基于圖像分析技術(shù)的運(yùn)動(dòng)員上肢力量參數(shù)分析

常超

摘 要： 為了提高運(yùn)動(dòng)員上肢力量參數(shù)的在線準(zhǔn)確評(píng)估能力，提出基于圖像分析技術(shù)的運(yùn)動(dòng)員上肢力量參數(shù)分析方法。對(duì)采集的運(yùn)動(dòng)員動(dòng)態(tài)圖像進(jìn)行上肢肌肉特征的邊緣輪廓檢測(cè)，對(duì)上肢肌肉的邊緣特征輸出結(jié)果進(jìn)行Harris角點(diǎn)檢測(cè)，結(jié)合肌肉力學(xué)參量信息進(jìn)行上肢力量評(píng)估，實(shí)現(xiàn)基于圖像分析的運(yùn)動(dòng)員上肢力量估計(jì)。仿真結(jié)果表明，采用該方法進(jìn)行運(yùn)動(dòng)員上肢力量參數(shù)估計(jì)簡(jiǎn)單可靠，估計(jì)精度比傳統(tǒng)的傳感器測(cè)量技術(shù)要高。

關(guān)鍵詞： 圖像分析； 邊緣輪廓檢測(cè)； 上肢力量； 參數(shù)分析

中圖分類(lèi)號(hào)： TN911.73?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）09?0036?03

Abstract： In order to improve the online accurate evaluation capacity of the athletic upper limb strength parameter， an athletic upper limb strength parameter analysis method based on image analysis technology is proposed. The edge contour detection of the upper limb muscle feature was performed for the acquired athlete dynamic image. The Harris corner detection is conducted for the edge feature output result of the upper limb muscle. The upper strength is evaluated in combination with the muscle mechanics parameter information to realize the athlete upper limb strength estimation based on image analysis. The simulation results show that the method is simple and reliable for estimation of the athletic upper limb strength parameter， and its estimation accuracy is higher than that of the traditional sensor measuring technology.

Keywords： image analysis； edge contour detection； upper limb strength； parameter analysis

在對(duì)運(yùn)動(dòng)員的上肢力量估計(jì)中，傳統(tǒng)的方法主要有傳感器檢測(cè)方法、測(cè)力計(jì)測(cè)量方法等，通過(guò)安裝在運(yùn)動(dòng)員身上的測(cè)量?jī)x器進(jìn)行上肢力量參數(shù)估計(jì)，這類(lèi)方法具有簡(jiǎn)單實(shí)用的優(yōu)點(diǎn)，但是在大型的比賽項(xiàng)目中，受觀賞效果等因素的影響，傳統(tǒng)的傳感器測(cè)力計(jì)不能得到有效應(yīng)用[1?2]。而且，由于傳統(tǒng)測(cè)力計(jì)需要佩戴在運(yùn)動(dòng)員身上，可能影響比賽發(fā)揮，測(cè)力精度受到限制。對(duì)此，需要研究一種無(wú)接觸式的力量參數(shù)測(cè)量和分析方法，采用圖像分析技術(shù)進(jìn)行運(yùn)動(dòng)員上肢的發(fā)力圖形變化特征分析，使力量參數(shù)分析具有可行性。

1 運(yùn)動(dòng)員上肢發(fā)力運(yùn)動(dòng)圖像采集

1.1 運(yùn)動(dòng)圖像的量化

采用圖像分析技術(shù)進(jìn)行運(yùn)動(dòng)員的上肢力量估計(jì)，需要進(jìn)行原始運(yùn)動(dòng)圖像的特征采集，對(duì)采集的圖像進(jìn)行降噪預(yù)處理[3]，通過(guò)對(duì)圖像的邊緣輪廓檢測(cè)和上肢發(fā)力的角點(diǎn)標(biāo)定，進(jìn)行力學(xué)參數(shù)估計(jì)，實(shí)現(xiàn)過(guò)程如圖1所示。

3 實(shí)驗(yàn)測(cè)試分析

仿真實(shí)驗(yàn)開(kāi)發(fā)環(huán)境為Matlab R2009a的仿真軟件，為了更好地體現(xiàn)運(yùn)動(dòng)員的上肢發(fā)力特征，運(yùn)動(dòng)項(xiàng)目選擇為舉重項(xiàng)目。運(yùn)動(dòng)員上肢發(fā)力運(yùn)動(dòng)圖像研究樣本的采集分辨率為500×500，大小為532×445，對(duì)采集的運(yùn)動(dòng)員舉重上肢圖像通過(guò)Creator的Raster to DED工具轉(zhuǎn)化為所需的DED數(shù)據(jù)。為了更好地體現(xiàn)運(yùn)動(dòng)員的上肢發(fā)力性能，在圖像數(shù)據(jù)采集時(shí)，分別從正面和側(cè)面進(jìn)行圖像采集，然后采用本文設(shè)計(jì)的圖像處理方法進(jìn)行力學(xué)分析，得到原始圖像采集如圖2所示。

對(duì)采集的運(yùn)動(dòng)員動(dòng)態(tài)圖像進(jìn)行上肢肌肉特征的邊緣輪廓檢測(cè)，結(jié)合肌肉力學(xué)參量信息進(jìn)行上肢力量評(píng)估，圖像的邊緣輪廓檢測(cè)結(jié)果見(jiàn)圖3。

對(duì)上述邊緣輪廓檢測(cè)結(jié)果進(jìn)行力學(xué)測(cè)量，通過(guò)肌肉力學(xué)參量信息估計(jì)進(jìn)行上肢力量評(píng)估，實(shí)現(xiàn)了基于圖像分析的運(yùn)動(dòng)員上肢力量估計(jì)。圖4描述的是不同方法進(jìn)行上肢力量參數(shù)估計(jì)的精度對(duì)比結(jié)果。從圖4可見(jiàn)，采用本文方法進(jìn)行上肢力量參數(shù)估計(jì)的誤差較小，精度較高，實(shí)現(xiàn)過(guò)程簡(jiǎn)單可靠。

4 結(jié) 語(yǔ)

本文提出圖像分析技術(shù)的運(yùn)動(dòng)員上肢力量參數(shù)分析方法，對(duì)采集的運(yùn)動(dòng)員動(dòng)態(tài)圖像進(jìn)行上肢肌肉特征的邊緣輪廓檢測(cè)，對(duì)上肢肌肉的邊緣特征輸出結(jié)果進(jìn)行Harris角點(diǎn)檢測(cè)，結(jié)合肌肉力學(xué)參量信息進(jìn)行上肢力量評(píng)估，實(shí)現(xiàn)了基于圖像分析的運(yùn)動(dòng)員上肢力量估計(jì)。研究得出，采用該方法進(jìn)行運(yùn)動(dòng)員上肢力量參數(shù)估計(jì)的準(zhǔn)確度較高，可靠性較好，具有優(yōu)越性。

參考文獻(xiàn)

[1] 張傳錦，李璐璐.基于模糊C均值聚類(lèi)的無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)定位算法[J].電子設(shè)計(jì)工程，2016，24（8）：58?60.

[2] 李志丹，和紅杰，尹忠科，等.基于塊結(jié)構(gòu)稀疏度的自適應(yīng)圖像修復(fù)算法[J].電子學(xué)報(bào)，2013，41（3）：549?554.

[3] 王俊，朱利.基于圖像匹配?點(diǎn)云融合的建筑物立面三維重建[J].計(jì)算機(jī)學(xué)報(bào)，2012，35（10）：2072?2079.

[4] 許開(kāi)宇，馮德瀛.海空背景下紅外弱小目標(biāo)檢測(cè)方法[J].哈爾濱工程大學(xué)學(xué)報(bào)，2009，30（9）：996?1000.

[5] 胡光波，周勇，徐騫.改進(jìn)向量量化算法的圖像壓縮研究[J].科學(xué)技術(shù)與工程，2010，10（14）：3517?3519.

[6] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.

[7] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.

[8] 王云燁，李勃，董蓉，等.基于透射率空間與色彩紋理相關(guān)性的圖像分割[J].電子測(cè)量技術(shù)，2015，38（1）：41?46.