基于蜂群算法的排球正面扣球軌跡快速跟蹤方法

劉文萍，李 影

(1.安徽職業(yè)技術學院 基礎教學部，安徽 合肥 230011;2.安徽審計職業(yè)學院 基礎部，安徽 阜陽 236000)

在排球比賽中當運動員實施正面扣球后，排球運行軌跡不僅是影響正面扣球得分的重要因素，也是對方運動員如何采取應對措施的判斷依據(jù)，正面扣球軌跡關系排球賽場的局勢變化[1]，對排球正面扣球軌跡進行快速跟蹤，不僅有利于研究運動員的扣球特點，更對排球賽場戰(zhàn)術戰(zhàn)略的制定具有深遠意義。

熊新國等人通過位移傳感器確定運動目標的三維坐標數(shù)據(jù)，獲得運動目標的三維運動軌跡的描述，實現(xiàn)運動目標的軌跡跟蹤，該方法應用于情形多變的排球賽場具有局限性，難以捕捉運動員的三維坐標數(shù)據(jù)，計算復雜度較高[2]；秦武韜等人就鄰近空間跳躍滑翔運動目標難以跟蹤問題，提出通過構建自適應衰減震蕩模型反映運動目標的運動特性，并設計卡爾曼濾波器實現(xiàn)運動目標的軌跡跟蹤，但該方法獲取的圖像質量不高，對運動目標軌跡跟蹤具有消極影響[3]。因此，排球正面扣球軌跡研究的重點是根據(jù)排球運動員的正面扣球圖像，提取排球正面扣球圖像邊緣輪廓特征，并對圖像中正面扣球動作發(fā)生時的排球輪廓實施角點檢測。利用蜂群算法可實現(xiàn)排球運動輪廓角點確定，達到軌跡跟蹤目標。本文提出一種基于蜂群算法的排球正面扣球軌跡快速跟蹤方法，實現(xiàn)排球正面扣球技術研究目標，可提升排球運動的戰(zhàn)略戰(zhàn)術水平。

1 排球正面扣球軌跡快速跟蹤

為實現(xiàn)排球正面扣球軌跡跟蹤目標，首先需對排球正面扣球圖像信息采集模型進行構建，并檢測排球正面扣球圖像的邊緣輪廓信息，對相鄰幀圖像的正面扣球邊緣輪廓進行角點檢測，從而完成排球正面扣球的軌跡跟蹤。

1.1 構建正面扣球圖像信息采集模型

建立排球正面扣球的三維幾何模型，通過式(1)得到正面扣球特征的不變矩序列[4]，即

Dif(C1,C2)=minh(x,y)，

(1)

式中：x、y表示正面扣球動作特征的采樣點；相鄰點數(shù)量用h表示；Dif(C1,C2)代表正面扣球特征的不變矩序列結果值。

針對排球正面扣球圖像，將低維圖像空間映射到高維空間，利用變分法、Euler-Lagrange方程實現(xiàn)排球正面扣球圖像信息采集模型的構建[5]，即

(2)

1.2 排球正面扣球圖像增強

采用直方圖均衡法對采集的排球正面扣球圖像進行增強處理，可使正面扣球動作的邊緣輪廓信息更加清晰，有助于正面扣球動作輪廓的精準提取，具體分兩步：

1) 對采集的彩色排球正面扣球圖像進行轉換處理[6]，將其變成灰度圖像。A為采集的彩色排球正面扣球圖像，轉換后的灰度圖像表示為G，轉換過程為

G=[0.2990.5870.114]×[ARAGAB]T，

(3)

式中：R、G、B分別代表圖像各像素不同色彩點；AR、AG、AB分別代表圖像各像素分量。

2) 對排球正面扣球灰度圖像的直方圖增強。正面扣球灰度圖像中圖像灰度i出現(xiàn)的概率為

pi=n-1×ni，i∈{0,1,…L-1}，

(4)

式中：i表示圖像灰度；ni表示圖像灰度i出現(xiàn)的數(shù)量；pi代表灰度圖像i出現(xiàn)的概率結果；L代表正面扣球灰度圖像全部灰度總量。

在確定了正面扣球灰度圖像像素概率基礎上，為了提升圖像的增強效果，設置[Gmin,Gmax]為G圖像的灰度取值區(qū)間，以M為直方圖均衡依據(jù)，對正面扣球灰度圖像G進行增強處理，其增強后的圖像表示為g，得到

g=Gmin(M+1)-GminM.

(5)

上述獲取的圖像灰度呈g均勻性排列，且增強后正面扣球圖像直方圖曲線變化具有規(guī)律性[7]。因此，需要采用最小二乘法對該直方圖曲線進行擬合，即

y=φ(k)，k=0,1,2,…,255，

(6)

式中：y代表直方圖曲線擬合結果；k代表圖像直方圖像素點取值范圍。

直方圖均衡法可有效去除原始正面扣球圖像中的干擾因素，消除圖像噪聲、提升圖像對比度，在確保原排球正面扣球圖像中正面扣球動作完好、形狀不缺失的前提下，使扣球動作的邊緣輪廓信息更加清晰、具有較高的辨識度。

1.3 排球正面扣球圖像邊緣輪廓檢測

為了實現(xiàn)排球正面扣球軌跡快速跟蹤，還需要將上述增強后的排球正面扣球圖像g的邊緣進行檢測。通過構建的退化模型確定排球正面扣球圖像的高維信息，即

g(x,y)=b(x,y)+ε(x,y)，

(7)

式中：b(x,y)、ε(x,y)表示正面扣球圖像高維信息分布范圍內三維特征的分布點。

(8)

式中：q、l表示排球正面扣球圖像序號；θ表示扣球動作，該動作的像素編碼序列則用i、j。

排球正面扣球圖像的低維空間中，像素排列呈現(xiàn)均勻性特點。通過對排球正面扣球動作特征的融合，實現(xiàn)其扣球動作邊緣輪廓檢測，計算方法如式(9)。

(9)

式中：Int(C)代表正面扣錢動作邊緣輪廓檢測結果；MST(C,E)代表分塊熵取值范圍。

在建立排球正面扣球圖像信息采集模型基礎上，提取排球正面扣球動作圖像的邊緣輪廓信息，通過獲取扣球動作特征標志點完成圖像信息的融合，實現(xiàn)排球正面扣球動作邊緣輪廓模型的構建，有效檢測排球邊緣輪廓。

1.4 排球邊緣輪廓角點檢測

(10)

選擇相鄰幀排球正面扣球圖像，對其排球邊緣輪廓實施角點檢測，角點檢測通過公式(11)求得。

(11)

排球運動員在正面扣球時排球運動軌跡點通過公式(12)計算，

(12)

1.5 基于人工蜂群算法的排球正面扣球軌跡跟蹤

采用人工蜂群算法對排球運動輪廓角點進行優(yōu)化，實現(xiàn)排球正面扣球軌跡跟蹤，軌跡跟蹤流程如下：

第一步：選擇相鄰幀排球邊緣輪廓圖像，對排球邊緣輪廓實施角點檢測，獲取角點值[10-12]；

第二步：根據(jù)上述確定的角點值，設置蜂群算法中的蜜蜂種群初始值，將公式(12)求解結果作為適應度值，該值即為排球正面扣球時排球邊緣輪廓角點運行軌跡值；

第三步：依據(jù)適應度值將蜜蜂劃分成兩類，分別為采蜜蜜蜂、跟隨蜜蜂；

第四步：各采蜜蜜蜂在蜜源周圍可利用公式(13)尋找新的蜜源位置，也就是確定排球正面扣球時排球邊緣輪廓角點位置變化值，確定其變化的規(guī)律，即

(13)

當新蜜源的適應度值大于前一蜜源適應度值時，則用新蜜源替換原有蜜源[13]，也就是當確定跟蹤的角點位置已經確定后，繼續(xù)尋找其他角點值。

第五步：求解各跟蹤排球不同輪廓角點的選擇概率值，當此概率值與蜜源適應度值為正比關系時，則依據(jù)選擇概率確定角點位置，追隨蜜蜂在此蜜源周圍繼續(xù)采蜜并搜索新的蜜源，當新蜜源適應度值為最大值時，更新蜜源，此時追隨蜜蜂可升級為采蜜蜜蜂。通過公式(14)計算排球輪廓角點位置選擇概率，即

(14)

式中:Xi為角點中的任意位置；Xm代表排球扣球時排球運行時旋轉的所有角點總數(shù)量；f代表升級后的蜜蜂蜂群。

第六步：當達到最大搜索次數(shù)仍未搜尋到最大適應度的角點時，停止搜索，說明當前確定的角點是排球扣球時球面上的所有旋轉點，根據(jù)確定的這些角點，生成排球正面扣球軌跡，實現(xiàn)最終的跟蹤，得到跟蹤結果如式(15)，即

(15)

2 實驗分析

2.1 實驗方案

以某高校排球運動員的正面扣球視頻信息為研究對象，排球賽事視頻由G·V16攝像機攝取，攝像機與地面距離2.4 m，視頻錄制頻率為80幅/s，數(shù)據(jù)集中包含3 000條運動員排球賽事視頻信息，從中篩選完整正面扣球視頻信息，利用MATLAB軟件對排球正面扣球的運行軌跡進行模擬，采用本文方法對排球正面扣球軌跡進行快速跟蹤，驗證本文方法的軌跡跟蹤效果。

2.2 實驗結果分析

采用本文方法采集數(shù)據(jù)集中的排球正面扣球圖像信息，并與文獻[5]、文獻[6]方法進行對比，分析本文方法的正面扣球圖像采集效果，實驗結果如圖1所示。

(a)本文方法 (b)文獻[5]方法 (c)文獻[6]方法圖1 排球正面扣球圖像信息采集結果

由圖1可知，本文方法采集的排球正面扣球圖像信息完整，圖像細節(jié)紋理豐富，具有較高的辨認度；文獻[5]方法采集到的正面扣球圖像亮度較暗，圖像清晰度較差，使得圖像紋理細節(jié)不豐富，影響正面扣球軌跡跟蹤效果；文獻[6]方法采集的正面扣球圖像信息存在虛化現(xiàn)象，排球運動員的手部、胳膊及排球部分細節(jié)丟失嚴重，正面扣球動作邊緣輪廓特征不明顯，圖像效果非常差。由此得出，本文方法在正面扣球圖像信息采集方面具有一定優(yōu)勢。

采用本文方法對采集的排球正面扣球圖像進行增強處理，通過對增強前后的正面扣球圖像進行對比，分析本文方法的圖像增強效果，實驗結果如圖2所示。

(a)原灰度 (b)增強后灰度 圖2 本文方法的圖像增強效果分析

由圖2可知，正面扣球圖像原始灰度圖亮度較低，且圖像中存在一定的噪聲，經本文方法作圖像增強處理后，增強后的正面扣球灰度圖對比度明顯提升，正面扣球動作邊緣輪廓信息更加清晰，且特征突出，圖像視覺效果顯著。由實驗結果可知，本文方法可有效提升正面扣球圖像的視覺效果，有利于后續(xù)的正面扣球動作邊緣輪廓提取。

信噪比是判斷排球正面扣球幀圖像質量的重要指標，并影響排球正面扣球軌跡跟蹤結果的準確度，通過與文獻[5]、文獻[6]方法進行比較，分析不同時間下本文方法處理后的排球正面扣球圖像信噪比的變化情況，實驗結果如圖3所示。

圖3 正面扣球圖像信噪比分析

分析圖3可知，隨著排球正面扣球幀圖像處理時間的不斷增長，3種方法處理后的排球正面扣球圖像信噪比呈增大趨勢，本文方法增強后的排球正面扣球圖像信噪比最大，可達到31.5 dB；其次為文獻[5]方法，文獻[6]方法獲取的排球正面扣球圖像信噪比最低。實驗結果表明，本文方法獲取的正面扣球圖像質量更好、視覺效果突出，且此結論與實驗2所得的實驗結果一致。

以采集的排球運動員正面扣球圖像信息為例，利用本文方法提取該正面扣球圖像的邊緣輪廓信息，分析本文方法的排球邊緣輪廓特征提取能力，實驗結果如圖4所示。

圖4 排球邊緣輪廓提取結果

分析圖4可知，本文方法提取的正面扣球時的排球邊緣輪廓完整度高，細節(jié)特征豐富，細節(jié)內容保留完好。實驗結果表明，本文方法可有效提取排球正面扣球時的排球邊緣輪廓，邊緣輪廓清晰，排球邊緣檢測效果突出。

采用本文方法對排球正面扣球軌跡進行跟蹤，并與文獻[5]、文獻[6]方法進行對比，分析本文方法的排球正面扣球軌跡跟蹤效果，實驗結果如圖5所示。

圖5 排球正面扣球軌跡跟蹤結果

分析圖5可知，與排球正面扣球的實際運行軌跡進行對比，本文方法跟蹤的正面扣球運行軌跡遵循了實際軌跡的走勢規(guī)律，且兩條軌跡曲線間具有微弱差異，基本可以忽略不計；文獻[5]、文獻[6]方法獲取的正面扣球運行軌跡雖與實際軌跡曲線具有相同的走勢規(guī)律，但與實際軌跡曲線均有較大的差異性。實驗結果表明，本文方法的排球正面扣球軌跡跟蹤結果優(yōu)于文獻[5]、文獻[6]方法，軌跡跟蹤效果突出。

3 結語

正面扣球是排球賽場上重要得分項目，為對排球運動員的戰(zhàn)術特點進行針對性分析，提出基于蜂群算法的排球正面扣球軌跡快速跟蹤方法。以G·V16攝像機拍攝的某高校排球運動員的賽事視頻信息為研究對象，分別利用文獻[5]方法、文獻[6]方法及本文方法采集其中的正面扣球圖像，分析各方法的正面圖像采集性能；在正面扣球灰度圖像增強的基礎上，提取排球的邊緣輪廓特征，并對排球的運行軌跡進行跟蹤。實驗結果表明：①本文方法采集的正面扣球圖像優(yōu)于文獻[5]、文獻[6]方法；②增強后的正面扣球灰度圖像信噪比高、對比度明顯提升，正面扣球動作邊緣輪廓信息更加清晰，特征突出，圖像視覺效果顯著；③提取的排球輪廓特征完整、細節(jié)豐富，跟蹤到的正面扣球軌跡與實際軌跡偏差很小，軌跡跟蹤效果突出。