運動員沒有很好的完成標準動作，在訓練時將身體過早的直立，于是就會影響到自己的訓練成績，導致身體失去平衡。所以當出現錯誤動作時需要及時識別，然后改正。文章所研究的南拳中騰空飛腳的動作也有其標準動作，該動作可以分為3個步驟：①將左腿向前上方進行擺踢，然后右腳蹬地離地，使得身體處于騰空狀態;②將左手手掌和右手手背相擊，此時運動員處于騰空狀況，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，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。如果在運動過程中出現錯誤和不規范動作，比如擊拍落空、擊響腿或者腳尖沒有過肩就會進行扣分處理。運動員錯誤動作的特征描述如下：

1）擊響腿或者腳尖沒過肩：假設U1為南拳騰空飛腳動作，然后將s1假設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個坐標，分別為左右腳尖和左右肩膀，通過對腳尖和肩膀的坐標進行比較，即2者的z軸坐標點進行比較，從而可以判斷出運動員是否出現該錯誤動作。判斷方式分為以下2種情況：

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

3 錯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誤動作，從而基于計算機視覺技術實現錯誤動作智能化識別作用，需要建立相關三維視覺檢測模型。于是對動作進行識別所使用的算法為貝葉斯算法，具體方式如下所示：

4 仿真結果和分析

通過上述分析，建立了運動員錯誤動作智能識別的模型，為了驗證該模型是否具有可靠性和有效性，于是對其進行實驗研究。首先選擇18名學生作為實驗對象，這些同學全部在訓練騰空飛腳動作，然后將其分為2組，使用本文所研究的基于計算機視覺技術的錯誤動作智能化識別模型，判斷這些學生是否存在錯誤動作，在實驗過程中需要做好相關記錄。為了檢驗本文研究的算法優勢，于是將其與基于單目序列的檢測算法進行對比分析，于是得到如圖3和圖4所示的驗證結果。圖3和圖4中左側表示的正確動作，右側為錯誤動作，通過對2個圖進行分析可知，文章所研究的算法能夠明顯的識別出各個關鍵關節部位，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誤動作和實際的動作相差比較大，即可說明該方法的精確度不高，不能準確的識別出錯誤動作。所以能夠得出的結論為本文研究的算法其錯誤動作識別準確度更高。

另外，為了進一步驗證本文所研究的算法具有更好的精確度，于是將其與傳統算法進行了比較，建立三維視覺檢測模型，然后將2種不同方法進行多次試驗，于是得到如圖5所示的檢驗結果。從圖5中可以看出，其精確度都在90%以上，而傳統算法的進度大致到70%到77%之間，所以本文所研究的算法具有更好的精確度，并且能夠將誤差控制在合理范圍。

5 結語

綜上所述，文章主要基于計算機視覺技術對運動員騰空飛腳錯誤動作進行識別，完成三維視覺檢測模型之后，對其進行驗證，結果表明，與傳統的算法相比，文章研究的算法具有更好的準確度。所以在運動員錯誤動作識別過程中使用計算機視覺技術能夠提高檢測準確度。然而文章只對騰空飛腳這一個動作進行識別驗證，由于不同體育項目，運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，在識別其他錯誤動作時可以參考此方法進行識別。

參考文獻

[1]朱志鋒，體育運動錯誤動作的三維視覺檢測建模研究[J].計算機仿真，2016（9）：225-228.

[2]黃成，體育運動中非常規技術動作的形成過程研究[D].哈爾濱：哈爾濱師范大學，2017.

[3]蔣宇，基于混合算法的體育視頻運動目標檢測與跟蹤技術研究[D].蘇州：蘇州大學，2012.

[4]徐超，李喬，基于計算機視覺的三維重建技術綜述[J].數字技術與應用，2017（01）：54-56.

[5]邊云龍，基于深度學習的視頻中的體育類型檢測技術的研究[D].北京：北京郵電大學，2015.

[6]王震，田軍委，計算機視覺輔助訓練系統研究——以射擊類項目為例[J].西北大學學報（自然科學版），2013，43（4）：563-567.

[7]葉知楠，基于計算機視覺的終點裁判系統設計[D].廈門：廈門大學，2007.

[8]李常偉，基于計算機視覺的“虛擬網球”系統的研制與開發[D].沈陽：東北大學，2009.