基于機器視覺技術的運動訓練系統設計

曾友美 宋英

摘? 要： 針對當前運動訓練系統的誤差考慮不全面、效果差等缺陷，設計基于機器視覺技術的運動訓練系統。首先，采集運動訓練視頻圖像，得到訓練關節點運動軌跡，并依據運動軌跡和誤差檢測方法分析運動員運動訓練測量誤差;然后，依據誤差成績智能測評模塊評價運動員熱身運動強度、運動訓練反應時間、運動訓練動作精度與穩定性等，并給出提升運動效果的訓練建議;最后，仿真對比實驗結果表明，相比其他系統，所提系統反應時間速度快，動作控制精度高，可以獲得理想的運動訓練誤差檢測效果。

關鍵詞： 運動訓練系統; 機器視覺技術; 視頻圖像采集; 運動軌跡; 誤差分析; 智能測評

中圖分類號： TN911.73?34; TP391? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）05?0150?05

Design of sports training system based on machine vision technology

ZENG Youmei1， SONG Ying2

（1. Wuchang Institute of Technology， Wuhan 430065， China; 2. Wuhan University of Engineering Science， Wuhan 430200， China）

Abstract： In view of the defects of incomprehensive consideration of factors causing errors and poor effect in the existing sports training system， a sports training system based on machine vision technology is designed. Firstly， the video images of sports training are collected to obtain the motion tracks of trained joint points， and the measurement errors of athletes′ sports training are analyzed according to the motion tracks and error detection methods. Then， according to the intelligent error evaluation module， the athletes′ warm?up sports intensity， reaction time， motion accuracy and stability of sports training are evaluated. In addition， some training suggestions are given to improve the sports effect. The simulation and experiment results show that， in comparison with other systems， the proposed system has faster response speed and higher motion control accuracy， and can achieve ideal error detection effect in the sports training.

Keywords： sports training system; machine vision technology; video image acquisition; motion track; error analysis; intelligent evaluation

0? 引? 言

作為人們日常生活中必不可少的一項活動，運動訓練無論是在賽事競技還是日常休閑中都具有重要意義。運動訓練過程中，運動動作是否科學、是否到位都直接影響運動訓練效果[1]。以往運動訓練系統通常采用單片機技術或無線傳感器技術進行運動訓練視頻采集，分析運動訓練動作，給予針對性訓練建議[2?3]。但以往的運動訓練系統中都忽略了一個重要問題，即運動員運動訓練誤差[4]。在體育訓練、康復醫療和虛擬現實技術等領域中，運動訓練誤差檢測具有十分重要的研究意義。以往基于單片機或無線傳感器的運動訓練系統在運動訓練誤差方面僅考慮運動員動作方面的運動誤差，忽略了系統結構導致的誤差[5]，導致運動訓練效果達不到預期目標。

機器視覺技術是機器技術與視覺傳感技術相結合產生的新型技術，其本質為通過在線機器檢測三維形狀[6]。機器視覺技術以其非接觸、速度快以及精度高等諸多優勢被普遍應用于三維重建、物體三維信息測量與表面缺陷檢測等光學領域中。機器視覺技術與視覺技術相比，能夠在線檢測動態大尺度物體光學形貌，且可以進行超高速、遠距離的通信，可在惡劣環境下替代人工操作進行目標物體運動檢測，獲取精度更高的運動員運動訓練圖像信息。本文設計基于機器視覺技術的運動訓練系統，分析運動員運動訓練誤差，針對訓練誤差提出合理訓練建議，提高了運動訓練效果。

1? 運動訓練系統設計

1.1? 系統整體設計

基于機器視覺技術的運動訓練系統整體結構如圖1所示，包括視頻圖像采集模塊、視頻圖像處理模塊、成績智能測評模塊和數據庫管理模塊。

運動員進行運動訓練過程中，機器發射器將發射出機器光束，此時，運動員運動訓練關節上將出現機器光斑[7]。視頻圖像采集模塊中的CCD攝像機實時、連續地對運動員運動訓練關節進行監測，監測得到的模擬圖像信號經圖像采集卡轉換成數字信號后[8]，傳輸至視頻圖像處理模塊內，分析運動員運動訓練測量誤差，分析結果傳輸至后臺計算機內，計算機將訓練測量誤差結果存儲到數據庫管理模塊。運動員運動訓練結束后，光斑消失。成績智能測評模塊依據視頻圖像處理模塊獲取的誤差檢測結果，利用數據挖掘算法分析運動員運動訓練動作，形成一份具體的運動員運動訓練動作分析報告，報告中針對運動員的熱身運動強度、運動訓練反應時間、運動訓練動作精度與穩定性等主要技術實施評估[9]，并針對運動員當前狀態給予提升運動效果的訓練建議。全部運動訓練數據通過表的形式保存至數據庫管理模塊中的SQL Server服務器內，可查詢、排序或統計以往的運動訓練數據，為運動訓練計劃提供數據支持。在CCD攝像機再次獲取到運動員運動訓練關節上的光斑時，系統自動記錄新的運動訓練數據。

1.2? 視頻圖像采集模塊

視頻圖像采集模塊的主要功能是采集運動員運動訓練視頻圖像[10]，辨認運動員運動訓練關節與機器點，得到機器點在運動員運動訓練關節上的運動軌跡。運動員運動訓練視頻圖像采集的順序如圖2所示。

利用采集卡采集運動員運動訓練視頻圖像，受系統硬件器材的限制與采集環境中各種不均衡因素等影響[11]，采集到的視頻圖像中通常會存在許多噪聲點，降低視頻圖像質量。所以在識別視頻圖像之前需要對視頻圖像進行灰度化與噪聲過濾等預處理。

利用索貝爾邊緣查找算法在運動員運動訓練視頻灰度圖像中獲取運動員運動訓練動作輪廓，采用Hough變換辨認輪廓中訓練關節所在的圓心與半徑。得到運動員運動訓練關節位置后，通過圖像剪影法識別光斑位置。

1.3? 視頻圖像處理模塊

視頻圖像采集模塊在采集到運動員運動訓練視頻圖像并進行預處理后，將視頻圖像傳輸至視頻圖像處理模塊內，進行運動員運動訓練誤差檢測。按照機器視覺技術的工作原理[12]，設計視頻圖像處理模塊結構如圖3所示。

視頻圖像處理模塊主要由三部分組成，分別是坐標采集子模塊、視頻圖像傳感子模塊與誤差檢測分析子模塊。坐標采集子模塊通過機器傳感器獲取運動員運動訓練軌跡中關節的像點、物點與鏡頭中心點坐標;圖像傳感子模塊基于坐標采集結果在機器椎體坐標系下確定運動員運動訓練關節的三維坐標;在此基礎上誤差檢測分析子模塊采用運動訓練誤差檢測方法，計算系統結構參數誤差傳遞系數、運動員運動訓練關節像素點不同變量的整體誤差傳遞系數以及運動員運動訓練關節像素點不同變量對應機器坐標誤差傳遞系數等[13?14]，最終實現運動員運動訓練誤差的檢測與分析。

1.4? 軟件設計

1.4.1? 智能測評流程設計

運動訓練結束后，評估和分析運動訓練程度是提升訓練效果的主要方式[15]。系統中的成績智能測評模塊采用數據挖掘技術處理采集的運動員關節光斑位置信息，依據圖像處理模塊獲取的誤差分析結果，分析運動員運動訓練過程中關節運動軌跡，評估運動訓練成績，評價運動員熱身運動強度、運動訓練反應時間、運動訓練動作精度與穩定性等內容。針對運動員當前狀態給予提升運動效果的訓練建議。運動訓練成績智能測評流程如圖4所示。

1.4.2? 運動訓練誤差檢測方法

式（1）描述運動員運動訓練關節空間點的三維坐標：

[xL=Dxv，α，g，x1，y1，x2，y2yL=Dyv，α，g，x1，y1，x2，y2zL=Dzv，α，g，x1，y1，x2，y2] （1）

式中：[xL]，[yL]，[zL]表示機器軌跡與運動員運動訓練關節的交點;[Dx]，[Dy]和[Dz]表示運動員運動訓練關節空間點的三維坐標;[v]，[α]和[g]分別表示2臺機器傳感器的基線距離、運動員運動訓練關節在機器傳感器上的夾角和鏡頭焦距;[x1，y1，x2，y2]表示機器傳感器平面上運動員運動訓練關節像素點。

基于式（1），通過函數合成誤差分析的核心理論，利用式（2）確定運動員運動訓練關節在空間點3個坐標軸方向的誤差：

[ΔxL=iωDxωi?ΔiΔyL=iωDyωi?ΔiΔzL=iωDzωi?Δi] （2）

式中：[i]，[Δi]和[ωDkωi]分別表示運動員運動訓練關節像素點的特征系數、像素點各變量誤差和像素點各變量相應的機器坐標誤差的傳遞系數，其中，[i=v，α，g，x1，y1，x2，y2];[k=x，y，z]。由于[i]取值的7個參數中，僅有6個參數為相互獨立的，所以運算過程中僅用6個相互獨立的參數。

運動員運動訓練關節點坐標的整體檢測誤差與運動員運動關節坐標各方向的誤差一致，表達式如下：[Δ′=Δ′xL+Δ′yL+Δ′zL = kiωDkωi?Δi2=iξiΔi2] （3）

式中：[ξi]表示運動員運動訓練關節像素點不同變量的整體誤差傳遞系數，通過式（4）確定：

[ξi =kωDkωi2] （4）

由式（1）～式（4）得到，運動員運動訓練關節誤差傳遞系數存在[ξi =kωDkωi2]非線性特征，運動員運動訓練關節點整體檢測誤差受應用機器視覺技術的傳感器影響，主要體現在：運動訓練結構參數與機器傳感器的標定誤差（也就是運動員運動訓練關節點在鏡頭焦距的標定誤差）和被測運動員運動訓練關節點在2臺機器傳感器兩像平面上的像點辨認誤差上。在機器傳感器像點辨認精度與運動員運動訓練關節點標定方法明確的條件下，運動員運動訓練整體檢測誤差取值受機器傳感器距離[v]值與夾角[α]值影響。

根據上述過程，依照運動員運動訓練關節像點在機器椎體坐標系內的坐標表達式、運動員運動訓練關節空間點的三維坐標表達式，確定機器傳感過程中結構參數誤差傳遞系數，計算公式如下：

[ξv=2cosα+β2sin2α+β1+β2cos γ1ξα=2vcosα+β2cos2α+β1+β2+cosα+β1sin22α+β1+β2cos γ1] （5）

式中：[β]表示系統得到的運動訓練關節點垂直視場角;[γ]表示運動訓練關節點在機器傳感器中的數值變量。

分析式（5）可知，基于機器視覺技術的運動訓練系統結構參數的誤差傳遞規則如下：

1） 運動員運動訓練關節點光軸夾角與系統獲取的運動訓練關節點垂直視場角，直接決定系統整體測量誤差受2臺機器傳感器間基線距離誤差的影響程度;

2） 2臺機器傳感器間的基線距離，同運動員運動訓練關節點與機器傳感器的光軸夾角誤差傳遞規則之間呈正比關系，在系統其他結構參數達到基本要求的條件下，降低2臺機器傳感器間的基線距離，能夠提升系統整體結構的檢測精度。

3） 當2臺機器傳感器間的垂直視場角提升時，運動員運動訓練檢測誤差傳遞系數也隨之提升。當2臺機器傳感器間的垂直視場角為最小值時，全部運動員運動訓練檢測傳遞系數值最低，此時關節節點檢測誤差最低。

在運動員運動訓練圖像識別誤差與機器傳感器的鏡頭焦距[g]值一定的條件下，分析2臺機器傳感器間的基線距離和光軸夾角對運動員運動訓練誤差的影響，設[Δv=Δα=δ]，依照式（3），確定運動員運動訓練關節點的整體檢測誤差為：

[Δ=δLξ2v+ξ2α] （6）

式中[L]表示運動員運動訓練關節點的其他因素折算系數。

2? 實驗結果與分析

2.1? 丟包率對比

依照現實情況的需求，在實驗室環境與室外環境中構建系統測試平臺，對比本文設計的基于機器視覺技術的運動訓練系統、基于單片機的運動訓練系統和基于無線傳感器的運動訓練系統，在6 min內丟包率隨運動訓練視頻時間的變化結果如表1所示。分析表1得到，三個運動訓練系統的丟包率均隨著運動訓練視頻時間的延長而提升，本文系統在180 s內的丟包率變化較小，當視頻時長超過180 s后，系統的丟包率提升幅度增大，本文系統的平均丟包率為0.22%;基于單片機的運動訓練系統丟包率提升幅度波動較為明顯，平均丟包率為0.55%;基于無線傳感器的運動訓練系統丟包率提升幅度較為平緩，平均丟包率為0.58%。實驗結果表明，本文系統丟包率與其他兩個系統相比，降低0.33%以上，說明本文系統較為穩定可靠。

2.2? 運動訓練效果分析

實驗從反應時間和動作控制精度兩方面對比三個系統的運動訓練效果，結果如圖5所示。分析圖5得到，使用本文系統后，隨著訓練次數的增加，運動員的反應時間由0.48 s降低至0.40 s，動作控制精度由88.46%提升至92.65%。與基于單片機的運動訓練系統相比，使用本文系統后，運動員反應時間降低0.06 s，動作控制精度提升2.85%;與基于無線傳感器的運動訓練系統相比，使用本文系統后，運動員反應時間降低0.07 s，動作控制精度提升2.38%。實驗結果表明，使用本文系統后運動員運動訓練效果提升更為顯著。

2.3? 運動訓練誤差檢測對比

在誤差檢測過程中，準確率和查準率分別表示準確檢測誤差與非誤差的概率和全部被檢測為存在誤差的數據內確實存在誤差的概率，查全率和特異率分別表示全部存在誤差數據內被檢測不存在誤差的概率和不存在誤差數據被檢測準確的概率。實驗對比三個系統在運動訓練誤差檢測上的準確率、查準率、查全率和特異率，結果如表2所示。由表2可得，三個系統檢測指標的趨勢均為查準率最高、查全率最低，這種現象主要是由運動訓練數據集挑選的疏密情況導致的。三個系統中，本文系統的準確率、查準率和特異率是最高的，均達到90%以上，而查全率僅低于基于無線傳感器的運動訓練系統0.73%。實驗結果表明本文系統的運動訓練誤差檢測效果最好。

2.4? 運行效率對比

實驗為測試本文系統的運行效率，對比三個系統的傳輸速度（單位：Kb/s）和傳輸時延（單位：bit/s），結果如表3所示。分析表3得到，本文系統和基于無線傳感器的運動訓練系統傳輸速度高于基于單片機運動訓練系統，但本文系統傳輸速度更穩定，且傳輸時延在三個系統中是最低的。實驗結果表明本文系統具有較高的運行效率。

3? 結? 語

當前運動訓練系統在運動訓練誤差方面考慮不全面，導致運動訓練效果達不到預期目標，針對此問題，本文設計基于機器視覺技術的運動訓練系統。視頻圖像處理模塊利用機器傳感器獲取運動員運動訓練視頻圖像信息，并利用機器傳感技術處理視頻圖像信息，通過運動訓練誤差檢測方法進行運動員運動訓練測量誤差分析，依據分析結果通過成績智能測評模塊對運動情況進行分析、測評，并給出合理化訓練建議。

參考文獻

[1] 彭忠超，戚媛婧，舒斌，等.基于機器視覺的激光器封裝自動對準系統[J].工程設計學報，2017，24（6）：687?693.

[2] LIU Wei， MA Xin， LI Xiao， et al. High?precision pose measurement method in wind tunnels based on laser?aided vision technology [J]. Chinese journal of aeronautics， 2015， 28（4）： 1121?1130.

[3] 王國偉.基于視覺圖像的田徑失誤動作識別仿真[J].計算機仿真，2016，33（4）：274?277.

[4] 滕玉坤，郝穎明，付雙飛，等.基于位置敏感器件的視覺測量系統標定技術[J].機器與光電子學進展，2018，55（8）：304?311.

[5] 邵晴，徐濤，吉野辰萌，等.基于三維機器掃描技術的糧食儲量監測系統的設計與試驗[J].農業工程學報，2015，31（20）：262?267.

[6] 于陶然，王超，唐曉軍，等.基于ZEMAX的二維變焦擴束光學系統設計[J].機器與紅外，2016，46（6）：747?751.

[7] LEE B R， NGUYEN H C. Development of laser?vision system for three?dimensional circle detection and radius measurement [J]. Optik?international journal for light and electron optics， 2015， 126（24）： 5412?5419.

[8] 宋麗梅，楊宏超，魏澤，等.基于高精度輪廓線機器的芯片引腳共面度視覺檢測系統[J].光學技術，2018，44（6）：686?689.

[9] 曹建樹，鐘君，李家政，等.基于LabVIEW的機器超聲管道檢測系統[J].中國測試，2017，43（10）：80?85.

[10] 朱國慶，李慶武，林少飛，等.基于人眼視覺特性的非下采樣輪廓波變換域紅外圖像增強算法[J].機器與光電子學進展，2015，52（1）：49?54.

[11] 閆勇剛，鄧小玲，馬祥，等.人體皮膚彩色視頻誤差分析及一致性提高[J].紅外與機器工程，2016，45（z1）：222?226.

[12] LUO M， SHIN Y C. Estimation of keyhole geometry and prediction of welding defects during laser welding based on a vision system and a radial basis function neural network [J]. International journal of advanced manufacturing technology， 2015， 81（14）： 263?276.

[13] 曾立三，吳伶錫，劉述鋼，等.基于矢量圖形的機器演示系統設計與實現[J].機器與紅外，2016，46（10）：1273?1278.

[14] 劉冉，梁高麗，王姮，等.融合射頻識別和機器信息的動態目標定位[J].電子與信息學報，2018，40（11）：55?62.