劉猛猛

摘 要： 針對傳統(tǒng)的武術(shù)套路分解過程中動作分解模式識別時，存在動作無法連續(xù)識別缺少細(xì)節(jié)特征的問題，提出武術(shù)套路動作分解過程中，使用NReJ3D技術(shù)對模式識別方法進(jìn)行優(yōu)化。通過分析識別結(jié)構(gòu)框架，引入NReJ3D技術(shù)對人體細(xì)節(jié)特征進(jìn)行采集，通過嵌入映射分析為模式匹配程度分析提供依據(jù)，利用低維運動空間實現(xiàn)模式匹配識別，實現(xiàn)模式識別方法的優(yōu)化。通過實驗結(jié)果表明，改進(jìn)識別方法能對連續(xù)動作進(jìn)行高清晰度識別，細(xì)節(jié)特征提取較多，具有一定優(yōu)勢。

關(guān)鍵詞： 武術(shù)套路； 動作分解； 模式識別； 細(xì)節(jié)特征； 特征采集； 低維運動空間

中圖分類號： TN911?34； TP393 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2018）08?0171?03

Abstract： In allusion to the problems that the continuous actions cannot be recognized and it lacks detail features in the traditional pattern recognition of action decomposition during the decomposition process of Wushu routines， the idea of using NReJ3D technology to optimize the pattern recognition method during the action decomposition process of Wushu routines is proposed. NReJ3D technology is introduced to collect the detail features of human body by analyzing and recognizing structure framework. Map analysis is embedded to provide the basis for analysis of pattern matching degree. Low dimensional motion space is used to realize the pattern matching recognition and optimization of pattern recognition method. The experimental results show that the improved recognition method can recognize the continuous actions with high resolution and extract more detail features， which has certain advantages.

Keywords： Wushu routine； action decomposition； pattern recognition； detail feature； feature acquisition； low dimensional motion space

武術(shù)套路動作分解過程中，傳統(tǒng)動作模式識別方法使用RGB圖像的形式進(jìn)行識別，識別內(nèi)容包含動作信息以及武術(shù)套路，但傳統(tǒng)方法對光線的變化、視角位置、動作頻率等因素很敏感[1]。人體呈現(xiàn)鏈?zhǔn)浇Y(jié)構(gòu)時，武術(shù)套路動作特點往往表現(xiàn)在關(guān)節(jié)位置的變化上，由于識別方法的限制，很大程度上不能對連續(xù)動作進(jìn)行識別[2]。傳統(tǒng)識別方法在低維運動空間里人體動作識別計算難度很高，模式識別的有效性不足45%。雖然在低維運動空間里描述人體運動需要復(fù)雜的動態(tài)數(shù)據(jù)，但是武術(shù)套路動作會受限于運動力學(xué)的影響。針對上述背景，本文提出武術(shù)套路動作分解過程的模式識別方法，對低維運動空間下人體動作識別結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計，能夠有效解決傳統(tǒng)模式識別方法中角度、光感等因素的限制。利用NReJ3D技術(shù)作為人體細(xì)節(jié)特征表達(dá)方式，能夠?qū)?xì)節(jié)變化保持較高的敏感度，對嵌入方式進(jìn)行重新優(yōu)化，達(dá)到低維運動空間映射的連續(xù)性，以此解決傳統(tǒng)方法無法連續(xù)識別的問題。為了驗證本文提出的模式識別方法的有效性，模擬應(yīng)用過程進(jìn)行試驗，用傳統(tǒng)模式識別方法與本文識別方法相比較，通過實驗結(jié)果表明，本文提出武術(shù)套路動作分解過程的模式識別方法，能對連續(xù)武術(shù)套路動作進(jìn)行識別，具有較高的細(xì)節(jié)刻畫能力。

1 武術(shù)動作模式識別框架優(yōu)化設(shè)計

本文對模式識別框架進(jìn)行優(yōu)化設(shè)計，使用自身反饋的形式進(jìn)行優(yōu)化，改變傳統(tǒng)順勢性識別模式，利用模塊自身特點進(jìn)行識別分析[3]。本文設(shè)計武術(shù)動作模式識別框架如圖1所示。

1.1 基于NReJ3D技術(shù)的動作特征采集

本文使用NReJ3D技術(shù)進(jìn)行細(xì)節(jié)上的模式識別以及細(xì)微動作表達(dá)。由于武術(shù)套路動作在低維度運動空間里的變化，往往表現(xiàn)在關(guān)節(jié)位置的變化上。關(guān)節(jié)之間反差往往體現(xiàn)在關(guān)節(jié)角度以及相對位置的變化。NReJ3D技術(shù)的特征表達(dá)方式是使用多個節(jié)點數(shù)據(jù)進(jìn)行細(xì)節(jié)描述，節(jié)點數(shù)據(jù)所描述的信息往往大于直接用3D節(jié)點數(shù)據(jù)的特征表達(dá)形式[4]，比如抬動左腿和抬動右腿。如果直接用傳統(tǒng)表達(dá)方法，抬動左腿需要使用17個3D節(jié)點數(shù)據(jù)進(jìn)行動作套路特征表達(dá)；抬動右腿需要使用20個3D節(jié)點數(shù)據(jù)進(jìn)行動作套路特征的表達(dá)，抬動左腿和抬動右腿的實際差別僅是3個數(shù)據(jù)節(jié)點[5]。其余的數(shù)據(jù)節(jié)點信息沒有發(fā)生實質(zhì)性變化，這樣很難識別出細(xì)節(jié)的動作。使用NReJ3D技術(shù)能把節(jié)點數(shù)據(jù)轉(zhuǎn)變?yōu)槊枋鲂怨?jié)點數(shù)據(jù)，有一個描述性數(shù)據(jù)發(fā)生變化，可能是維度和角度的多重變化。

本文導(dǎo)入NReJ3D技術(shù)，從武術(shù)套路動作分解數(shù)據(jù)中得到3D節(jié)點數(shù)據(jù)，使用描述性數(shù)據(jù)對3D節(jié)點數(shù)據(jù)進(jìn)行描述，整個描述過程中對動作細(xì)微變化進(jìn)行表達(dá)，能準(zhǔn)確識別動作細(xì)微變化。使用NReJ3D技術(shù)進(jìn)行動作特征表達(dá)時，首先需要對武術(shù)套路動作進(jìn)行特征分析，將人體轉(zhuǎn)變成為一個剛性連接的方位移動變量[6]。能描述動作的平移、縮放及多維度變化，且可以無視角度變化以及光線變化。假設(shè)武術(shù)套路動作在時刻[t]下，利用NReJ3D技術(shù)所描述的節(jié)點數(shù)據(jù)為[i]，在三維坐標(biāo)[xit，yit，zit]中，以人體的非變化區(qū)域為中心，對動態(tài)數(shù)據(jù)節(jié)點[h]變化進(jìn)行描述。其中描述節(jié)點滿足[ii≠h]條件時，可以把動態(tài)數(shù)據(jù)節(jié)點[h]的數(shù)據(jù)變化差作為動態(tài)特征的一部分，即：

1.2 嵌入映射

經(jīng)過上述NReJ3D技術(shù)處理后的武術(shù)套路動作，能夠在低維運動空間里把動作序列有效地映射到數(shù)據(jù)維度空間去[7]。但是傳統(tǒng)的映射方法無法映射出本文引入NReJ3D技術(shù)處理后的節(jié)點數(shù)據(jù)。需要對嵌入映射過程進(jìn)行修訂。在實際操作中，選擇原有的武術(shù)套路動作三維數(shù)據(jù)集以及描述多維動作數(shù)據(jù)集放在一起重新進(jìn)行嵌入式導(dǎo)入。但武術(shù)套路動作三維數(shù)據(jù)集中包含的數(shù)據(jù)量過于龐大，因此本文使用Roweis嵌入的方式，進(jìn)行嵌入映射計算。

通常狀態(tài)下，對于一個武術(shù)動作的測試點[y]來說，本文使用三個步驟計算，便可以將映射嵌入低維運動空間里對應(yīng)位置[x]上。在描述多維動作數(shù)據(jù)集中，找到與武術(shù)動作的測試點[y]最近的k個識別映射點，假設(shè)識別映射個數(shù)為[yii=1，2，…，k]，然后計算器對應(yīng)的多維權(quán)重值[wj]，并對其進(jìn)行導(dǎo)入處理[8]。由于[y]的k個近鄰點[yii=1，2，…，k]，動作在低維運動空間里所對應(yīng)的點分配映射為[xii=1，2，…，k]，那么可以說[y]在低維運動空間里所對應(yīng)的識別映射為[x=xiwi，i=1，2，…，k]，至此完成嵌入映射過程。

1.3 模式匹配程度分析

經(jīng)過上述的NReJ3D技術(shù)處理以及嵌入映射，武術(shù)套路動作基本已經(jīng)識別完成，將相似度高的兩個武術(shù)套路動作進(jìn)行匹配識別。測定識別動作數(shù)據(jù)與武術(shù)套路數(shù)據(jù)集相似度，在低維運動空間里實現(xiàn)匹配識別。本文使用Hausdorff比對方式進(jìn)行度量（由在低維運動空間下，假設(shè)所有識別匹配動作點與每個武術(shù)套路運動模式匹配過程是均值狀態(tài)），即：

2 實驗分析

2.1 實驗參數(shù)設(shè)計

本文實驗對象為模式識別方法，通過量化后的數(shù)據(jù)無法實現(xiàn)對比，需采用描述性數(shù)據(jù)進(jìn)行對比。使用描述性數(shù)據(jù)必須對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)設(shè)定，本文對人體進(jìn)行數(shù)據(jù)分解設(shè)置，實驗參數(shù)如表1所示。

2.2 實驗結(jié)果分析

實驗過程分別選取兩項肌肉模式識別數(shù)據(jù)，兩項關(guān)節(jié)轉(zhuǎn)變識別數(shù)據(jù)，實驗識別結(jié)果見圖2。從圖2中能夠清晰識別肌肉的變化情況，并且具有一定的細(xì)節(jié)刻畫能力。

圖2為本文識別方法與傳統(tǒng)識別方法在關(guān)節(jié)上的對比結(jié)果，傳統(tǒng)方法下，可看出關(guān)節(jié)大致變化趨勢，但非聯(lián)動性關(guān)節(jié)表現(xiàn)力不清[10]。本文使用NReJ3D技術(shù)對關(guān)節(jié)的細(xì)節(jié)進(jìn)行重點刻畫，能夠清晰地看清每個關(guān)節(jié)的趨勢變化。

圖3為SGY環(huán)幀率對比結(jié)果。SGY環(huán)幀率與識別精準(zhǔn)度成正比關(guān)系，SGY環(huán)幀率越高說明識別精準(zhǔn)率越高。通過圖3可知，雖然傳統(tǒng)方法開始略好于本文提出的識別方法，但后續(xù)的實驗過程中，沒有高于本文提出的方法，為此本文提出的識別方法更具有識別能力。

3 結(jié) 語

本文提出武術(shù)套路動作分解過程的模式識別方法。重新設(shè)計識別結(jié)構(gòu)框架，利用NReJ3D技術(shù)對人體細(xì)節(jié)進(jìn)行描述性的表達(dá)，對嵌入式映射過程重新設(shè)計，實現(xiàn)動作連續(xù)性識別表達(dá)，利用低維運動空間實現(xiàn)模式匹配識別。希望通過本文的研究能夠提升武術(shù)套路動作分解過程的模式識別能力。

參考文獻(xiàn)

[1] 阮羚，李成華，宿磊，等.基于奇異值分解的局部放電模式識別方法[J].電工技術(shù)學(xué)報，2015，30（18）：223?228.

RUAN Ling， LI Chenghua， SU Lei， et al. Pattern recognition for partial discharging using singular value decomposition [J]. Transactions of China electrotechnical society， 2015， 30（18）： 223?228.

[2] 王俊峰.基于圖像識別的武術(shù)動作分解方法研究[J].現(xiàn)代電子技術(shù)，2017，40（15）：33?36.

WANG Junfeng. Research on Wushu movement decomposition method based on image recognition [J]. Modern electronics technique， 2017， 40（15）： 33?36.

[3] 田潤鋒.武術(shù)套路動作節(jié)奏學(xué)習(xí)方法探究[J].青少年體育，2016，31（12）：36?37.

TIAN Runfeng. Inquiry learning method of Wushu movement rhythm [J]. Youth sports， 2016， 31（12）： 36?37.

[4] 律方成，謝軍，李敏，等.局部放電稀疏分解模式識別方法[J].中國電機(jī)工程學(xué)報，2016（10）：2836?2845.

L? Fangcheng， XIE Jun， LI Min， et al. Partial discharge sparse decomposition pattern recognition method [J]. Proceedings of the CSEE， 2016（10）： 2836?2845.

[5] 孟巧玲，易金花，喻洪流，等.基于肌音信號的上肢康復(fù)訓(xùn)練動作模式識別方法[J].中華物理醫(yī)學(xué)與康復(fù)雜志，2015，37（11）：876?878.

MENG Qiaoling， YI Jinhua， YU Hongliu， et al. Action pattern recognition method of upper limb rehabilitation training based on muscle tone [J]. Chinese journal of physical medicine and rehabilitation， 2015， 37（11）： 876?878.

[6] 劉玉敏，周昊飛.基于多特征的PSO?MSVM動態(tài)過程質(zhì)量異常模式識別[J].計算機(jī)應(yīng)用研究，2015，32（3）：713?716.

LIU Yumin， ZHOU Haofei. Recognition of quality abnormal patterns for dynamic process based on multi?features with PSO?MSVM [J]. Application research of computers， 2015， 32（3）： 713?716.

[7] 趙漫丹，郝向陽，張振杰.一種基于層級分類策略的復(fù)雜模式識別方法[J].計算機(jī)應(yīng)用研究，2016，33（8）：2320?2323.

ZHAO Mandan， HAO Xiangyang， ZHANG Zhenjie. Method of complicated pattern recognition based on hierarchical classification strategy [J]. Application research of computers， 2016， 33（8）： 2320?2323.

[8] 韓雪.武術(shù)動作分析及能量轉(zhuǎn)化模型的應(yīng)用[J].中學(xué)物理教學(xué)參考，2015（24）：66?67.

HAN Xue. Analysis of Wushu movements and application of energy transformation model [J]. Teaching reference of middle school physics， 2015（24）： 66?67.

[9] 宋偉，劉玉萍，王麗娜.高水平競技武術(shù)套路比賽運動員技術(shù)特征分析[J].北京體育大學(xué)學(xué)報，2015（5）：135?140.

SONG Wei， LIU Yuping， WANG Lina. Analysis of high level Wushu competition athletes′ technical characteristics [J]. Journal of Beijing University of Physical Education， 2015（5）： 135?140.

[10] 劉和臣.運動員動作三維視覺圖像準(zhǔn)確識別仿真研究[J].計算機(jī)仿真，2016，33（8）：369?372.

LIU Hechen. Athletes action three?dimensional visual images accurately identify simulation research [J]. Computer simulation， 2016， 33（8）： 369?372.