基于姿態(tài)識別的武術(shù)套路評分系統(tǒng)的設(shè)計

夏永強 周元玲

(湖南人文科技學(xué)院 湖南婁底 417000)

武術(shù)是古代軍事戰(zhàn)爭中一種傳承的技術(shù)。習(xí)武可以強身健體，亦可以防御敵人進攻。武術(shù)競賽規(guī)則產(chǎn)生于中華人民共和國成立以后，是對套路表演水平的評價標準。目前各種武術(shù)競賽評分規(guī)則均采用或參考國家體育總局武術(shù)運動管理中心審定的最新《武術(shù)套路競賽規(guī)則》及有關(guān)補充規(guī)定，按照無難度組別要求的競賽項目評分方法與標準執(zhí)行。武術(shù)項目走向了追求評分客觀性的競技化道路。競技武術(shù)套路的評判得分是由動作規(guī)格、演練水平和難度3項總分組成。

裁判員根據(jù)運動員現(xiàn)場發(fā)揮的技術(shù)水平，按照各競賽項目的動作規(guī)格要求，減去該動作規(guī)格中出現(xiàn)的錯誤扣分和其他錯誤扣分，即為運動員的動作規(guī)格分。但武術(shù)套路裁判員執(zhí)裁的客觀性問題一直是該領(lǐng)域的熱門話題。

許多學(xué)者對武術(shù)套路競賽做了大量研究［1-3］，對武術(shù)套路競賽的規(guī)則變化對武術(shù)套路運動發(fā)展的影響進行了討論和分析，在梳理和分析歷史沿革與演變內(nèi)容的基礎(chǔ)上，解析了武術(shù)套路競賽規(guī)則存在的現(xiàn)實問題及優(yōu)化策略，提到借助科學(xué)儀器進行量化評判，完善演練水平的評判指標［2］。部分學(xué)者對武術(shù)套路競賽采用電子打分制進行了分析，認為電子打分制的執(zhí)行對武術(shù)套路運動員技術(shù)動作提高有明顯的影響，打分方式的改進可促進武術(shù)套路項目走向世界賽場［4］。

隨著神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等人工智能技術(shù)的發(fā)展，人體姿態(tài)識別等技術(shù)在武術(shù)套路競賽評分中開始得到關(guān)注和研究。例如，設(shè)計開發(fā)以護腕為硬件載體、結(jié)合機器學(xué)習(xí)方法的可穿戴武術(shù)動作量化評估系統(tǒng)，實現(xiàn)武術(shù)訓(xùn)練的量化評估［5］。另外，利用人體姿態(tài)識別技術(shù)，剖析相關(guān)技術(shù)，并提出以人體2D 關(guān)節(jié)點進行數(shù)據(jù)分類的動作識別方案，該方案能有效識別出視頻中的武術(shù)動作［6］。為了武術(shù)考核過程和武術(shù)中考的公平性與客觀性，現(xiàn)已經(jīng)開始嘗試使用人工智能對動作規(guī)格、勁力節(jié)奏等進行評價，有效避免評價過程的主觀因素和外部其他因素的影響，從客觀實際的角度給予真實有效的分數(shù)［7］。

GitHub開源平臺展示了一個可以檢測俯臥撐動作是否標準的程序。該程序通過檢測肘、肩和髖部角度的變化來判斷俯臥撐動作是否正確，同時完成俯臥撐動作計數(shù)。

1 武術(shù)套路的姿態(tài)識別實現(xiàn)

在該文中以深度庫即Mediapipe 為基礎(chǔ)庫和視覺預(yù)處理的CV2庫來創(chuàng)建一個程序，進行人體檢測，跟蹤武術(shù)套路競賽動作，并針對特定動作，根據(jù)《武術(shù)套路競賽規(guī)則》進行客觀的評分。MediaPipe 是谷歌開源的多面體機器學(xué)習(xí)框架，里面包含了很多各種各樣的模型，其中就包括人體姿態(tài)檢測；OpenCV 是一個基于BSD許可（開源）發(fā)行的跨平臺的計算機視覺和機器學(xué)習(xí)的軟件庫，能實現(xiàn)圖像處理和計算機視覺方向的很多通用算法。

1.1 開發(fā)環(huán)境和相關(guān)庫的安裝

該項目采用Python語音集成開發(fā)環(huán)境Pycharm，安裝完P(guān)ycharm開發(fā)環(huán)境后，配置好虛擬環(huán)境，其中Python選擇3.8或者3.9版本，Mediapipe的版本0.8.4、OpenCv-python 版本4.6.0.66。MediaPipe依賴OpenCV來處理視頻。

該方案建立在MediaPipe框架之上，MediaPipe是一款由Google Research開發(fā)并開源的多媒體機器學(xué)習(xí)模型應(yīng)用框架。MediaPipe 工具包包括框架和Solutions，MediaPipe解決方案構(gòu)建在框架之上，目前提供了包括人體識別在內(nèi)的16個解決方案。該項目的開發(fā)流程如圖1所示。

圖1 程序?qū)崿F(xiàn)流程

1.2 程序初始化

導(dǎo)入項目所需相關(guān)庫，如項目需依賴OpenCV來處理視頻，OpenCV可以打開攝像頭或者讀取相關(guān)視頻文件，轉(zhuǎn)換為RGB 圖像并顯示每一幀的圖像。Python 的2D繪圖庫Matplotlib用來繪制圖形等。

1.3 姿態(tài)檢測的實現(xiàn)

為了武術(shù)套路競賽的方便，可以通過攝像頭直接讀取視頻，也可以采用視頻文件方式，如使用Cap=cv2.VideoCapture（0）打開攝像頭，Cap=cv2.VideoCapture（'pose1.mp4'）打開對應(yīng)視頻文件。

如圖2 所示，利用MediaPipe 框架獲取每一幀圖片的人體關(guān)鍵點模型，執(zhí)行姿勢檢測后，可以獲得33 個人體關(guān)鍵點的列表（見圖2），這些人體關(guān)鍵點代表圖像中人物的身體關(guān)節(jié)等位置。如圖3和圖4所示，為實際測試得到的運動員33關(guān)鍵點模型。

圖2 33個人體關(guān)鍵點

圖3 運動員下蹲狀態(tài)下33個關(guān)鍵點

圖4 運動員站立狀態(tài)下33個關(guān)鍵點

1.4 關(guān)節(jié)角度等計算實現(xiàn)

關(guān)節(jié)角度是由3 個關(guān)節(jié)點和2 個人體對應(yīng)的支干組成的關(guān)節(jié)角度。根據(jù)33關(guān)鍵點的坐標點，通過三關(guān)節(jié)點坐標，利用算法獲取特定部位角度。每個關(guān)鍵點都有對應(yīng)的坐標（x，y，z）。其中x為按圖像寬度歸一化的關(guān)鍵點x 坐標；y 為按圖像高度歸一化的關(guān)鍵點y 坐標；z 為歸一化與x 大致相同的比例的關(guān)鍵點z 坐標。它表示以臀部中點為原點的地標深度。

可見性是一個范圍為［0.0，1.0］的值，表示圖像中可見（未遮擋）的可能性。

其中，關(guān)節(jié)點P1坐標（x1，y1）、P2坐標（x2，y2）、P3坐標（x3，y3）。計算角度即為P2、P1、P3關(guān)節(jié)點的角度。

針對武術(shù)套路競賽規(guī)則，對特定的動作評分，根據(jù)評分原則，對具體動作進行關(guān)節(jié)角度等信息的測量等。例如，腿法中的前掃腿扣分內(nèi)容包括支撐腿大腿高于水平、掃轉(zhuǎn)腿腳掌離地和掃轉(zhuǎn)腿彎曲。根據(jù)上述肢體部位，映射到MediaPipe 的具體關(guān)節(jié)點，如掃轉(zhuǎn)腿彎曲對應(yīng)的就是關(guān)節(jié)點26、24和28的角度。支撐腿大腿高于水平也可以用關(guān)節(jié)點25、23和27的角度作為參考。

2 實驗數(shù)據(jù)分析

根據(jù)上述分析，導(dǎo)入運動員武術(shù)套路競賽視頻文件，視頻包含了腿法中的前掃腿過程。如圖5所示，前掃腿開始階段掃轉(zhuǎn)腿膝蓋部分角度為174o，掃轉(zhuǎn)腿基本未彎曲；支撐腿膝蓋部分角度為100o，運動員支撐腿大腿低于水平。如圖6所示，在前掃腿過程中，掃轉(zhuǎn)腿膝蓋部分角度為158o，掃轉(zhuǎn)腿出現(xiàn)了輕微彎曲；支撐腿膝蓋部分角度為118o，運動員支撐腿大腿稍微高于水平，出現(xiàn)了輕微的扣分現(xiàn)象。

圖5 運動員前掃腿開始階段

圖6 運動員前掃腿階段

3 結(jié)語

該文通過MediaPipe框架實現(xiàn)運動員的姿態(tài)識別，并通過姿態(tài)識別的關(guān)節(jié)坐標計算得到對應(yīng)關(guān)節(jié)點的角度。利用對應(yīng)的關(guān)節(jié)角度對武術(shù)套路競賽規(guī)則評分標準的動作完成情況進行評分，能有效避免主觀評分對競賽結(jié)果的影響。武術(shù)套路競賽規(guī)則中還有部分關(guān)于騰空高度和距離的部分評分規(guī)則，目前還在完善之中。上述方法無法實現(xiàn)武術(shù)套路競賽規(guī)則所有的評分，如節(jié)奏、協(xié)調(diào)性等主觀評分標準，只能采用人工方式評分。