基于OpenCV的三級(jí)跳遠(yuǎn)體育視頻分析研究

《基于OpenCV的三級(jí)跳遠(yuǎn)體育視頻分析研究》由會(huì)員分享，可在線閱讀，更多相關(guān)《基于OpenCV的三級(jí)跳遠(yuǎn)體育視頻分析研究（7頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、基于OpenCV的三級(jí)跳遠(yuǎn)體育視頻分析研究 牛永亮 摘要：基于開源計(jì)算機(jī)視覺類庫(kù)OpenCV，采用光流法、自適應(yīng)角度調(diào)整、模塊化拼接及角點(diǎn)檢測(cè)等方法實(shí)現(xiàn)三級(jí)跳遠(yuǎn)體育視頻中運(yùn)動(dòng)背景及前景合成、運(yùn)發(fā)動(dòng)關(guān)鍵技術(shù)指標(biāo)定量分析。文章首先結(jié)合三級(jí)跳遠(yuǎn)視頻特點(diǎn)，采用光流法將視頻中呈現(xiàn)的局部運(yùn)動(dòng)信息和全局背景信息分析、提取;其次利用Hough變換、仿射變換、區(qū)域填充法對(duì)光流法提取的背景特征進(jìn)行模塊化合成;然后依據(jù)視頻序列中呈現(xiàn)的時(shí)間和空間屬性，將三級(jí)跳遠(yuǎn)運(yùn)動(dòng)視頻中展現(xiàn)的背景、前景合成為全局場(chǎng)景圖;最后，對(duì)運(yùn)發(fā)動(dòng)的三級(jí)跳關(guān)鍵技術(shù)指標(biāo)進(jìn)行定量分析。實(shí)驗(yàn)說明，該算法能夠?qū)崿F(xiàn)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)

2、場(chǎng)景合成，通過對(duì)運(yùn)發(fā)動(dòng)關(guān)鍵運(yùn)動(dòng)指標(biāo)進(jìn)行定量分析，為其他競(jìng)技類視頻分析提供借鑒，對(duì)指導(dǎo)現(xiàn)實(shí)訓(xùn)練具有一定意義。 關(guān)鍵詞：OpenCV;運(yùn)動(dòng)背景;三級(jí)跳遠(yuǎn);運(yùn)動(dòng)場(chǎng)景合成;指標(biāo)定量分析 Abstract：BasedontheopensourcecomputervisionlibraryOpenCV，themethodsofopticalflow，adaptiveangleadjustment，modularsplicingandcornerdetectionareusedtorealizethesynthesisofsportsbackgroundandforegroundofthesportsv

3、ideointhetriplejumpandquantitativelyanalyzethekeytechnicalindicatorsofathletes.Firstly，combinedwiththecharacteristicsofthetriplejumpvideo，theopticalflowmethodisusedtoanalyzeandextractthelocalmotioninformationandglobalbackgroundinformationpresentedinthevideo.Secondly，weuseHoughtransform，affinetransfo

4、rmandareafillingmethodtomakemodularsynthesisofthebackgroundfeaturesextractedbyopticalflowmethod.Then，accordingtothetimeandspaceattributespresentedinthevideosequence，thebackgroundandforegroundpresentedinthetriplejumpvideoaresynthesizedintoaglobalscenediagram.Finally，thekeytechnicalindicatorsoftriplej

5、umpareanalyzedquantitatively.Theexperimentshowsthatthealgorithmcanrealizethescenesynthesisofthetriplejumpandquantitativelyanalyzethekeysportsindicatorsofathletes，whichprovidesreferenceforothercompetitivevideoanalysisandhascertainsignificanceforguidingthepracticaltraining. Keywords：OpenCV;movingback

6、ground;triplejump;motionscenesynthesis;quantitativeanalysisofindicators 一、研究背景與現(xiàn)狀 當(dāng)今，競(jìng)技體育開展越來越迅速，運(yùn)發(fā)動(dòng)之間的競(jìng)爭(zhēng)也越來越劇烈，提高其運(yùn)動(dòng)成績(jī)的難度也越來越大。OpenCV視覺類庫(kù)于1999年由Intel建立，是由C函數(shù)和少量C++類構(gòu)成開源軟件開發(fā)包，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法，為視頻分析研究帶來了便利。競(jìng)技類運(yùn)動(dòng)視頻將訓(xùn)練或比賽中運(yùn)發(fā)動(dòng)的各個(gè)動(dòng)作用攝像機(jī)拍攝下來，通過數(shù)字視頻處理和圖像解析技術(shù)對(duì)動(dòng)作狀態(tài)和細(xì)節(jié)進(jìn)行分析處理、比較，可以讓運(yùn)發(fā)動(dòng)直觀地了解自身的缺乏和優(yōu)勢(shì)，實(shí)現(xiàn)體

7、育訓(xùn)練的科學(xué)化。 競(jìng)技類運(yùn)動(dòng)視頻是典型的運(yùn)動(dòng)背景視頻?；谶\(yùn)動(dòng)背景的視頻研究，可以克服靜止攝像機(jī)帶來的場(chǎng)景固定、觀測(cè)范圍小等不利因素，實(shí)現(xiàn)實(shí)時(shí)跟蹤、擴(kuò)大觀測(cè)范圍，目前已廣泛應(yīng)用于人機(jī)交互、圖像導(dǎo)航、戰(zhàn)場(chǎng)測(cè)繪等軍事和民事領(lǐng)域，并取得了豐富的成果。美國(guó)國(guó)防部VSAM〔VisualSurveillanceandMonitoring〕研究工程，實(shí)現(xiàn)了戰(zhàn)場(chǎng)態(tài)勢(shì)分析、難民管理、重點(diǎn)場(chǎng)所管控等功能【1】;在歐盟，由法國(guó)計(jì)算機(jī)科學(xué)與控制研究院及英國(guó)的雷丁大學(xué)等機(jī)構(gòu)聯(lián)合開發(fā)了一套用于提高公共交通網(wǎng)絡(luò)管理的ADVISOR系統(tǒng)【2】。在國(guó)內(nèi)，各高校及科研機(jī)構(gòu)對(duì)此也特別關(guān)注。2021年北京奧運(yùn)會(huì)期間，中科院自動(dòng)化所

8、建立了針對(duì)室內(nèi)外場(chǎng)景監(jiān)控的視頻分析系統(tǒng)，可對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行分析，并記錄場(chǎng)景的變化情況【3】;西北工業(yè)大學(xué)設(shè)計(jì)完成的GreatWall視頻系統(tǒng)，可以在門禁控制、航拍目標(biāo)檢測(cè)等方面進(jìn)行分析【4】。 在體育科學(xué)研究領(lǐng)域，芬蘭赫爾辛基理工大學(xué)的Perttu、美國(guó)亞利桑那州立大學(xué)的KanavKahol博士等分別通過延時(shí)視頻技術(shù)對(duì)運(yùn)發(fā)動(dòng)訓(xùn)練過程中的復(fù)雜技術(shù)動(dòng)作、舞蹈訓(xùn)練中的姿勢(shì)等進(jìn)行自動(dòng)分割，用于識(shí)別和指導(dǎo)訓(xùn)練[5-6]。相較國(guó)外而言，國(guó)內(nèi)面向運(yùn)動(dòng)訓(xùn)練的視頻分析研究起步較晚，但現(xiàn)今也取得了一些成果。國(guó)防科技大學(xué)陳劍赟等提出了根本語義單元BSU〔BasicSemanticUnit〕的概念，并給出了基于BSU

9、的視頻內(nèi)容分析框架【7】。李玲芝利用全局運(yùn)動(dòng)估計(jì)模型對(duì)跳水運(yùn)動(dòng)視頻進(jìn)行了分析，為跳水運(yùn)動(dòng)的技術(shù)分析提供了支持[8]。以上研究雖然成績(jī)斐然，但由于運(yùn)動(dòng)背景的復(fù)雜性，目前對(duì)于運(yùn)動(dòng)背景下的運(yùn)動(dòng)目標(biāo)研究遠(yuǎn)沒有到達(dá)應(yīng)對(duì)復(fù)雜場(chǎng)景的要求。 文章以第16屆廣州亞運(yùn)會(huì)和第30屆倫敦奧運(yùn)會(huì)中的三級(jí)跳遠(yuǎn)工程為例，基于OpenCV函數(shù)庫(kù)對(duì)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)視頻進(jìn)行分析，實(shí)現(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)和提取、運(yùn)動(dòng)場(chǎng)景合成、運(yùn)動(dòng)指標(biāo)定量計(jì)算與分析等功能，具有以下應(yīng)用價(jià)值和學(xué)術(shù)意義： 〔1〕比較運(yùn)動(dòng)背景下運(yùn)動(dòng)目標(biāo)分析方法，并對(duì)三級(jí)跳遠(yuǎn)視頻分析，為其他競(jìng)技類工程技術(shù)分析提供借鑒和方法; 〔2〕運(yùn)用圖像處理技術(shù)和三級(jí)跳遠(yuǎn)運(yùn)動(dòng)的專業(yè)知

10、識(shí)，對(duì)運(yùn)動(dòng)視頻進(jìn)行全景合成，并對(duì)運(yùn)發(fā)動(dòng)關(guān)鍵技能指標(biāo)進(jìn)行定量分析，以利于提高運(yùn)發(fā)動(dòng)成績(jī); 〔3〕利用OpenCV開源工具包實(shí)現(xiàn)平臺(tái)設(shè)計(jì)，可以減少開發(fā)風(fēng)險(xiǎn)，降低本錢，提高開發(fā)速度。 二、算法思路 競(jìng)技運(yùn)動(dòng)劇烈，完成時(shí)間短，一次完整的動(dòng)作往往缺乏20秒，教練員很難在短時(shí)間內(nèi)對(duì)運(yùn)發(fā)動(dòng)的運(yùn)動(dòng)指標(biāo)進(jìn)行直觀判斷。全景合成圖由描述整個(gè)場(chǎng)景的背景和運(yùn)動(dòng)前景共同構(gòu)成，能夠改變單一局部觀察視角，展現(xiàn)整個(gè)運(yùn)動(dòng)場(chǎng)景的全貌。相對(duì)于單個(gè)圖像組成的視頻序列，運(yùn)動(dòng)全景圖可以更加全面、直觀地獲取運(yùn)動(dòng)信息。 實(shí)驗(yàn)實(shí)現(xiàn)全景合成圖和技術(shù)指標(biāo)定量分析兩個(gè)目的。首先將三級(jí)跳遠(yuǎn)運(yùn)動(dòng)視頻序列轉(zhuǎn)化為灰色圖像序列，通過運(yùn)動(dòng)檢測(cè)分析得到運(yùn)動(dòng)

11、前景目標(biāo)和全局背景目標(biāo)，對(duì)于背景，根據(jù)三級(jí)跳遠(yuǎn)場(chǎng)地設(shè)置規(guī)那么進(jìn)行背景合成;對(duì)于前景，通過圖像后處理合成前景圖，最終將前景、背景進(jìn)行合成。在別離出前景運(yùn)發(fā)動(dòng)根底上，參加關(guān)鍵技術(shù)指標(biāo)分析知識(shí)，對(duì)運(yùn)發(fā)動(dòng)進(jìn)行技術(shù)指標(biāo)定量分析。整體的設(shè)計(jì)流程如圖1： 三、場(chǎng)景合成 〔一〕圖像預(yù)處理 數(shù)字視頻在假設(shè)干連續(xù)的圖像〔幀〕在時(shí)間軸上進(jìn)行排序，使之成為一個(gè)圖像序列。由于各幀的處理是相互獨(dú)立的，因此可以將數(shù)字視頻當(dāng)作一個(gè)個(gè)靜止圖像來處理。數(shù)字圖像的存儲(chǔ)在計(jì)算機(jī)中用矩陣來表示。在不影響實(shí)驗(yàn)效果的前提下，為了減少運(yùn)算量，將視頻中獲取的RGB圖像轉(zhuǎn)化為單通道圖像，即灰度圖像。 在視頻中由于攝像角度差異，要對(duì)圖像進(jìn)

12、行標(biāo)準(zhǔn)化處理并消除圖像的噪音，需要解決兩個(gè)問題：一是對(duì)圖像中的非跑道直線進(jìn)行排除;二是對(duì)檢測(cè)到的跑道直線計(jì)算得出角度，并進(jìn)行幾何變換。 Hough變換從黑白二值圖像中檢測(cè)直線，它利用點(diǎn)與線的對(duì)偶性，將原始圖像空間中的給定曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。對(duì)問題一，可對(duì)識(shí)別出的直線，當(dāng)線段的斜率k≤0，線段長(zhǎng)度小于圖像寬度1/2時(shí)對(duì)直線進(jìn)行排除。對(duì)問題二，對(duì)跑道直線角度采取均值的方法計(jì)算。 仿射變換可以實(shí)現(xiàn)二維坐標(biāo)之間的線性變換，且保持二維圖像的平直性和平行性。實(shí)驗(yàn)中，設(shè)圖像中A點(diǎn)像素的原坐標(biāo)為，變換后的坐標(biāo)為，M為變換矩陣。當(dāng)目標(biāo)繞原點(diǎn)順時(shí)針旋轉(zhuǎn)時(shí)，對(duì)應(yīng)的坐標(biāo)變換及矩陣M為： 圖

13、像預(yù)處理步驟： 1.獲取視頻序列中幀彩色圖像; 2.利用函數(shù)cvCvtColor進(jìn)行圖像色彩空間轉(zhuǎn)換，將RGB圖像轉(zhuǎn)換為灰度圖像; 3.Hough變換檢測(cè)圖像中直線跑道; 4.計(jì)算得出跑道與水平軸的夾角，對(duì)圖像進(jìn)行幾何變換，效果如圖2： 〔二〕運(yùn)動(dòng)目標(biāo)檢測(cè) 基于運(yùn)動(dòng)背景的目標(biāo)檢測(cè)，目前主要采用全局運(yùn)動(dòng)估計(jì)和光流法來實(shí)現(xiàn)。在競(jìng)技運(yùn)動(dòng)視頻中，背景和前景都在運(yùn)動(dòng)，其中背景的運(yùn)動(dòng)稱為全局運(yùn)動(dòng)，前景目標(biāo)的運(yùn)動(dòng)稱為局部運(yùn)動(dòng)。全局運(yùn)動(dòng)估計(jì)算法是在視頻序列中找出背景運(yùn)動(dòng)的規(guī)律，通過全局運(yùn)動(dòng)補(bǔ)償?shù)玫奖尘皥D像;然后經(jīng)過相鄰幀間的差分及一系列的后處理，得到局部運(yùn)動(dòng)目標(biāo)，由于對(duì)構(gòu)成視頻場(chǎng)景的各個(gè)運(yùn)動(dòng)對(duì)象均

14、引入?yún)?shù)估計(jì)，計(jì)算量相對(duì)較大。光流法根據(jù)圖像序列中像素點(diǎn)的灰度瞬時(shí)變化，計(jì)算得到像素點(diǎn)的速度矢量，從而構(gòu)成圖像的光流場(chǎng)。當(dāng)光流矢量在整個(gè)圖像區(qū)域中連續(xù)變化時(shí)，可以判斷圖像中不存在運(yùn)動(dòng)目標(biāo);當(dāng)圖像中有運(yùn)動(dòng)目標(biāo)時(shí)，由于與背景存在相對(duì)運(yùn)動(dòng)，運(yùn)動(dòng)目標(biāo)的速度矢量必然和鄰域中背景的不同，從而檢測(cè)出運(yùn)動(dòng)目標(biāo)及位置[9]。在競(jìng)技類視頻中，運(yùn)動(dòng)目標(biāo)個(gè)體單一，運(yùn)動(dòng)方向特征明顯，在實(shí)驗(yàn)中采用光流法進(jìn)行運(yùn)動(dòng)目標(biāo)檢測(cè)。算法步驟為： 1.獲取相鄰幀運(yùn)動(dòng)圖像; 2.采用稠密光流跟蹤算法Horn-Schunck〔HS〕及對(duì)像素鄰域進(jìn)行匹配的塊匹配〔BM〕方法，獲取相鄰幀中各像素塊的速度方向; 3.根據(jù)速度矢量對(duì)背景像素

15、進(jìn)行排除，僅剩運(yùn)動(dòng)光流矢量; 4.確認(rèn)運(yùn)動(dòng)圖像中運(yùn)動(dòng)區(qū)域，并進(jìn)行分割。 在進(jìn)行光流法處理時(shí)，需要考慮噪聲的影響。在相鄰幀圖片中，運(yùn)發(fā)動(dòng)根本處于圖像的中央位置，因此可以不去過多考慮上邊界和左邊界的情況;為了保證整個(gè)視頻序列在處理后圖像的尺寸保持一致，可以增大矩形邊界取值范圍，以滿足整個(gè)圖像序列中獲得相同大小的運(yùn)動(dòng)目標(biāo)。結(jié)果如圖3： 〔三〕圖像后處理 在提取到運(yùn)動(dòng)目標(biāo)后，為去除目標(biāo)中含有的背景噪聲，需要經(jīng)過后處理，然后才能較好地顯示前景運(yùn)動(dòng)。其主要經(jīng)過二值化處理、形態(tài)學(xué)操作和輪廓提取及剔除無關(guān)區(qū)域等操作，流程如下： 1.二值化處理。設(shè)定灰度閾值Th，將灰度圖像中的像素灰度值D〔x，y〕與

16、其比較，小于閾值Th的像素劃為一類，作為前景;大于閾值Th的像素劃為另一類，作為背景。經(jīng)過處理，灰度圖像轉(zhuǎn)化為二值圖像R〔x，y〕。 2.形態(tài)學(xué)操作。在得到二值圖像后，其圖像中存在一些孤立的像素點(diǎn)，同時(shí)目標(biāo)區(qū)域中還存在內(nèi)部空洞。通過形態(tài)學(xué)操作可以進(jìn)一步減少噪聲的干擾。實(shí)驗(yàn)中用到腐蝕、膨脹操作; 3.輪廓提取及剔除無關(guān)區(qū)域操作。對(duì)前面處理過的圖像進(jìn)行連通性分析，并最終剔除面積較小的孤立區(qū)域。在處理后的二值圖像中，通過查找輪廓來檢測(cè)連通區(qū)域，并設(shè)立面積閾值，將面積小于閾值的孤立區(qū)域過濾掉，面積較大的認(rèn)為是前景區(qū)域。 4.重繪保存的輪廓，得到前景區(qū)域，如圖4： 經(jīng)過圖像后處理，可以將分割出來

17、的前景運(yùn)發(fā)動(dòng)進(jìn)行較好的復(fù)原處理。但由于運(yùn)發(fā)動(dòng)鞋子的像素值與跑道差異不大，對(duì)運(yùn)發(fā)動(dòng)腳部位置的復(fù)原不夠理想。 〔四〕前景合成 一個(gè)完整的三級(jí)跳遠(yuǎn)視頻包含近百?gòu)垐D像序列。完成前景圖像合成，需考慮如何選擇圖像參加前景合成圖像;如何在前景合成圖像過程中保證圖像間不出現(xiàn)重疊、遮擋以及縫隙等問題。 圖像匹配算法對(duì)兩幅或多幅圖像進(jìn)行識(shí)別并判斷其相似性。在實(shí)驗(yàn)中利用圖像灰度直方圖的統(tǒng)計(jì)特征，對(duì)運(yùn)動(dòng)視頻圖像序列進(jìn)行圖像匹配，進(jìn)而篩選出相關(guān)度較小的圖像。其原理是：設(shè)定相關(guān)度閾值N，獲取視頻中相鄰的第K幀及K+1幀，比較視頻序列中相鄰兩幀的灰度直方圖，如果其相關(guān)性小于閾值，那么保存第K幀圖像，并且令第K+1幀圖

18、像為第K幀，讀取第K+2幀為K+1幀，重復(fù)以上操作，直到視頻結(jié)束;如果其相關(guān)性大于閾值N，K取值不變，取第K+2幀為第K+1幀，重復(fù)以上操作。算法流程如圖5： 對(duì)第16屆廣州亞運(yùn)會(huì)哈薩克斯坦選手葉克托夫比賽視頻中，相鄰的三幀圖像進(jìn)行直方圖匹配。其結(jié)果如圖6： 如上圖所示，a，b，c分別為相鄰三幀圖像，a，b，c為對(duì)應(yīng)的直方圖。采用圖像匹配相關(guān)度方法，a與b的相關(guān)度為0.9778，a與c的相關(guān)度為0.8804。設(shè)定閾值為0.95，那么排除b圖像。 在匹配選取圖像后，需要以貼圖的方式將圖像轉(zhuǎn)換到同一坐標(biāo)系下，需考慮如何根據(jù)圖像的時(shí)空關(guān)系通過圖像融合清晰地映射到全景圖中。 首先解決圖像的時(shí)空

19、關(guān)系。在視頻轉(zhuǎn)換為幀圖像時(shí)，保存所對(duì)應(yīng)的幀編號(hào)，可以得到圖像的時(shí)間屬性。競(jìng)技運(yùn)動(dòng)中，嚴(yán)格的場(chǎng)地設(shè)置，可以確定相應(yīng)的位置關(guān)系。因此，在獲取視頻圖像序列時(shí)，用文件名保存其所在的幀數(shù)，用于表示其對(duì)應(yīng)的時(shí)間信息;根據(jù)前景圖像中含有的背景特征，可以確定前景圖像對(duì)應(yīng)的位置信息。假設(shè)背景特征測(cè)風(fēng)儀和起跳板所對(duì)應(yīng)的幀數(shù)分別為fm，fn;水平像素坐標(biāo)為Pm，Pn;在fm，fn之間存在N幀前景圖像。那么第i幀圖像fi〔m以此類推，可以將圖像映射到一個(gè)統(tǒng)一的坐標(biāo)系下。 在圖像融合過程中，當(dāng)出現(xiàn)圖像重疊時(shí)，如果只是簡(jiǎn)單地進(jìn)行兩幅圖像的疊加，容易造成圖像的模糊以及明顯的拼接痕跡。實(shí)驗(yàn)中采用取平均值法來進(jìn)行處理。 設(shè)

20、分別代表兩幅相鄰的圖像在前景圖處的像素值，那么進(jìn)行如下處理： 根據(jù)算法，取跑道作為背景，得到的前景合成圖如圖7： 在合成圖中，運(yùn)用圖像融合技術(shù)可以合成前景圖像，并且消除相鄰幀間存在的拼接痕跡。為方便得到前景運(yùn)動(dòng)幀的時(shí)間屬性，在圖像上方標(biāo)出了前景各幀所對(duì)應(yīng)的幀編號(hào)。在第40幀處出現(xiàn)一定的重影，是由于背景裁判員影響了前景運(yùn)發(fā)動(dòng)的顯示效果。 〔五〕背景合成 三級(jí)跳遠(yuǎn)場(chǎng)地有著嚴(yán)格的設(shè)置要求，將三級(jí)跳遠(yuǎn)視頻中的特征要素進(jìn)行提取，用以進(jìn)行背景構(gòu)造，主要采用插值法、區(qū)域填充法和光流法進(jìn)行處理，算法流程如圖8： 三級(jí)跳助跑道可以通過插值算法來實(shí)現(xiàn)。圖像插值算法利用的鄰近像素點(diǎn)的灰度值來產(chǎn)生所求像素點(diǎn)

21、的灰度值，從而根據(jù)原始圖像再生出新的圖像或者擴(kuò)展區(qū)域內(nèi)的圖像。實(shí)驗(yàn)中，選取包含助跑道的圖像，根據(jù)三級(jí)跳遠(yuǎn)場(chǎng)地設(shè)置和相應(yīng)的比例關(guān)系進(jìn)行圖像插值處理。以下圖為最近鄰插值、雙線性插值、高階插值得到助跑道，如圖9： 場(chǎng)地背景特征提取利用光流法、背景特征降噪、區(qū)域填充法得到。首先根據(jù)速度矢量規(guī)律獲取背景特征所在位置，并創(chuàng)立矩形區(qū)域;然后依據(jù)助跑道橫貫圖像具有直線的特性，根據(jù)Hough變換檢測(cè)，并消除圖像噪聲;最后進(jìn)行形態(tài)學(xué)膨脹處理，得到背景特征圖像，如圖10。 對(duì)于同時(shí)含有前景運(yùn)發(fā)動(dòng)和背景特征的圖片，采用區(qū)域填充法進(jìn)行處理。首先利用光流法對(duì)前景運(yùn)動(dòng)區(qū)域進(jìn)行檢測(cè)并提取;然后對(duì)提取前景后留下的空當(dāng)區(qū)域，

22、根據(jù)周邊相似背景進(jìn)行填充，最后通過降噪處理，得到背景區(qū)域，如圖11。 對(duì)獲取的背景特征，利用三級(jí)跳遠(yuǎn)場(chǎng)地規(guī)那么，確定背景特征所處的位置，將其統(tǒng)一到坐標(biāo)系下，得到背景合成圖，如圖12。 〔六〕全景合成 全景合成圖由描述整個(gè)場(chǎng)景的背景和運(yùn)動(dòng)前景共同構(gòu)成，改變了單一局部的觀察視角，展現(xiàn)了整個(gè)場(chǎng)景的運(yùn)動(dòng)全貌。相對(duì)于單個(gè)圖像組成的視頻序列，全景合成圖可以更加全面、直觀地獲取運(yùn)動(dòng)信息，如圖13。 四、關(guān)鍵技術(shù)指標(biāo)分析 三級(jí)跳遠(yuǎn)工程是由運(yùn)發(fā)動(dòng)經(jīng)過加速助跑后，由單足跳〔hop〕、跨步跳〔skip〕、跳躍〔jump〕所組成的連續(xù)三次騰越的運(yùn)開工程，相關(guān)技術(shù)指標(biāo)包括助跑速度和速度利用率、踏板準(zhǔn)確度、三跳

23、比例、運(yùn)動(dòng)角度值等[10]，實(shí)驗(yàn)中對(duì)助跑速度、運(yùn)動(dòng)角度值進(jìn)行了定量分析。 〔一〕助跑速度分析 根據(jù)三級(jí)跳遠(yuǎn)場(chǎng)地規(guī)那么，測(cè)風(fēng)儀距離起跳板20米。將測(cè)風(fēng)儀、起跳板作為標(biāo)志，兩者間的距離設(shè)為S;當(dāng)運(yùn)發(fā)動(dòng)到達(dá)后，進(jìn)入設(shè)定的矩形有效范圍開始計(jì)算視頻幀數(shù)，得到所用的時(shí)間T，最終根據(jù)那么可得出運(yùn)發(fā)動(dòng)在此期間的平均速度V，即，如圖14： 在實(shí)驗(yàn)中選取2021年廣州亞運(yùn)會(huì)三級(jí)跳遠(yuǎn)運(yùn)發(fā)動(dòng)曹碩進(jìn)行了分析，視頻播放速率為1020幀/分。運(yùn)發(fā)動(dòng)進(jìn)入測(cè)風(fēng)儀、起跳板有效矩形范圍所對(duì)應(yīng)的幀數(shù)分別為第3幀、第39幀。計(jì)算所用時(shí)間平均速度為。 〔二〕角度指標(biāo)分析 實(shí)驗(yàn)中對(duì)運(yùn)發(fā)動(dòng)的離地角、膝關(guān)節(jié)角分別進(jìn)行了定量計(jì)算。在計(jì)

24、算角度指標(biāo)時(shí)，需對(duì)運(yùn)發(fā)動(dòng)的圖像進(jìn)行邊緣檢測(cè)、輪廓提取、輪廓矩計(jì)算、角點(diǎn)檢測(cè)。 計(jì)算離地角，算法思路為： 1.別離出運(yùn)動(dòng)目標(biāo)后，提取目標(biāo)輪廓。實(shí)驗(yàn)中在使用Sobel邊緣檢測(cè)算子，進(jìn)行輪廓提取; 2.根據(jù)輪廓的矩特征，提取出運(yùn)發(fā)動(dòng)的質(zhì)心和接地點(diǎn)坐標(biāo)。輪廓矩是對(duì)輪廓上的所有像素點(diǎn)進(jìn)行積分運(yùn)算，從而得到的一個(gè)統(tǒng)計(jì)特征; 3.根據(jù)三角形余弦公式得到著地角。 實(shí)驗(yàn)中對(duì)廣州亞運(yùn)會(huì)哈薩克斯坦選手葉克托夫第二跳時(shí)的起跳角分析，得到的重心坐標(biāo)A〔126，78〕，著地點(diǎn)坐標(biāo)B〔164，150〕，計(jì)算得到起跳角度為62.1759度，如圖15： 計(jì)算膝關(guān)節(jié)角，算法思路為： 1.對(duì)目標(biāo)運(yùn)動(dòng)圖像進(jìn)行輪廓處理;

25、 2.根據(jù)輪廓面積等特征將小的干擾輪廓進(jìn)行排除，最終得到運(yùn)發(fā)動(dòng)輪廓; 3.對(duì)輪廓圖像進(jìn)行角點(diǎn)檢測(cè)，并對(duì)角點(diǎn)標(biāo)注編號(hào)。實(shí)驗(yàn)中，采用Harris算子對(duì)角點(diǎn)進(jìn)行檢測(cè); 4.輸入關(guān)注的角點(diǎn)編號(hào)，以便準(zhǔn)確地確定所檢測(cè)角點(diǎn)的位置; 5.以該角點(diǎn)為圓心作圓并與輪廓的交點(diǎn)構(gòu)成三角形。利用余弦定理得出所要求的角度，如圖16： 實(shí)驗(yàn)中對(duì)⑧號(hào)角點(diǎn)進(jìn)行了檢測(cè)，測(cè)得角度為164.74度。 五、平臺(tái)設(shè)計(jì) 針對(duì)實(shí)驗(yàn)中完成的內(nèi)容，設(shè)計(jì)了三級(jí)跳遠(yuǎn)運(yùn)動(dòng)分析平臺(tái)，主要實(shí)現(xiàn)視頻載入及圖像保存、圖像預(yù)處理、場(chǎng)景合成及運(yùn)動(dòng)指標(biāo)計(jì)算等功能。該平臺(tái)以WindowXP，VisualC++6.0，OpenCV為根底進(jìn)行開發(fā)，共分為

26、四個(gè)局部：視頻載入及圖像保存、圖像預(yù)處理、場(chǎng)景合成、技術(shù)指標(biāo)計(jì)算，如圖17： 六、實(shí)驗(yàn)分析 實(shí)驗(yàn)對(duì)三級(jí)跳遠(yuǎn)視頻進(jìn)行了運(yùn)動(dòng)目標(biāo)檢測(cè)，運(yùn)動(dòng)場(chǎng)景合成、運(yùn)動(dòng)指標(biāo)定量計(jì)算，并設(shè)計(jì)了三級(jí)跳遠(yuǎn)運(yùn)動(dòng)分析平臺(tái)。實(shí)驗(yàn)過程中，筆者進(jìn)行了大量的算法比照分析，并提出了一些新的算法。 〔1〕對(duì)全局運(yùn)動(dòng)估計(jì)和光流法進(jìn)行比較。全局運(yùn)動(dòng)計(jì)算量較大且外點(diǎn)排除復(fù)雜;而三級(jí)跳遠(yuǎn)視頻中運(yùn)發(fā)動(dòng)處于中心位置且前景與背景存在明顯的運(yùn)動(dòng)差異。實(shí)驗(yàn)說明，光流法可以較好地檢測(cè)出運(yùn)動(dòng)目標(biāo)。 〔2〕在背景合成中采用了模塊化的合成方法。實(shí)驗(yàn)中采用區(qū)域填充法和背景特征提取法分別進(jìn)行了背景合成。 〔3〕進(jìn)行三級(jí)跳遠(yuǎn)運(yùn)動(dòng)場(chǎng)景的全景合成。運(yùn)動(dòng)場(chǎng)景合成

27、改變了單一局部的觀察視角，展現(xiàn)了整個(gè)場(chǎng)景的運(yùn)動(dòng)全貌，更利于全面、直觀地獲取運(yùn)動(dòng)信息。 〔4〕對(duì)運(yùn)發(fā)動(dòng)技術(shù)指標(biāo)進(jìn)行計(jì)算，并對(duì)角點(diǎn)對(duì)應(yīng)角度值進(jìn)行計(jì)算。在對(duì)角點(diǎn)進(jìn)行檢測(cè)時(shí)，采用了歐氏距離進(jìn)行強(qiáng)角點(diǎn)排除。 在實(shí)驗(yàn)過程中，由于實(shí)驗(yàn)條件和時(shí)間因素限制，在視頻分析實(shí)時(shí)性、算法優(yōu)化及平臺(tái)設(shè)計(jì)等方面還需進(jìn)一步深入研究和拓展。 參考文獻(xiàn)： 【1】CollinsT，LiptonA，F(xiàn)ujiyoshiH，KanadeT.AlgorithmsforCooperativeMultisensorsurveillance.InProceedingsoftheIEEE，2021. 【2】RemagninoP，TanT

28、，BakerK.Multi-agentvisualsurveillanceofdynamicscenes.ImageandVisionComputing，2021，16〔8〕：529-532. 【3】黃誠(chéng).智能視頻監(jiān)控系統(tǒng)管理配置子系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：北京大學(xué)，2021. 【4】朱誼強(qiáng).基于Adaboost算法的實(shí)時(shí)行人檢測(cè)系統(tǒng)[D].西安：西北工業(yè)大學(xué)，2021. 【5】王亮，胡衛(wèi)明，譚鐵牛.人運(yùn)動(dòng)的視頻分析綜述[J].軟件學(xué)報(bào)，2021，25〔3〕：225-237. 【6】KanavKahol，PriyamvadaTripathi，SethuramanPanchanath

29、an.Automatedgesturesegmentationfromdancesequences[C].ProceedingsoftheSixthIEEEInternationalConferenceonAutomaticFaceandGestureRecognition，2021：883-888. 【7】陳劍赟，李云浩等.一種通用的基于根本語義單元的體育視頻內(nèi)容分析框架[J].小型微型計(jì)算機(jī)系統(tǒng)，2021〔2〕：272-276. [8]李玲芝.跳水運(yùn)動(dòng)視頻分析系統(tǒng)關(guān)鍵技術(shù)研究[D].長(zhǎng)沙：中南大學(xué)，2021. [9]MilanSonka，VaclavHlavac，RogerBoyle.ImageProcessing，Analysis，andMachineVision[M]，Boston：PWS，2021：507-542. [10]卓建南.影響男子三級(jí)跳遠(yuǎn)成績(jī)的幾個(gè)關(guān)鍵因素[J].體育學(xué)刊，2021〔6〕：107-109.