短跑运动图像人体关节点自动识别系统的研制与应用

论文摘要

现代科学技术的发展极大地促进了体育科技的进步,高科技手段广泛运用于运动训练,提高了训练的科学化水平,促使运动技术水平和比赛成绩不断提高。随着体育科学的发展和运动实践的逐步深入,在运动训练中,运用科学的训练方法和监测手段改善运动训练的效果,提高运动成绩,已成为体育的重要发展方向之一。科学合理的运动训练是建立在以机能监控指标和技术监控指标为反馈信息来调控运动训练强度的一种运动训练模式。目前,从技术监控的角度对运动训练实行监控主要应用的是运动录像解析系统。但是,运动录像解析系统还存在着严重缺陷,主要是不能及时反馈信息和操作复杂。图像拍摄之后一两个月甚至三四个月才能得到测试数据,不能实现实时监控,所得数据不具有现实指导价值。而影响运动学研究快速反馈的瓶颈在于数据的采集处理方法,传统的解析方法是由人工判读人体关节点,工作量巨大,严重影响反馈的速度,不仅如此,人工识别操作枯燥,常由此引起疲劳误差和操作误差,而且重复性差。运动录像解析系统的操作也相对复杂,需要有一定的基础知识和严格培训才能操作。对于繁忙的教练员来说,可操作性很差。而利用计算机对运动图像的人体关节点进行自动识别,具有花费低、周期短、精度高、重复性好等优点,最主要的是能够实现实时监控和快速反馈,可操作性好,很有发展前途。为了解决运动录像解析系统信息反馈缓慢和可操作性差的问题,本论文选择短跑为研究对象,这是因为:短跑项目不仅本身的技术动作分析十分重要,而且它是其他运动项目的基础。不管是跳高、跳远,还是篮球、足球、羽毛球等各种运动,都是在跑动中完成的[1]。因此,本研究在解决短跑人体关节点自动识别的同时,将为其他运动项目提供一个理论研究方法和软件的平台。若将各个运动项目的特殊规律导入这个平台,即可实现这些项目的关节点自动识别。本论文以短跑为研究对象,以计算机为工具,首先采用先分割再填充的方法,获得不重影、不抖动的图像。然后根据轮廓线最低点坐标（x、y轴坐标）的变化特征,由计算机自动识别特殊时刻（离地瞬间和着地瞬间等）,进而区分不同运动时相。并根据短跑这个项目的运动规律和已经确定的运动时相,对不同时相乃至不同时刻的不同关节点采取相应的确定方法。在区域跟踪方面,将容易获得的人体轮廓特征点（如人体轮廓最高点、最低点等）结合短跑运动规律用于确定人体各关节点的区域跟踪,针对各关节点的特异性和各时相的特异性,对不同时相的各关节点采取不同的跟踪区域中心和半径,并根据动作连贯性进行自适应调整。根据圆心到圆周的各点距离相等这一原理,找到与关节点周围轮廓线上特征点距离相等的点（一般为中点）作为所求关节点。本研究根据运动的连续性,判断识别人体关节点出现特殊情况的运动图像。并利用环节长法,由邻近关节点的坐标及环节斜率计算进入人体轮廓的可见侧关节点;利用像素差异,提取可见侧手臂轮廓解决可见侧手臂关节点进入躯干轮廓的问题;将可见侧关节点坐标移动半个周期,计算获得遮挡侧对应关节点坐标数据;利用像素值判断手位于髋关节前后来解决手对髋关节确定的影响。综合应用轮廓线识别与灰度识别两种方法,以轮廓线上特征点确定体内关节点为主,以灰度差异识别为辅,二者相互补充,提高了自动识别精度和效率。本研究研发出了可在Windows系统平台运行的、用Visual C++ 6.0编制的“短跑人体关节点的自动识别软件系统”计算机应用程序,实现了计算机自动识别短跑运动图像中的人体关节点,使运动录像解析系统准确及时地反馈运动信息并具有良好的可操作性。

论文目录

• 摘要
• Abstract
• 绪论
• 1 前言
• 1.1 研究意义
• 1.2 国内外研究概况
• 1.3 研究内容
• 1.3.1 视频转化为无抖动数字图像
• 1.3.2 运动时相的自动识别
• 1.3.3 运动时相的分段分析
• 1.3.4 区域跟踪
• 1.3.5 比例长度法
• 1.3.6 关节点的确定方法
• 1.3.7 特殊情况出现的判断
• 1.3.8 特殊情况的处理
• 1.3.9 轮廓线与灰度识别相结合
• 1.3.10 人体关节点自动识别实现情况
• 1.3.11 研制了短跑人体关节点的自动识别软件系统
• 1.4 研究特色及应用前景
• 2 研究方法
• 2.1 文献资料法
• 2.2 专家访谈法
• 2.3 测量法
• 2.4 软件工程法
• 2.5 运动建模
• 2.6 人体建模
• 2.7 数学建模
• 3 研究的技术路线
• 3.1 视频转化为无抖动数字图像
• 3.2 人体关节点的自动识别
• 3.2.1 提取运动人体轮廓线
• 3.2.2 运动时相的自动识别
• 3.2.3 确定比例长度
• 3.2.4 区域跟踪
• 3.2.5 确定关节点
• 3.2.5.1 关节点确定的原则、参照数学模型与方法
• 3.2.5.2 关节点周围轮廓线上特征点确定的主要方法
• 3.2.5.3 体内关节点的确定方法
• 3.2.5.4 不同时相各关节点的确定方法
• 3.2.6 特殊情况的判断及处理
• 3.2.6.1 特殊情况出现的判断
• 3.2.6.2 特殊情况的处理
• 3.3 软件流程与实现
• 3.3.1 短跑人体关节点的自动识别软件主界面
• 3.3.2 视频转化为无抖动数字图像程序界面
• 3.3.3 导入图像界面
• 3.3.4 人体关节点的自动识别
• 3.3.5 导出数据
• 3.4 软件识别与手工识别对比分析
• 4 结论
• 参考文献
• 致谢
• 攻读学位期间科研成果