基于雙通道目標(biāo)運(yùn)動(dòng)檢測(cè)的乒乓球運(yùn)動(dòng)決策系統(tǒng)*

郭 晗

(齊齊哈爾大學(xué)體育學(xué)院，黑龍江 齊齊哈爾 161006)

基于雙通道目標(biāo)運(yùn)動(dòng)檢測(cè)的乒乓球運(yùn)動(dòng)決策系統(tǒng)*

郭 晗

(齊齊哈爾大學(xué)體育學(xué)院，黑龍江 齊齊哈爾 161006)

動(dòng)作是體育運(yùn)動(dòng)的關(guān)鍵技術(shù)，要規(guī)范運(yùn)動(dòng)員動(dòng)作，不但使他們的運(yùn)動(dòng)成績(jī)能夠達(dá)到或接近最高水平，同時(shí)也可以避免運(yùn)動(dòng)員積累型運(yùn)動(dòng)損傷，達(dá)到這樣的訓(xùn)練目的就需要科學(xué)的方法。目前，我國(guó)已經(jīng)建立了標(biāo)準(zhǔn)動(dòng)作多媒體視頻數(shù)據(jù)庫(kù)，利用了一種雙通道目標(biāo)運(yùn)動(dòng)檢測(cè)算法，結(jié)合了運(yùn)動(dòng)檢測(cè)技術(shù)和人的行為理解方法，實(shí)現(xiàn)了感知技術(shù)對(duì)體育動(dòng)作量化分析和體育動(dòng)作模式識(shí)別。針對(duì)乒乓球快速多變特點(diǎn)，以及手腕動(dòng)作的精細(xì)變化與球拍的較高關(guān)聯(lián)度，對(duì)乒乓球和乒乓球拍建立了離散小波變換的空時(shí)模型，剔除運(yùn)動(dòng)模式識(shí)別中的噪聲孔洞有助于提高檢測(cè)的正確性。通過(guò)定性分析和實(shí)驗(yàn)結(jié)果，這種基于雙通道混合算法的乒乓球運(yùn)動(dòng)決策系統(tǒng)能夠較為準(zhǔn)確的識(shí)別乒乓球運(yùn)動(dòng)中的有誤動(dòng)作，為及時(shí)更正動(dòng)作提供了科學(xué)和有效的依據(jù)。

又通道；目標(biāo)檢測(cè)；乒乓球；決策系統(tǒng)

體育訓(xùn)練中，動(dòng)作要領(lǐng)影響著運(yùn)動(dòng)員是否能接近極限的運(yùn)動(dòng)成績(jī)，同時(shí)也影響著運(yùn)動(dòng)員是否能有效避免積累型運(yùn)動(dòng)損傷。目前，國(guó)內(nèi)外對(duì)各類體育項(xiàng)目也建立了多媒體體育標(biāo)準(zhǔn)動(dòng)作視頻數(shù)據(jù)庫(kù)。通過(guò)信息處理技術(shù)對(duì)體育運(yùn)動(dòng)進(jìn)行量化分析和模式識(shí)別，對(duì)運(yùn)動(dòng)員的動(dòng)作進(jìn)行科學(xué)指導(dǎo)和科學(xué)規(guī)范，無(wú)論是提高運(yùn)動(dòng)員成績(jī)，還是有效避免運(yùn)動(dòng)損傷，都具有重要的指導(dǎo)意義。本文以乒乓球運(yùn)動(dòng)為例，將混合運(yùn)動(dòng)檢測(cè)技術(shù)和行為理解技術(shù)相互結(jié)合，同時(shí)采用了特征信息融合技術(shù)對(duì)運(yùn)動(dòng)員的動(dòng)作進(jìn)行正確判定。定位傳感器的傳導(dǎo)信號(hào)將會(huì)自動(dòng)警示運(yùn)動(dòng)員和教練員進(jìn)行動(dòng)作修正。

乒乓球運(yùn)動(dòng)實(shí)際具有快速、精細(xì)的特點(diǎn)，因此本文的運(yùn)動(dòng)檢測(cè)需要把視頻采集的有效區(qū)域與干擾圖像精確分離，能夠正確分割出運(yùn)動(dòng)目標(biāo)區(qū)域或輪廓。在檢測(cè)過(guò)程中，還需要對(duì)運(yùn)動(dòng)員的運(yùn)動(dòng)模式進(jìn)行分析和識(shí)別。由于行為理解是時(shí)空變化的數(shù)據(jù)分類問(wèn)題，需要將采集的數(shù)據(jù)集合與預(yù)定的標(biāo)準(zhǔn)行為進(jìn)行匹配后進(jìn)行分類。從觀測(cè)數(shù)據(jù)集合中提取有代表性的特征，這些特征融合成單一的特征向量，然后運(yùn)用識(shí)別的方法進(jìn)行處理。乒乓球動(dòng)作分析系統(tǒng)的一般處理過(guò)程如圖1所示。

圖1 乒乓球運(yùn)動(dòng)動(dòng)作識(shí)別系統(tǒng)

傳統(tǒng)的運(yùn)動(dòng)檢測(cè)算法中，大都采用了時(shí)間差分法、背景減除法、光流法和統(tǒng)計(jì)模型分類法。時(shí)間差分法是在連續(xù)的圖像序列中兩個(gè)或三個(gè)相鄰幀間采用基于像素的時(shí)間差分并且閾值化來(lái)提取出圖像中的運(yùn)動(dòng)區(qū)域。由于其他三種算法都是在目標(biāo)運(yùn)動(dòng)速度緩慢的情況下能較好地完成運(yùn)動(dòng)區(qū)域的分割，并可以有效地消除運(yùn)動(dòng)目標(biāo)的影響。因此，本文采用了時(shí)間差分的相似度方法進(jìn)行實(shí)際運(yùn)動(dòng)檢測(cè)。但是在實(shí)際應(yīng)用中這種目標(biāo)檢測(cè)的結(jié)果不令人滿意，其主要存在的問(wèn)題是當(dāng)目標(biāo)表面存在大的灰度均勻的區(qū)域時(shí)，時(shí)間差分法將在目標(biāo)的上述區(qū)域產(chǎn)生“噪聲孔洞”而使目標(biāo)被過(guò)分分割成多個(gè)區(qū)域，即只能檢測(cè)出運(yùn)動(dòng)目標(biāo)的一部分；另外由于目標(biāo)的運(yùn)動(dòng)，前一幀被遮擋的一部分背景在當(dāng)前幀將暴露出來(lái)，從而使這部分背景也被分割進(jìn)目標(biāo)區(qū)域；同時(shí)這種方法所檢測(cè)到的運(yùn)動(dòng)區(qū)域的大小是與目標(biāo)的運(yùn)動(dòng)速度有關(guān)的，目標(biāo)運(yùn)動(dòng)速度越大，檢測(cè)出的區(qū)域就比實(shí)際的區(qū)域越大，而當(dāng)目標(biāo)運(yùn)動(dòng)很緩慢時(shí)，往往檢測(cè)到的區(qū)域很小，甚至無(wú)法檢測(cè)到目標(biāo)的運(yùn)動(dòng)。視頻圖像采集中的噪聲干擾運(yùn)動(dòng)會(huì)嚴(yán)重影響行為模式的正確判定，因此有必要研究采用高效地去噪視頻圖像算法進(jìn)行運(yùn)動(dòng)模式識(shí)別。

1 乒乓球動(dòng)作分析模型的建立

根據(jù)乒乓球運(yùn)動(dòng)中的方向特性，建立了一個(gè)雙目標(biāo)數(shù)據(jù)采集算法模型，如圖2所示。系統(tǒng)模型中，兵乓球拍建立的坐標(biāo)系O1為極點(diǎn)，X1方向?yàn)闃O角的正方向，θ1和θ2分別為Y1和X1側(cè)形成的夾角。乒乓球建立的坐標(biāo)系類似，即O2為極點(diǎn)，X2方向?yàn)闃O角的正方向，θ3和θ4分別為Y2和X2側(cè)形成的夾角。

圖2 雙目標(biāo)蹄型數(shù)學(xué)模型

這樣我們就可以利用極坐標(biāo)方程f(r,θ)來(lái)建立乒乓球運(yùn)動(dòng)系統(tǒng)的雙目標(biāo)蹄型數(shù)學(xué)關(guān)系式。其中，r是系統(tǒng)函數(shù)f(r,θ)中點(diǎn)O1和O2的動(dòng)態(tài)距離。乒乓球拍和乒乓球構(gòu)成的雙目標(biāo)蹄型通道的構(gòu)造函數(shù)f(x,y)為

(1)

根據(jù)建立的雙目標(biāo)蹄型模型，我們提出了對(duì)乒乓球方向的DCT變化模擬。由于DCT是基于離散點(diǎn)，即對(duì)(1)式采用取整函數(shù)。

(2)

這樣我們就將某條射線上的點(diǎn)離散化為整數(shù)點(diǎn)，設(shè)離散化以后的總點(diǎn)數(shù)為N，則我們可以用一次函數(shù)g1(rk,θ)來(lái)表示這些離散點(diǎn)，其中腳標(biāo)k表示第k+1個(gè)離散點(diǎn)。根據(jù)一維DCT的定義，我們可以得到某一射線g1(rk,θ)的DCT正

G1(Rk,θ)=Fr(g1(rk,θ))

(3)

其中，

(4)

同樣我們可以得到反變換的公式為

(5)

當(dāng)θ在從θ3變換到θ4時(shí)，由g1(rk,θ)組成的一系列射線上的像素點(diǎn)便可以表示乒乓球和球拍之間的動(dòng)態(tài)掃描區(qū)域。根據(jù)乒乓球運(yùn)動(dòng)的弧線方向，提出沿弧線方向的方向DCT。同樣我們對(duì)乒乓球的坐標(biāo)系建立系統(tǒng)并采用取整函數(shù)，即得到

(6)

某條弧線上點(diǎn)就離散化為整數(shù)點(diǎn)，設(shè)離散化后的中點(diǎn)數(shù)為M，我們可以用一次函數(shù)h(r,θk)來(lái)表示這些離散點(diǎn)，其中0≤k≤M-1。同樣由一維DCT的定義，我們可以乒乓球運(yùn)動(dòng)得到某一弧線上的點(diǎn)的DCT正變換和反變換公式。

H(r,Θk)=Fθ(h(r,θk))

(7)

(8)

其中(8)為正變化公式，(9)為反變換公式。

綜合考慮射線方向和弧線方向，針對(duì)圖2，我們很容易得到二維方向DCT，下面我們直接給出其正變換的公式

(9)

反變換公式為

(10)

2 建立乒乓球和球拍的互動(dòng)方向離散小波坐標(biāo)系的建立

同樣我們先來(lái)考慮乒乓球拍與乒乓球蹄型模型的射線方向，根據(jù)式(3)可得任一射線上的離散點(diǎn)可用g(r'k,θ')表示，根據(jù)離散小波變換DWT的定義，我們有

(11)

對(duì)于信號(hào)g(r'k,θ')，我們可以將其分解為平滑信息Ljg和細(xì)節(jié)信息Hjg兩部分：

g=L1g+H1g

(12)

通過(guò)正交基展開(kāi)，

(13)

(14)

在式(13)中，序列cL(r'k,θ',1)表示數(shù)據(jù)g(r'k,θ')的平滑逼近部分，定義為：

cL(r'k,θ',0)=g(r'k,θ')

(15)

從而得到，

(16)

(17)

在式(14)和(15)中，cL(r'k,θ',1)和cH(r'k,θ',1)分別是平滑逼近和細(xì)節(jié)信息，與cH(rk,θ',0)相互關(guān)聯(lián)，g(n)和h(n)由定義的多分辨率分析決定。則運(yùn)算符L和H分別定義為，

(18)

(19)

式(17)和(18)則變?yōu)?/p>

(20)

(21)

下面的問(wèn)題是對(duì)信號(hào)g(r'k,θ')的重構(gòu)問(wèn)題，假設(shè)當(dāng)對(duì)g(r'k,θ')進(jìn)行K次分解后， 得到cH(·,1),cL(·,1), … ，cH(·,K)和cL(·,K)，依照下面的公式得到，

cL(r'k,θ',j-1)=LcL(r'k,θ',j)+HcL(r'k,θ',j)

(22)

g(r'k,θ')=LcL(n,θ',1)+HcL(n,θ',1)

(23)

當(dāng)θ的變化范圍從θ3到θ4，以某一步長(zhǎng)變換時(shí)，我們可以對(duì)蹄型模型中的每一條射線用mallat算法完成該方向的離散小波變換，即

(24)

3 性能分析與仿真結(jié)果

由于乒乓球運(yùn)動(dòng)的快速性和復(fù)雜性，此外運(yùn)動(dòng)行為識(shí)別的研究還不是很成熟。因此，我們對(duì)乒乓球運(yùn)動(dòng)中的數(shù)據(jù)采集環(huán)境進(jìn)行了如下假定：

①拍攝視頻的攝像機(jī)靜止不動(dòng)，運(yùn)動(dòng)的物體有運(yùn)動(dòng)員、乒乓球拍和乒乓球；

②攝像機(jī)拍攝方向于運(yùn)動(dòng)員運(yùn)動(dòng)方向近似垂直；

③視野中只有單人的運(yùn)動(dòng)。

實(shí)驗(yàn)采用的評(píng)估方法為固定訓(xùn)練集和測(cè)試集，本文對(duì)乒乓球運(yùn)動(dòng)員的的下列動(dòng)作進(jìn)行了實(shí)驗(yàn)分析，下列行為分別是：橫排、直拍、反手。該數(shù)據(jù)庫(kù)的分辨率為180*144，采集速度為25幀/s。首先，對(duì)訓(xùn)練動(dòng)作的序列以及待識(shí)別序列進(jìn)行了步態(tài)能量圖GEI模板特征提取。然后將根據(jù)公式(17)和(18)的離散小波分解式計(jì)算訓(xùn)練GEI特征序列與待識(shí)別GEI特這個(gè)序列之間的雙方向相似度，并采用加法規(guī)則分別對(duì)兩個(gè)維度的相似度進(jìn)行融合。采用最近鄰分類器對(duì)度量的結(jié)果分別進(jìn)行分類決策，確定乒乓球與球拍之前的動(dòng)態(tài)關(guān)系。因此，訓(xùn)練序列乒乓球GEI與乒乓球拍GEI之間的相似度為，

(25)

模式分析判斷的流程圖如圖3所示。

圖3 動(dòng)態(tài)決策判斷流程

在使用GEI特征序列的過(guò)程中，視頻采集的斑點(diǎn)噪聲可以假定為是乘性噪聲來(lái)處理。因此，我們先對(duì)視頻采集圖像取對(duì)數(shù)，處理完之后再取反對(duì)數(shù)即可。針對(duì)圖2沿射線方向，根據(jù)公式(11)做運(yùn)動(dòng)方向的DCT正變換，對(duì)變換的結(jié)果用低通濾波，再將處理的結(jié)果沿弧線方向根據(jù)公式(21)和(22)做方向DWT二級(jí)分解。最后根據(jù)公式(26)的相似度融合比例進(jìn)行決策。我們從乒乓球的運(yùn)動(dòng)軌跡，取0°至180°間隔進(jìn)行動(dòng)作識(shí)別，如圖4和圖5所示。表1是獲取的實(shí)驗(yàn)數(shù)據(jù)及決策的正確判別率。

圖4 乒乓球的動(dòng)作識(shí)別軌跡

圖5 乒乓球的動(dòng)作識(shí)別角度取樣點(diǎn)

表1 雙目標(biāo)通道去噪識(shí)別算法與經(jīng)典決策算法的實(shí)驗(yàn)結(jié)果對(duì)比

4 結(jié)論

本文主要對(duì)基于高速運(yùn)動(dòng)的視覺(jué)“噪聲孔洞”分析中的問(wèn)題，結(jié)合乒乓球的訓(xùn)練運(yùn)動(dòng)檢測(cè)，提出了一種雙目標(biāo)通道運(yùn)動(dòng)檢測(cè)算法，結(jié)合方向DCT和方向DWT的優(yōu)點(diǎn)，提出離散小波變換的空時(shí)模型，并演示了該算法在步態(tài)能量圖GEI中的決策融合。通過(guò)這一算法加快了背景模型的收斂速度，提高了決策的精確性。在初始運(yùn)動(dòng)場(chǎng)景中存在目標(biāo)的場(chǎng)合下，能實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的正確提取。本文的算法具有一定的擴(kuò)展性，可類似分析籃球、排球、足球等球類運(yùn)動(dòng)中，運(yùn)動(dòng)員和球體之間的運(yùn)動(dòng)模式識(shí)別，便于運(yùn)動(dòng)員及教練對(duì)運(yùn)動(dòng)訓(xùn)練進(jìn)行過(guò)程分析和對(duì)運(yùn)動(dòng)計(jì)劃進(jìn)行有效調(diào)整。

[1] 杜友田，陳峰，徐文立，李永彬. 基于視覺(jué)的人的運(yùn)動(dòng)識(shí)別綜述[J].電子學(xué)報(bào), 2007, 35(1):84-90

[2] Comanniciu D, Ramesh V, Meer P. Kernel-based object tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2003, 25(5):564-577

[3] 侯志強(qiáng)，韓崇昭. 視覺(jué)跟蹤技術(shù)綜述[J].自動(dòng)化學(xué)報(bào)，2006，32(4):603-617

[4] Nguyen N T, Phung D Q, Venkatesh S, Bui H. Learning and detecting activities from movement trajectories using the hierachical hidden Markov model[A]. In Proc. CVPR[C]. San Diego: IEEE Computer Society Press, 2005:955-960

[5] Cho K, Cho H, Um K. Human action recognition by inference of stochastic regular grammars[J]. Lecture Notes in Computer Science, 2004, 3138:388-396[6] N. Dalal B, Triggs. Histograms of Oriented Gradients for Human Detection. IEEE Int'l Conf. on Computer Vision and Pattern Recognition, 2005

[7] 劉潔, 張東來(lái). 關(guān)于自適應(yīng)高斯混合背景模型的更新算法的研究[J]．微計(jì)算機(jī)信息, 2006, 22(22):241-242

[8] Donoho D.L．Johnstone, I.M Ideal spatial adaptation via wavelet shrinkage[J]．Biometrika，1994．81(3)：425—455

[9] Y. Xiao, T. Xiao, S. H. Hu, M H Lee, “Two-dimensional hybrid transform (DCT-DWT) for 2-D signal processing”, ICSP 2006, pp.247-250

[10] T. Xiao, S. H. Hu, Y. Xiao, “2-D hybrid wavelet-Fourier transformation”, ICSP 2006, pp.109-111.White Paper: TD-SCDMA: the Solution for TDD Bands, Siemens AG, April, 2001

[11] Y. Xiao and M. -H. Lee, “2-D Laplace-Z Transformation”, IEICE TRANS. FUNDAMENTALS, VOL. E89-A, No. 5, May, 2006, pp.1500-1504.Holma H and Toskala A. WCDMA for UMTS [M]. Chichester, John Wiley & Sons, 2000

[12] T Xiao., S. H Hu., Y Xiao. “2-D DFT-DWT application to multidimensional signal processing”, ICSP 2006, pp. 1306-1309

[13] Goodman,J.W. Some fundamental properties of speckle [M]. J. Opt. Soc. Am., 1976,66:1145- 1150

[14] Arsenault,H.H.,and April,G. “Properties of speckle integrated with a finite aperture and logarithmically transformed” [J]. Opt. Soc. Am., 1976,66:1160-1163

[15] S.Mallat,A Wavelet Tour of Signal Processing,Second ed.London,U.K.:Academic,1999

TableTennisDecisionSystemBasedonDoubleChannelObjectMovingDetection

GUO Han

(Physical Education College of Qiqihaer University，Qiqihaer 161006,China)

Action is the key technology in sports and we must standardize athlete's action. If we expect they get highest level or comeclose to it, and at the same time had avoided the accumulation of sports injury of athletes, the scientific method is needed. This paper proposesa dual channel target motion detection algorithm, combines with the motion detection technology and human behavior understanding method to judge the movement results by quantitative analysis and physical action sports movement pattern recognition. The table tennis has the fast changeable characteristics, and the table tennis racket and athlete's wrist action have high correlation. So we can establish the discrete wavelet transform of the space-time model for cancelling the noise cave.Through the qualitative analysis and the experimental results, the double channel hybrid algorithm for table tennis decision system can better identify the wrong operation of the table tennis, and provides a scientific and effective basis for timely corrective action.

object moving detection; table tennis; decision system

2014-09-10

郭晗(1980- )，男，黑龍江齊齊哈爾人，講師，碩士

研究方向：乒乓球體育教學(xué)與訓(xùn)練

黑龍江省高等學(xué)校教改工程項(xiàng)目(JG2014011072)

G812.6

A

1007-323X(2014)06-0067-04