黃歆龍 楊蓓蓓

摘 要：由于視覺(jué)分析存在誤差，在高水平足球運(yùn)動(dòng)員人群中，傳統(tǒng)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法存在犯規(guī)動(dòng)作特征提取準(zhǔn)確率低等問(wèn)題.為此，提出基于機(jī)器視覺(jué)的足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法.利用機(jī)器視覺(jué)系統(tǒng)獲取足球運(yùn)動(dòng)員動(dòng)作圖像，基于閾值識(shí)別算法識(shí)別足球運(yùn)動(dòng)員犯規(guī)動(dòng)作，以識(shí)別犯規(guī)動(dòng)作圖像為前提，采用Harris 3D算子建立犯規(guī)動(dòng)作序列勢(shì)函數(shù)，以犯規(guī)動(dòng)作序列勢(shì)函數(shù)為依據(jù)，通過(guò)AdaBoost算法篩選足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征數(shù)據(jù)，以此為訓(xùn)練樣本實(shí)現(xiàn)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取.仿真結(jié)果表明，所提方法在高水平足球運(yùn)動(dòng)員范圍內(nèi)犯規(guī)動(dòng)作識(shí)別準(zhǔn)確率較高，有效降低了識(shí)別的誤差.

關(guān)鍵詞：機(jī)器視覺(jué);足球運(yùn)動(dòng)員;犯規(guī)動(dòng)作;特征提取;閾值識(shí)別算法;Harris 3D算子

中圖分類(lèi)號(hào)：TP843 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1673-260X（2020）06-0049-04

引言

足球競(jìng)賽是世界第一大體育運(yùn)動(dòng)，是一項(xiàng)存在身體接觸、激烈對(duì)抗的體育項(xiàng)目.隨著足球運(yùn)動(dòng)員水平的不斷提升，使攻守雙方矛盾愈加激烈.在足球比賽中，允許運(yùn)動(dòng)員合理利用身體部位控球，但若利用身體部位做出踢人、撞人、拉人、絆人等不合理動(dòng)作，以此獲得攻防空間，上述動(dòng)作即為犯規(guī)動(dòng)作[1].

隨著球技和戰(zhàn)術(shù)水平不斷提升，足球比賽節(jié)奏越來(lái)越快，導(dǎo)致足球比賽中拼搶行為愈加激烈.雙方隊(duì)員身體接觸不斷增多，足球運(yùn)動(dòng)員犯規(guī)動(dòng)作的出現(xiàn)頻率越來(lái)越高，導(dǎo)致運(yùn)動(dòng)員受傷事件屢屢發(fā)生.為了保障足球運(yùn)動(dòng)員身體安全，使其發(fā)揮最高水平，國(guó)際足聯(lián)不斷修改、完善足球比賽規(guī)則.與此同時(shí)，足球比賽激烈程度的增加，為裁判員判斷帶來(lái)了極大挑戰(zhàn).裁判員水平直接影響足球運(yùn)動(dòng)員戰(zhàn)術(shù)水平的發(fā)揮.了解足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征是提升裁判員業(yè)務(wù)水平的有效手段[2].

傳統(tǒng)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法是將犯規(guī)動(dòng)作描述為一連串符號(hào)，分解各個(gè)符號(hào)，識(shí)別犯規(guī)動(dòng)作特征.但該方法在高水平足球運(yùn)動(dòng)比賽中存在犯規(guī)動(dòng)作特征提取準(zhǔn)確率低等問(wèn)題.

為了解決上述問(wèn)題，提出基于機(jī)器視覺(jué)的足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法研究.機(jī)器視覺(jué)是人工智能發(fā)展的一個(gè)分支，利用機(jī)器代替人眼判斷與測(cè)量.主要通過(guò)機(jī)器視覺(jué)產(chǎn)品將目標(biāo)轉(zhuǎn)換為圖像信號(hào)，傳輸給專(zhuān)門(mén)圖像處理系統(tǒng)，將圖像像素的顏色、亮度、分布等轉(zhuǎn)換為數(shù)字化信號(hào)，通過(guò)運(yùn)算提取目標(biāo)特征信息.仿真結(jié)果表明：所提方法可有效提高足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取的準(zhǔn)確率較高，且耗時(shí)較短.

1 足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法研究

1.1 足球運(yùn)動(dòng)員動(dòng)作圖像獲取

獲取足球運(yùn)動(dòng)員動(dòng)作圖像是提取犯規(guī)動(dòng)作特征的前提.由于傳統(tǒng)方法獲取的動(dòng)作圖像視覺(jué)誤差較大，直接影響犯規(guī)動(dòng)作特征提取準(zhǔn)確率.為此，本文利用機(jī)器視覺(jué)系統(tǒng)獲取足球運(yùn)動(dòng)員動(dòng)作圖像.

在機(jī)器視覺(jué)系統(tǒng)中，利用攝像頭獲取足球運(yùn)動(dòng)員動(dòng)作圖像[3].選取OV7670型號(hào)攝像頭實(shí)現(xiàn).OV7670型號(hào)攝像頭是COMOS攝像頭的元件，具備獲取彩色圖像的能力，感光陣列最高可以達(dá)到640*680，傳輸速率最高可達(dá)到30幀/秒.

該攝像頭只有一組并行數(shù)據(jù)口，記為Y[7：0]，通過(guò)數(shù)據(jù)口讀取動(dòng)作圖像像素值，以并行方式獲取足球運(yùn)動(dòng)員動(dòng)作圖像.配合OV7670型號(hào)攝像頭獲取圖像的元件為PL與PS，依據(jù)行中斷與場(chǎng)中斷判斷數(shù)據(jù)完整度[4].利用VGA接口顯示足球運(yùn)動(dòng)員動(dòng)作圖像，VGA時(shí)序如圖1所示.

其中，Data表示動(dòng)作圖像信息列;HSYNC與VSYNC表示信號(hào)列與信號(hào)行;（a）、（b）、（c）、（d）與（e）分別表示HSYNC信號(hào)列同步段、后廊段、激活段、前廊段以及列元素?cái)?shù)量;（o）、（p）、（q）、（r）與（s）分別表示VSYNC信號(hào)行同步段、后廊段、激活段、前廊段以及行元素?cái)?shù)量.

動(dòng)作圖像信號(hào)列與信號(hào)行每段像素元素?cái)?shù)量情況如表1所示.

1.2 犯規(guī)動(dòng)作識(shí)別

在獲取的足球運(yùn)動(dòng)員動(dòng)作圖像基礎(chǔ)上，基于閾值識(shí)別算法識(shí)別足球運(yùn)動(dòng)員犯規(guī)動(dòng)作，為犯規(guī)動(dòng)作序列勢(shì)函數(shù)建立做準(zhǔn)備.

足球比賽中會(huì)突發(fā)較多復(fù)雜情況，導(dǎo)致運(yùn)動(dòng)員動(dòng)作圖像存在復(fù)雜背景.為此，采用閾值識(shí)別算法識(shí)別犯規(guī)動(dòng)作，步驟如下：

步驟一：假設(shè)動(dòng)作圖像有效像素點(diǎn)數(shù)量為Ne，動(dòng)作圖像為矩陣，四個(gè)點(diǎn)坐標(biāo)為A（x1，y1）、B（x2，y2）、 C（x3，y3）與D（x4，y4），參數(shù)P、S計(jì)算公式為

P=（x2-x1）/（y3-y1），S=（x2-x1）*（y3-y1）. ?（1）

步驟二：在犯規(guī)動(dòng)作識(shí)別過(guò)程中，若像素點(diǎn)值大于識(shí)別閾值A(chǔ)，Ne+1.

步驟三：若像素點(diǎn)不存在規(guī)定范圍內(nèi)，更新坐標(biāo)，擴(kuò)大搜索區(qū)域.

步驟四：掃描完畢，獲取Ne和識(shí)別目標(biāo).

步驟五：計(jì)算目標(biāo)區(qū)域長(zhǎng)寬比，與識(shí)別閾值相比較，若長(zhǎng)寬比|1-P|小于A，轉(zhuǎn)至步驟六.

步驟六：計(jì)算目標(biāo)區(qū)域大小，得到目標(biāo)面積與圖像面積比M=Ne/S，相較于識(shí)別閾值A(chǔ)，若|0.785-M|

步驟七：輸出規(guī)范動(dòng)作識(shí)別失敗.

1.3 犯規(guī)動(dòng)作序列勢(shì)函數(shù)建立

在犯規(guī)動(dòng)作識(shí)別結(jié)果前提下，采用Harris3D算子建立犯規(guī)動(dòng)作序列勢(shì)函數(shù)，為犯規(guī)動(dòng)作特征提取提供支撐[5].

利用Harris3D算子挖掘犯規(guī)動(dòng)作，提取圖像中每個(gè)不同犯規(guī)動(dòng)作的時(shí)空興趣點(diǎn)，獲取梯度直方圖與流光方向直方圖特征，將其分別劃分為72維與90維.融合梯度直方圖與流光方向直方圖，獲得一個(gè)162維特征向量，構(gòu)成犯規(guī)動(dòng)作的底層特征.選取足球運(yùn)動(dòng)員關(guān)鍵骨架點(diǎn)，記為（xzi，yzi）.依據(jù)人體構(gòu)造特點(diǎn)，將足球運(yùn)動(dòng)員身體劃分為肩部、左、右胳膊、左、右腿部、左、右腳七個(gè)局部參考點(diǎn)，記為（ai，bi）.

犯規(guī)動(dòng)作每個(gè)時(shí)空興趣點(diǎn)與局部參考中心點(diǎn)的最短歐式距離為：

n=， ? （2）

其中，n表示局部參考中心人體范圍標(biāo)記，稱(chēng)其為時(shí)空興趣點(diǎn)范圍，將其依據(jù)局部參考點(diǎn)劃分為7個(gè)區(qū)域;（xj，yj）表示每個(gè)時(shí)空興趣點(diǎn).

將犯規(guī)動(dòng)作定勢(shì)時(shí)空興趣點(diǎn)劃分為三個(gè)層級(jí)，具體劃分結(jié)果如表2所示.

采用K-means聚類(lèi)底層犯規(guī)動(dòng)作特征，聚類(lèi)中心個(gè)數(shù)為K，獲得K×162維犯規(guī)動(dòng)作圖像.同時(shí)產(chǎn)生三個(gè)層級(jí)七個(gè)區(qū)域的犯規(guī)動(dòng)作圖像，將每個(gè)區(qū)域中犯規(guī)動(dòng)作定勢(shì)持續(xù)的T幀定義為一個(gè)犯規(guī)動(dòng)作的時(shí)空動(dòng)作模塊，該模塊表示足球運(yùn)動(dòng)員某一部分犯規(guī)動(dòng)作特征[6，7].連接兩個(gè)犯規(guī)動(dòng)作圖像單元重疊幀數(shù)為T(mén)/2幀，將每個(gè)犯規(guī)動(dòng)作圖像中所有動(dòng)作單元進(jìn)行有機(jī)合成，得到一個(gè)具有長(zhǎng)度的時(shí)空犯規(guī)動(dòng)作單元序列.

經(jīng)過(guò)K-means聚類(lèi)得到犯規(guī)動(dòng)作數(shù)據(jù)集，犯規(guī)動(dòng)作圖像呼應(yīng)BOW特征表示為

fp=， ?（3）

其中，fp表示犯規(guī)動(dòng)作圖像p呼應(yīng)的BOW特征;Kn表示n范圍內(nèi)聚類(lèi)中心個(gè)數(shù);N表示犯規(guī)動(dòng)作圖像時(shí)空單元序列長(zhǎng)度.

前期融合BOW特征，融合公式為

Fp=Kn×N， ?（4）

其中，F(xiàn)p表示犯規(guī)動(dòng)作圖像對(duì)應(yīng)層級(jí)內(nèi)每區(qū)域的融合特征.

依據(jù)公式（4）構(gòu)建足球運(yùn)動(dòng)員犯規(guī)動(dòng)作圖像條件概率模型[8]，表達(dá)式為：

P（Y，h/X，）={Xi}ti=1*Fp×， （5）

其中，Y表示序列標(biāo)記;h表示層級(jí);X即{Xi}ti=1，表示任意犯規(guī)動(dòng)作序列;？茲表示常數(shù);？漬（Y，h，X）表示犯規(guī)動(dòng)作序列勢(shì)函數(shù).

足球運(yùn)動(dòng)員犯規(guī)動(dòng)作具有自身的變化規(guī)律，在公式（5）基礎(chǔ)上，計(jì)算不同層級(jí)犯規(guī)動(dòng)作序列勢(shì)函數(shù)為：

其中，？漬1（Xj，hj）表示隱變量節(jié)點(diǎn)與預(yù)測(cè)節(jié)點(diǎn)之間關(guān)系;？漬2（Y，hj）表示隱變量節(jié)點(diǎn)與序列標(biāo)點(diǎn)關(guān)系.當(dāng)hj是犯規(guī)動(dòng)作圖像隱節(jié)點(diǎn)，并屬于Y犯規(guī)動(dòng)作定勢(shì)類(lèi)別，此時(shí)勢(shì)函數(shù)為1，反之則勢(shì)函數(shù)為0; ？漬3（Y，hj，hk）表示隱變量節(jié)點(diǎn)邊與序列標(biāo)記之間關(guān)系.當(dāng)hj到hk犯規(guī)動(dòng)作轉(zhuǎn)換后符合Y轉(zhuǎn)化進(jìn)程時(shí)，此時(shí)勢(shì)函數(shù)為1，反之則勢(shì)函數(shù)為0.

1.4 犯規(guī)動(dòng)作特征提取

在犯規(guī)動(dòng)作序列勢(shì)函數(shù)基礎(chǔ)上，通過(guò)AdaBoost算法[10]篩選足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征數(shù)據(jù)，以此為訓(xùn)練樣本進(jìn)行訓(xùn)練與識(shí)別，實(shí)現(xiàn)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取.

假設(shè)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作圖像訓(xùn)練樣本集為（x1，y1），…（xi，yi），…（xN，yN），其中，xi表示犯規(guī)動(dòng)作圖像樣本數(shù)據(jù);yi表示犯規(guī)動(dòng)作圖像樣本標(biāo)記.在訓(xùn)練樣本N中任意選取犯規(guī)動(dòng)作樣本數(shù)據(jù)作為已知樣本，以AdaBoost算法作為弱分類(lèi)器，獲取訓(xùn)練樣本假設(shè)條件，以？漬（Y，h，X）為依據(jù)，計(jì)算足球運(yùn)動(dòng)員犯規(guī)動(dòng)作圖像樣本錯(cuò)誤率，得到：

其中，？著t表示樣本錯(cuò)誤率.

依據(jù)公式（7）計(jì)算結(jié)果，將提取犯規(guī)動(dòng)作特征標(biāo)記為1，其余標(biāo)記為-1.通過(guò)迭代構(gòu)建足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取模型，模型表示為：

其中，di表示犯規(guī)動(dòng)作序列中第i個(gè)特征數(shù)據(jù);C（dj）表示訓(xùn)練樣本中第j個(gè)犯規(guī)動(dòng)作特征數(shù)據(jù)所屬類(lèi)別.

依據(jù)公式（8）實(shí)現(xiàn)基于機(jī)器視覺(jué)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取.

2 實(shí)驗(yàn)分析

為了驗(yàn)證提出方法的性能，設(shè)計(jì)仿真對(duì)比測(cè)試.通過(guò)對(duì)比本文方法、基于Halcon的足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法與基于FVRTS平臺(tái)的足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法進(jìn)行實(shí)驗(yàn)分析.

2.1 實(shí)驗(yàn)環(huán)境及參數(shù)

為了保障測(cè)試結(jié)果公正性，設(shè)置犯規(guī)動(dòng)作捕捉測(cè)試室，安裝三個(gè)攝像頭獲取動(dòng)作圖，機(jī)器視覺(jué)系統(tǒng)OV7670型號(hào)攝像頭參數(shù)設(shè)置情況如表3所示.

2.2 實(shí)驗(yàn)結(jié)果分析

2.2.1 不同方法犯規(guī)動(dòng)作特征提取準(zhǔn)確率分析

犯規(guī)動(dòng)作識(shí)別參數(shù)間接影響犯規(guī)動(dòng)作特征提取準(zhǔn)確率，犯規(guī)動(dòng)作識(shí)別參數(shù)越大，表明特征提取準(zhǔn)確率越高.通過(guò)測(cè)試得到犯規(guī)動(dòng)作識(shí)別參數(shù)，實(shí)驗(yàn)結(jié)果如表4所示.

分析表4數(shù)據(jù)可知，提出方法犯規(guī)動(dòng)作識(shí)別參數(shù)范圍為9.02-10.23;傳統(tǒng)代表方法犯規(guī)動(dòng)作識(shí)別參數(shù)范圍分別為3.98-5.12與5.12-6.94.相比之下，提出方法的犯規(guī)動(dòng)作識(shí)別參數(shù)遠(yuǎn)高于傳統(tǒng)識(shí)別方法.這是由于所提方法對(duì)犯規(guī)圖像進(jìn)行特征提取，為犯規(guī)動(dòng)作序列建立勢(shì)函數(shù)，對(duì)其進(jìn)行了更為詳細(xì)的分析，進(jìn)而提高了所提方法犯規(guī)動(dòng)作識(shí)別準(zhǔn)確率.

2.2.2 不同方法識(shí)別穩(wěn)定性分析

識(shí)別方法穩(wěn)定性直接影響特征提取的準(zhǔn)確率，為此利用盒須圖比較提出方法與傳統(tǒng)代表方法的穩(wěn)定性.盒須圖的上下兩個(gè)端點(diǎn)表示穩(wěn)定性參數(shù)最大值與最小值;上下兩邊表示不考慮誤差的穩(wěn)定性參數(shù)最大值與最小值;紅線(xiàn)表示穩(wěn)定性參數(shù)平均值.對(duì)比結(jié)果如圖2所示.

分析圖3可知，本文方法的穩(wěn)定性參數(shù)最大值與最小值均較為穩(wěn)定，而其他兩種方法的穩(wěn)定性參數(shù)最大值與最小值存在一定波動(dòng).驗(yàn)證了本文方法進(jìn)行特征識(shí)別的穩(wěn)定性較好.

3 結(jié)束語(yǔ)

本文提出基于機(jī)器視覺(jué)的足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征提取方法，通過(guò)對(duì)圖像的獲取并分析圖像的特征等，完成了足球運(yùn)動(dòng)員犯規(guī)動(dòng)作特征的提取.仿真結(jié)果表明：本文方法可有效對(duì)足球運(yùn)動(dòng)員犯規(guī)動(dòng)作進(jìn)行識(shí)別，且犯規(guī)動(dòng)作識(shí)別參數(shù)較大，具有一定實(shí)際意義.

參考文獻(xiàn)：

〔1〕辛松和.我國(guó)職業(yè)足球運(yùn)動(dòng)員轉(zhuǎn)會(huì)的委托代理關(guān)系及其特點(diǎn)[J].吉林體育學(xué)院學(xué)報(bào)，2018，34（02）：7-10.

〔2〕楊映紅，陳峰，陳海春.福建省足球運(yùn)動(dòng)員核心肌群穩(wěn)定控制能力研究[J].體育科學(xué)研究，2018，22（01）：71-76.

〔3〕陳廷標(biāo).中職院校足球隊(duì)?wèi)?zhàn)術(shù)訓(xùn)練方案設(shè)計(jì)與作用研究[J].開(kāi)封教育學(xué)院學(xué)報(bào)，2019，39（02）：153-154.

〔4〕王思樂(lè)，王銘羽，楊文柱，等.基于時(shí)空加權(quán)的多特征融合動(dòng)作識(shí)別算法[J].河北大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，39（01）：93-98.

〔5〕李丹，白國(guó)君，金媛媛，等.基于機(jī)器視覺(jué)的包裝袋缺陷檢測(cè)算法研究與應(yīng)用[J].激光與光電子學(xué)進(jìn)展，2019，56（09）：180-186.

〔6〕胡佳貝，劉喆，張鵬飛，等.基于離散Morse理論的散亂點(diǎn)云特征提取[J].光學(xué)學(xué)報(bào)，2019，39（06）：224-233.

〔7〕曹景勝，李剛，石晶，等.基于類(lèi)Haar特征和自適應(yīng)提升算法的前車(chē)識(shí)別[J].科學(xué)技術(shù)與工程，2019，19（07）：161-165.

〔8〕何冰倩，魏維，宋巖貝，等.融合時(shí)空興趣點(diǎn)和多元廣義高斯混合模型的人體動(dòng)作識(shí)別[J].成都信息工程大學(xué)學(xué)報(bào)，2019，34（04）：358-364.

〔9〕吳暉輝，曾憲榮，賴(lài)燕君，等.基于機(jī)器視覺(jué)的線(xiàn)束連接器字符檢測(cè)[J].測(cè)試技術(shù)學(xué)報(bào)，2018，32（02）：174-179.

〔10〕都明宇，王志恒，荀一，等.多模式人手動(dòng)作分類(lèi)識(shí)別方法[J].中國(guó)機(jī)械工程，2019，30（12）：1474-1479.