謝曉冰　徐立彬

摘 要：為了提高健美操難度動(dòng)作訓(xùn)練的有效性，需要進(jìn)行健美操難度動(dòng)作圖像的軌跡分析和定位，提出基于邊緣輪廓特征檢測(cè)的健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位方法.構(gòu)建健美操難度動(dòng)作圖像的視覺(jué)空間采樣模型，采用空間分塊區(qū)域規(guī)劃方法進(jìn)行健美操難度動(dòng)作圖像的手臂弧度動(dòng)作空間規(guī)劃，建立健美操難度動(dòng)作圖像的手臂區(qū)域定姿模型，通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，實(shí)現(xiàn)健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位.仿真結(jié)果表明，采用該方法進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡定位的精度較高，空間定姿能力較強(qiáng)，在健美操訓(xùn)練指導(dǎo)中具有很好的應(yīng)用價(jià)值.

關(guān)鍵詞：健美操;難度動(dòng)作;圖像;手臂弧度;軌跡;自動(dòng)定位

中圖分類號(hào)：G831;TP391? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2020）03-0082-04

隨著健美操運(yùn)動(dòng)的發(fā)展，對(duì)健美操的運(yùn)動(dòng)難度提出了更高的要求，需要構(gòu)建健美操難度動(dòng)作圖像手臂弧度軌跡規(guī)劃模型，結(jié)合對(duì)健美操難度動(dòng)作圖像的智能技能分析結(jié)果，進(jìn)行健美操難度動(dòng)作圖像分析，提高健美操的運(yùn)動(dòng)規(guī)劃能力，相關(guān)的健美操難度動(dòng)作圖像手臂弧度軌跡定位方法研究受到人們的極大關(guān)注[1].對(duì)健美操難度動(dòng)作圖像手臂弧度軌跡定位是建立在對(duì)圖像的自動(dòng)處理基礎(chǔ)上，采用智能計(jì)算機(jī)信息處理技術(shù)，結(jié)合空間視覺(jué)特征分析方法，進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡定位，通過(guò)模糊信息融合和軌跡自動(dòng)定位控制，進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡規(guī)劃[2]，指導(dǎo)健美操難度動(dòng)作的訓(xùn)練和改進(jìn)，相關(guān)的健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位方法研究受到人們的極大關(guān)注[3].本文提出基于邊緣輪廓特征檢測(cè)的健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位方法.首先構(gòu)建健美操難度動(dòng)作圖像的視覺(jué)空間采樣模型，通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，實(shí)現(xiàn)健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位，最后進(jìn)行仿真測(cè)試分析，得出有效性結(jié)論.

1 健美操難度動(dòng)作圖像的視覺(jué)空間采樣及特征提取

1.1 健美操難度動(dòng)作圖像的視覺(jué)空間采樣

為了實(shí)現(xiàn)健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位，需要首先構(gòu)建健美操難度動(dòng)作視覺(jué)圖像三維可視化表面重建模型，結(jié)合健美操難度動(dòng)作視覺(jué)特征采樣結(jié)果，進(jìn)行健美操難度動(dòng)作視覺(jué)特征分析，通過(guò)空間視覺(jué)信息規(guī)劃的方法，進(jìn)行健美操難度動(dòng)作視覺(jué)特征分析[4]，假設(shè)健美操難度動(dòng)作視覺(jué)圖像的邊緣輪廓長(zhǎng)度為L(zhǎng)=xmax-xmin，健美操難度動(dòng)作視覺(jué)成像分布空間區(qū)域的寬度為W=ymax-ymin，結(jié)合模糊邊緣區(qū)域重構(gòu)方法，進(jìn)行健美操難度動(dòng)作視覺(jué)特征分析，建立健美操難度動(dòng)作的手臂弧度軌跡運(yùn)動(dòng)學(xué)模型[5]，得到健美操難度動(dòng)作圖像的手臂弧的空間分布像素序列為：

其中，m為輪廓曲線的空間采樣延遲，結(jié)合模糊信息融合跟蹤識(shí)別方法，進(jìn)行手臂弧度的軌跡自動(dòng)定位.

構(gòu)建健美操難度動(dòng)作圖像的視覺(jué)空間采樣模型，采用空間分塊區(qū)域規(guī)劃方法進(jìn)行健美操難度動(dòng)作圖像的手臂弧度動(dòng)作空間規(guī)劃[6]，得到健美操難度動(dòng)作視覺(jué)圖像的灰度特征解為x（P（An））={X（sj）}，j=1，2，…，N，采用三維可視化表面可視化分析方法，進(jìn)行動(dòng)作分類，采用C均值聚類分析的方法，得到健美操難度動(dòng)作圖像的邊緣輪廓特征分布集，采用手臂弧度的軌跡自動(dòng)定位重組方法，進(jìn)行健美操難度動(dòng)作的區(qū)域特征重組，根據(jù)健美操難度動(dòng)作樣本序列進(jìn)行尺度分解，在尺度系數(shù)？滓（n）的約束下，進(jìn)行健美操難度動(dòng)作視覺(jué)圖像的視覺(jué)跟蹤和分塊匹配，健美操難度動(dòng)作圖像的手臂弧度軌跡自動(dòng)定位輸出為：

其中，e和e為健美操難度動(dòng)作跟蹤目標(biāo)域的分量，模板匹配大小為N1×N2，健美操難度動(dòng)作視覺(jué)圖像的標(biāo)準(zhǔn)測(cè)試集為：

其中，||sj||表示sj中健美操難度動(dòng)作圖像的相似度，結(jié)合模板匹配方法，進(jìn)行健美操難度動(dòng)作視覺(jué)圖像的軌跡跟蹤識(shí)別，根據(jù)規(guī)則化的量化特征分析結(jié)果，進(jìn)行健美操難度動(dòng)作視覺(jué)圖像的手臂弧度軌跡自動(dòng)定位[7].

1.2 健美操難度動(dòng)作圖像特征提取

構(gòu)建健美操難度動(dòng)作視覺(jué)圖像的稀疏性特征分割模型，得到健美操難度動(dòng)作視覺(jué)圖像的三維結(jié)構(gòu)分布式重組模型，采用向量量化檢測(cè)的方法，進(jìn)行健美操難度動(dòng)作的量化分布重組[8]，得到特征重組值為（x，y）=F（x，y）+（1-？茁）ml，其中F（x，y）為健美操難度動(dòng)作視覺(jué)像素序列在（x，y）點(diǎn)的統(tǒng)計(jì)特征量，ml為第k個(gè)健美操難度動(dòng)作視覺(jué)圖像的空間嵌入維數(shù)，設(shè)l2為局部方差，？啄？濁2為健美操難度動(dòng)作圖像手臂弧度軌跡特征分布分量，？茁=max[，0].按照（16：4：4）的比例進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡分布式重構(gòu)，在非均勻量化集中進(jìn)行健美操難度動(dòng)作視覺(jué)跟蹤，得到視覺(jué)跟蹤的特征匹配值：

其中r和θ為健美操難度動(dòng)作圖像手臂弧度軌跡分布的方位和方差，通過(guò)協(xié)方差矩陣構(gòu)造的方法，健美操難度動(dòng)作圖像手臂弧度軌跡跟蹤的模板函數(shù)為m（x，y）∈{-1，0，1}，對(duì)健美操難度動(dòng)作圖像手臂弧度軌跡定位的特征分量為：

其中，r為健美操難度動(dòng)作圖像的抽樣閾值，0≤r≤1.當(dāng)前抽樣數(shù)據(jù)下進(jìn)行健美操難度動(dòng)作圖像分布式融合，得到均值為0，方差為的健美操難度動(dòng)作圖像特征提取模型，根據(jù)特征提取結(jié)果進(jìn)行軌跡自動(dòng)定位[9].

2 定位算法優(yōu)化實(shí)現(xiàn)

2.1 手臂區(qū)域定姿模型

建立健美操難度動(dòng)作視覺(jué)圖像的視空間區(qū)域融合模型，得到健美操難度動(dòng)作區(qū)域分布的灰度直方圖為：

其中，c為健美操難度動(dòng)作圖像像素分布的列數(shù)，r為其行數(shù).提取健美操難度動(dòng)作視覺(jué)圖像的譜特征量，根據(jù)譜特征分布進(jìn)行健美操難度動(dòng)作視覺(jué)特征的多維重建，健美操難度動(dòng)作軌跡自動(dòng)定位的模糊度函數(shù)為：

其中，u為健美操難度動(dòng)作視覺(jué)圖像的全局閾值分割的關(guān)聯(lián)像素點(diǎn)，？滓為健美操難度動(dòng)作視覺(jué)圖像的顏色差異度特征量，在Ag區(qū)域內(nèi)，得到健美操難度動(dòng)作視覺(jué)圖像的局部關(guān)聯(lián)幀，重構(gòu)健美操難度動(dòng)作視覺(jué)圖像的邊緣輪廓特征分布集，得到健美操難度動(dòng)作視覺(jué)圖像相似度特征量，重構(gòu)圖像邊緣梯度信息[10]，得到健美操難度動(dòng)作視覺(jué)圖像的邊緣與區(qū)域信息的變分水平集為：

結(jié)合空間區(qū)域?yàn)V波方法進(jìn)行健美操難度動(dòng)作視覺(jué)圖像濾波處理，得到R、G、B分量，建立健美操難度動(dòng)作視覺(jué)分布特征向量為：

其中，Ic（y）為健美操難度動(dòng)作視覺(jué)跟蹤的像素集，Ac表示健美操難度動(dòng)作視覺(jué)圖像的尺度信息.根據(jù)衍射紋理特征點(diǎn)進(jìn)行健美操難度動(dòng)作信息融合，得到信息融合矩陣描述為：

采用超像素特征融合方法，得到像素特征點(diǎn)重構(gòu)輸出為：

其中，p（i）為健美操難度動(dòng)作視覺(jué)圖像的超像素大數(shù)據(jù)集分布維數(shù)，由此實(shí)現(xiàn)手臂區(qū)域定姿模型構(gòu)造.

2.2 手臂弧度軌跡區(qū)域自動(dòng)定位

建立健美操難度動(dòng)作圖像的手臂區(qū)域定姿模型，通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，對(duì)圖像的活動(dòng)輪廓進(jìn)行優(yōu)化分割，將健美操難度動(dòng)作視覺(jué)圖像分割成M×N個(gè)2×2的子塊Gm，n，得到健美操難度動(dòng)作視覺(jué)圖像的匹配集為：

充分利用健美操難度動(dòng)作視覺(jué)圖像定姿特征，進(jìn)行圖像的邊緣區(qū)域信息融合[11]，建立健美操難度動(dòng)作圖像手臂弧度的軌跡分布函數(shù)描述為：

其中，K=2（k-1）（（K-1）！/）.考慮健美操難度動(dòng)作特征量進(jìn)行可視化表面重建，得到手臂弧度軌跡的自動(dòng)定位輸出表示為：

其中，Gnew和Gold分別是健美操難度動(dòng)作視覺(jué)圖像的分布向量集，綜上分析，通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，實(shí)現(xiàn)健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位.

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了驗(yàn)證本文方法在實(shí)現(xiàn)健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位中的應(yīng)用性能，結(jié)合Visual C++和Matlab進(jìn)行仿真實(shí)驗(yàn)，對(duì)健美操難度動(dòng)作視圖像采樣數(shù)據(jù)庫(kù)來(lái)自于健美操動(dòng)作評(píng)價(jià)的專家?guī)霤orel庫(kù)，健美操難度動(dòng)作視覺(jué)圖像采樣的測(cè)試樣本集規(guī)模為800，訓(xùn)練樣本集為50，自適應(yīng)迭代步長(zhǎng)120，迭代步數(shù)為10000，圖像灰度平均值？駐=2.5，邊緣像素平均分布集為1.25，健美操動(dòng)作視覺(jué)重建灰度像素值為120×120，根據(jù)上述仿真參數(shù)結(jié)果，進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位，得到初始的健美操難度動(dòng)作圖像如圖1所示.

以圖1的健美操難度動(dòng)作圖像為研究對(duì)象，進(jìn)行手臂弧度軌跡自動(dòng)定位設(shè)計(jì)，采用空間分塊區(qū)域規(guī)劃方法進(jìn)行健美操難度動(dòng)作圖像的手臂弧度動(dòng)作空間規(guī)劃，如圖2所示.

通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，實(shí)現(xiàn)健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位，得到定位輸出如圖3所示.

分析上述仿真結(jié)果得知，本文方法能有效實(shí)現(xiàn)健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位，測(cè)試定位精度，得到對(duì)比結(jié)果見(jiàn)表1，分析得知，本文方法進(jìn)行健美操難度動(dòng)作圖像手臂弧度軌跡定位的精度較高.

4 結(jié)語(yǔ)

構(gòu)建健美操難度動(dòng)作圖像手臂弧度軌跡規(guī)劃模型，結(jié)合對(duì)健美操難度動(dòng)作圖像的智能技能分析結(jié)果，進(jìn)行健美操難度動(dòng)作圖像分析，提高健美操的運(yùn)動(dòng)規(guī)劃能力，提出基于邊緣輪廓特征檢測(cè)的健美操難度動(dòng)作圖像手臂弧度軌跡自動(dòng)定位方法.構(gòu)建健美操難度動(dòng)作圖像的視覺(jué)空間采樣模型，采用空間分塊區(qū)域規(guī)劃方法進(jìn)行健美操難度動(dòng)作圖像的手臂弧度動(dòng)作空間規(guī)劃，建立健美操難度動(dòng)作圖像的手臂區(qū)域定姿模型，通過(guò)模板自動(dòng)匹配和小波多尺度分解方法，進(jìn)行健美操難度動(dòng)作圖像的手臂弧度邊緣輪廓檢測(cè)，實(shí)現(xiàn)健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位.分析得知，本文方法進(jìn)行健美操難度動(dòng)作圖像的手臂弧度軌跡區(qū)域自動(dòng)定位的精度較高.

參考文獻(xiàn)：

〔1〕江山.基于形體輪廓特征提取的運(yùn)動(dòng)動(dòng)作標(biāo)志分析[J].科技通報(bào)，2015，31（08）：84-86.

〔2〕柏建常.新周期規(guī)則變動(dòng)下集體五人操項(xiàng)目比賽特點(diǎn)分析[D].西安體育學(xué)院，2018.

〔3〕李志雙.健美操運(yùn)動(dòng)員足跡圖像快速識(shí)別仿真研究[J].計(jì)算機(jī)仿真，2017，34（03）：221-224+308.

〔4〕蔣虹.關(guān)于表象訓(xùn)練對(duì)健美操訓(xùn)練效果的影響研究[J].當(dāng)代體育科技，2017，7（23）：24-25.

〔5〕馮婷.基于圖像的健美操動(dòng)作精度監(jiān)測(cè)研究[J].現(xiàn)代電子技術(shù)，2018，41（07）：75-79.

〔6〕楊旭，陳波，李小陽(yáng)，等.遠(yuǎn)距離數(shù)字離軸全息中基于圖像指標(biāo)優(yōu)化的相位誤差校正方法[J].激光雜志，2017，38（4）：96-100.

〔7〕鄭樂(lè)樂(lè)，韓慧妍，韓燮.基于顯著性與弱凸性的三維點(diǎn)云模型分割[J].計(jì)算機(jī)工程，2018，44（4）：299-304.

〔8〕周雨薇，陳強(qiáng)，孫權(quán)森，等.結(jié)合暗通道原理和雙邊濾波的遙感圖像增強(qiáng)[J].中國(guó)圖象圖形學(xué)報(bào)，2014，19（2）：313-321.

〔9〕卞樂(lè)，霍冠英，李慶武.基于Curvelet變換和多目標(biāo)粒子群的混合熵MRI圖像多閾值分割[J].計(jì)算機(jī)應(yīng)用，2016，36（11）：3188-3195.

〔10〕馮婷.基于圖像的健美操動(dòng)作精度監(jiān)測(cè)研究[J].現(xiàn)代電子技術(shù)，2018，41（07）：75-79.

〔11〕鄭樂(lè)樂(lè)，韓慧妍，韓燮.基于顯著性與弱凸性的三維點(diǎn)云模型分割[J].計(jì)算機(jī)工程，2018，44（4）：299-304.