基于计算机视觉的运动员错误动作识别模型构建及仿真

Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．３４，Ｎｏ．６，２０１８　开发应用　微型电脑应用２０１８年第３４卷第６期　文章编号：１００７—７５７Ｘ（２０１８）０６—００５９—０３　基于计算机视觉的运动员错误动作识别模型构建及仿真　高亮　（榆林学院，榆林７１９０００）　摘要：针对当前运动员训练的需求，结合当前的计算机视觉技术，提出一种运动员错误动作识　的模型。对体育运动错误　动作三维建模的原理进行分析，然后结合错误动作识别的流程，以南拳中的高空腾飞作为研究对象，用三维坐标构建其动作　形式化描述规则，并采用贝叶斯算法对错误动作进行识别。最后对上述的方案进行验证，得到本文构建的贝叶斯算法在检测　的准确率等方面都比传统的要高，以此验证了贝叶斯在对南拳错误动作中的有效性。　关键词：计算机视觉；错误动作；模型；仿真；贝叶斯　中图分类号：ＴＰ３１１　文献标志码：Ａ　Ｃｏｎｓｔｒｕｃｔｉｏｎ　ａｎｄ　Ｓｉｍｕｌａｔｉｏｎ　ｏｆ　Ａｔｈｌｅｔｅ＇ｓ　Ｗｒｏｎｇ　Ａｃｔｉｏｎｓ　Ｒｅｃｏｇｎｉｔｉｏｎ　Ｍｏｄｅｌ　Ｂａｓｅｄ　ｏｎ　Ｃｏｍｐｕｔｅｒ　Ｖｉｓｉｏｎ　Ｇａｏ　Ｌｉａｎｇ　（Ｙｕｌｉｎ　Ｕｎｉｖｅｒｓｉｔｙ　Ｙｕｌｉｎ　７１９０００）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｖｉｅｗ　ｏｆ　ｔｈｅ　ｎｅｅｄｓ　ｏｆ　ｃｕｒｒｅｎｔ　ａｔｈｌｅｔｅｓ　ｔｒａｉｎｉｎｇ　ａｎｄ　ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ，ａ　ｍｏｄｅｌ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｅｒｒｏｒ　ｒｅｃｏｇｎｉｔｉｏｎ　ｏｆ　ａｔｈｌｅｔｅｓ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｔｈｅ　ｐｒｉｎｃｉｐｌｅ　ｏｆ　ｓｐｏｒｔｓ　ｅｒｒｏｒ　ａｃｔｉｏｎ　３Ｄ　ｍｏｄｅｌｉｎｇ　ｉｓ　ａｎａｌｙｚｅｄ．Ｃｏｍｂｉｎｅｄ　ｗｉｔｈ　ｔｈｅ　ｗｒｏｎｇ　ａｃｔｉｏｎ　ｒｅｃｏｇｎｉｔｉｏｎ　ｐｒｏｃｅｓｓ，ｔａｋｉｎｇ　ｈｉｇｈ　ａｌｔｉｔｕｄｅ　Ｎａｎｑｕａｎ　ａｓ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｏｂｊｅｃｔ，ｔｈｅ　３Ｄ　ｃｏｏｒｄｉｎａｔｅｓ　ｏｆ　ｔｈｅ　ａｔｈ—　ｌｅｔｅｓ　ａｒｅ　ａｐｐｌｉｅｄ　ｔｏ　ｂｕｉｌｄ　ｔｈｅ　ｆｏｒｍａｌ　ｄｅｓｃｒｉｐｔｉｏｎ　ｏｆ　ａｃｔｉｏｎ　ｒｕｌｅｓ，ａｎｄ　ｔｈｅ　Ｂａｙｅｓｉａｎ　ａｌｇｏｒｉｔｈｍ　ｉｓ　ｕｓｅｄ　ｔＯ　ｉｄｅｎｔｉｆｙ　ｔｈｅ　ｗｒｏｎｇ　ａｃｔｉｏｎ．　Ｆｉｎａｌｌｙ　ｔｈｅ　ａｂｏｖｅ　ｓｃｈｅｍｅ　ｉｓ　ｖｅｒｉｆｉｅｄ．Ｔｈｅ　Ｂａｙｅｓｉａｎ　ａｌｇｏｒｉｔｈｍ　ｈａｓ　ｈｉｇｈｅｒ　ｄｅｔｅｃｔｉｏｎ　ａｃｃｕｒａｃｙ　ｔｈａｎ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｏｎｅｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｃｏｍｐｕｔｅｒ　ｖｉｓｉｏｎ；ｅｒｒｏｎｅｏｕｓ　ａｃｔｉｏｎ；ｍｏｄｅｌ；ｓｉｍｕｌａｔｉｏｎ；Ｂａｙｅｓ　高度，设三维坐标系中的　＝５　ｍ，刻度为１　ｍ，从而构建起　Ｉ’　引吾　运动员三维坐标系，具体三维坐标系，如图ｌ所示。　近年来，在我国计算机图像处理技术的推动下，计算机　视觉特性解析以及图像处理技术被广泛应用于人体结构分　１０　析中，能够对人体在运动时各类形体进行解析。在此背景　５　下，体育领域也开始引入计算机视觉特性解析技术至运动员　动作识别及纠正中，以此提高运动员训练有效性及判断性。　０　计算机视觉技术在进行运动员动作识别时，主要利用视觉特　征提取法进行运动员有效动作识别，并以此对该动作准确度　进行评估。在运动员错误动作识别方面，主要采用三维视觉　检测建模法形成运动员错误动作三维视觉判别函数，从而构　图１三维坐标系　建起运动员错误动作三维视觉检测模型，以此对其运动过程　１．２基于三维坐标的运动员特征的描述　错误动作进行评估。由于运动员错误动作评估关系着我国　在对自选南拳三维坐标运动员动作特征描述方面，本文　体育事业的发展，因此受到业内人士重点关注研究，并且已　将以运动员腾空飞脚动作规则相关要求作为基础，采用三维　有部分研究已取得一定成果。　坐标点对该运动员腾空飞脚所用到的关键关节部位进行标　记，具体标记过程如下：　１动作特征提取　１）肩膀的坐标点　１．１　基于三维坐标体系的坐标点的确立　假设运动员身体左边标记为ｌ，右边身体标记为ｒ。那么　自选南拳这一运动比赛通常在地毯上举行，单练以及对　该运动员左肩膀坐标点则为（ｚ　『６，ｙ　，　）；右肩膀坐标点　练主要在长为１４　ｍ，宽为８　ｍ的场地上进行。假设自选南拳　为（Ｘｒｊｂ，Ｙｏｂ，　啦）。　运动场地起点角为原点（Ｏ，Ｏ）；长为ｚ轴；高为　轴，则ｚ。一　２）手指的坐标点　１４　１２＂１；Ｙ。一８　ｍ。根据运动员在自选南拳运动中腾空动作的　运动员在进行腾空飞脚运动时，主要以五指并拢的形式　作者简介：高亮（１９７８一），男，榆林人，讲师，硕士研究生，研究方向：羽毛球　乒乓球。　·　５９　·　Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏｉ．３４，Ｎｏ．６，２０１８　开发应用　微型电脑应用２０１８年第３４卷第６期　击拍某一部位。此时，该运动员手指关节将合拢成为一个平　面。假设将坐标点（ｚ　，Ｙ　，　）代表运动员关节平面中任一　武术套路南拳腾空飞脚动作设为Ｕ　；设运动员左手与　右手为ｓ。；运动员腾空飞脚动作特征Ｔｚ一左手指坐标点　（　，Ｙ　，≈１　），右手指坐标点（　，Ｙ　，　），左脚脚面坐标　点坐标；左手指坐标点则为（ｚ　，Ｙ　，ｚ　）；右手指标点为　（ｚ　，ｙ　，ｚ　）。　点（ｚ１　，ｙｌ　，　１　），右脚脚面坐标点（ｚ　，ｙｕ　，ｚ　）。　（１）当腾空飞脚击响腿或摆动腿是左腿时，在已知运动　员左手指标点以及左脚脚面坐标点分别为（ｚ　，ｙ　，　）以　及（－ｚ　，ｙ　，２１　）情况下，根据运动员腾空飞脚击拍动作规　则，在其腾空飞脚脚击响瞬间　，　时刻时，当出现ｚ　≠ｚｔ，　，　Ｙ　≠Ｙ　，　，ｚ　≠Ｚ１　时，则表示该运动员腾空飞脚击响动作　落空；若是出现　１　一ｚｌＪ　，ｊ，１　一Ｙ１Ｊ　，　１　一　ｌＪ　时，则表示其　腾空飞脚击响动作顺利完成。　（２）当腾空飞脚击响腿或摆动腿是右腿时，已知运动员　３）脚尖的坐标点　由于研究需要，此处将不对运动员各脚趾脚尖坐标点进　行分别设立，仅将其左脚脚尖坐标点看作（ｚ　，Ｙ　，　ｔ　）；右　脚脚尖坐标点看作（　ｒＪＪ，ｙ　，　）。　４）脚面的坐标点　根据以上阐述，将运动员左脚脚面坐标设置为（　ｙ　，　）；右脚脚面坐标设置为（ｚ　，３，　，ｚ　）。　１．３基于三维坐标的运动员特征的描述　在体育运动员进行动作训练时，动作的正确与否不仅关　系着当前阶段的练习关节，更会给运动员动作训练前阶段以　及后阶段造成一定的影响。比如，在运动员进行跳高练习　时，处于跳高弧线助跑阶段的运动员身体若是过早的直立，　将会使其在起跳前身体失去平衡而倒向横杆。根据武术动　作套路以及自选南拳运动评分规则可以了解到，运动员腾空　飞脚应有的正确动作步骤为：首先，借助左腿向前向上摆踢，　右手指坐标点及右脚脚面坐标点的表达式分别为（　，ｙ　，　）与（ｚ　，　，ｚ　）时，当出现ｚ　≠ｚ　，　≠　，　≠　ｚ　，ｍ时，则代表运动员腾空飞脚击响未成功；若是出现　，　一　一３Ｊ　，　一　时，则表示运动员顺利完成腾空飞　脚击响动作。　２基于贝叶斯的错误动作三维视觉检测　本文在进行运动员错误动作三维视觉图像识别模型构　建时，将以上文中所提出的运动员错误动作描述公式作为依　据，并以此获取运动员动作识别属性，得出错误动作三维视　使右腿蹬地跃起，帮助身体达到腾空状态；其次，左右两臂由　下向前再上摆起，右手手背与左手手掌相击，在空中右脚向　前上方弹踢。此时必须保持将右脚高度高于腰部，并且将脚　面绷直与右手相击。同时做出左腿屈膝，左腿收控至右腿　侧，脚面绷直，脚尖朝下这一连贯动作；最后，在上述动作完　成之后，运动员还需以右腿单腿着地后，左腿再落地作为结　尾动作。在运动员进行整体动作过程中，若是出现腾空飞脚　击响腿、摆动腿脚尖未过肩或是腾空飞脚击拍落空的情况，　出现一次直接扣减０．１分。本文对三维坐标运动员运动特　征描述过程如下：　（一）运动员腾空飞脚击响腿或摆动腿脚尖未过肩设　为Ｕ１　觉判别函数，从而构建起体育运动错误动作的三维视觉检测　模型。对此本文通过贝叶斯算法对错误动作进行识别，具体　构建步骤如下：　假设将运动错误动作识别属性看作ｚ　，ｚ　，…，　；将运　动错误动作识别模式向量表示为（ｚ　，３７　，…，ｚ　）　；设体育运　动技术动作模式类型为Ⅳ，并将其细分为　，ｃＵ　，…，ｃｃ，　。根　据运动技术动作属性可得出　个判别函数ｄ　，ｄ　，，…，　ｄ　，若是代表体育运动技术动作模式的ｘ属于类　的话，　设武术套路南拳腾空飞脚动作为Ｕ　；设运动员腾空飞　脚击响腿或摆动腿为Ｓ　；运动员腾空飞脚动作特征Ｔ　一左　脚脚尖的坐标（ｚ１　，Ｙｌｊｉ，ｚ１　），右脚尖坐标点（ｚ　，ｙ嘶，　），　左肩膀坐标点（－ｚ１　，ｙ　，　１　），右肩膀坐标点（Ｘｒｊｂ，Ｙ啪，　啦）。　则可将上文公式获取到的Ｓ　作为基础，并采用贝叶斯算法　给出腾空飞脚错误动作的三维视觉判别函数为式式（１）。　（ｘ）一Ｗ　ｔＣＯｌ’（ｃＪ２，ｃｏｗ　Ｊ＾．（１）　Ｌ］△　假设腾空飞脚运动错误动作的后验条件概率表示为Ｐ　在三维坐标系中，可通过将运动员脚尖与肩膀在　轴坐标点　进行比较的方式，求出该运动员腾空飞脚动作过程是否出现　击响腿或摆动腿脚是否过肩失误。　（ｃＵ　Ｉ　ｘ），并将此条件概论定义于掌握腾空飞脚动作模式向　量ｘ发生情况之下，对当前帧中运动员腾空飞脚错误运动动　作发生的后验条件概率计算公式则为式（２）。　（１）当腾空飞脚击响腿或摆动腿是左腿时，已知运动员　左脚脚尖坐标为（ｚ　，ｙ　，ｚ１　）；右肩膀坐标点为（ｚ】　，Ｙ　，　ｌＸ）一　“Ｗ、　（２）　ｚ　），那么当出现ｚ　＜　情况时，则代表着该运动员出现　腾空飞脚击响腿或摆动腿脚尖未过肩失误；若是出现ｚ　≥　在公式（４）中，Ｐ（ｃｃ，　ｌ　ｘ）所表示的是运动员腾空飞脚运　动动作模式向量Ｘ以及　的似然函数，也就是代表着ｘ于　上的发生概率；　的运动动作先验概率以Ｐ（　）进行表　示；运动员腾空飞脚错误运动动作发生的证据因子由Ｐ（Ｘ）　ｚ　情况时，则代表该运动员出现腾空飞脚击响腿或摆动腿　脚尖过肩动作失误。　（２）当腾空飞脚击响腿或摆动腿是右腿时，已知右脚脚　尖坐标表达式为（ｚ　，Ｙ　，　），右肩膀坐标点表达式为　表示。　（Ｘ）的计算公式为式（３）。　（　啦，ｙｒｊｂ，　啦）。当出现　２ｒｊｂ时，则表示运动员整套动作　≥　∑ｐ（Ｘ　ｃｏｉ）ｐ（ｏＪ　）　ｐ（Ｘ）＝旦　（３）　腾空飞脚击响腿或摆动腿脚尖未过肩；若是出现　（－－）运动员腾空飞脚击拍落空设为“　时，则表示运动员腾空飞脚击响腿或摆动腿脚尖过肩。　若是ｄ　值为最大的情况时，则把运动员腾空飞脚动作　模式向量Ｘ划分于ｄ一　中。并以公式（６）构建起腾空飞脚　·　６０·　Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．３４，Ｎｏ．６。２０１８　开发心用　微型电脑应用２０１８年第３４卷第６期　运动错误动作的三维视觉检测模型为式（４）。　一　×　。视觉检测建模方法的科学性及有效性．本文将采用某体育学　（４）　州Ｌ＾Ｊ　　院训练腾空飞脚的１８学生作为实验对象，并将这１８名学生　平均划分为两个实验小组的方式，对其进行腾空飞脚考试实　验记录，以此作为依据对腾空飞脚错误动作三维视觉检测建　模方法进行验证。具体验证结果，如图２和图３所示。　３仿真结果与分析　为了验证上文中所提出的腾空飞脚运动错误动作　维　图２　本文改进算法的错误动作三维视觉检测图　图３基于单目序列的错误动作　维视觉检测图　在图３中，左侧图像表示腾空飞脚正确动作．右侧表示　腾空飞脚错误动作。根据图２显示内容可以看ｍ，运动员在　进行腾空飞脚时，所涉及的头部、肩部、手臂以及腿部的错误　动作均能明显识别，与正确动作具有较高的吻合度。而图３　ｌ２Ｏ％　Ｉｏｏ％　８Ｏ％　６Ｏ％　４０％　２Ｏ％　中运动员动作则出现较大偏差。此结果足以说明本文提出　的腾空飞脚错误动作的三维视觉检测模型对识别运动员腾　空飞脚错误动作具有实际意义。　与此同时，本文还将在此验证基础上采用两种不同算法　建立起三维视觉检测模型，并在不同实验次数下对两种模型　的精确度进行对比。具体对比结果，如图４所示。　根据图４所示可以看出，本文所提出的算法在三维视觉　检测精度方面更具优势，能够将检测误差控制到合理范　围内。　４　总结　通过上述的研究看出，本文提出的算法在判断腾空飞脚　错误动作时，其判断的正确率要明显高于传统的算法，进而　验证贝叶斯算法在识别错误动作方面具有明显的优势，进而　·　６】　Ｍｉｃｒｏｃｏｍｐｕｔｅｒ　Ａｐｐｌｉｃａｔｉｏｎｓ　Ｖｏ１．３４，Ｎｏ．６，２０１８　开发应用　微型电脑应用２０１８年第３４卷第６期　（上接第５５页）　］　时间小于５００　ｍｓ，在实际的操作过程中，可达到较好的用户　体验。根据应用逻辑，对设备的操作及响应数据的处理都需　要进行ＭｏｎｇｏＤＢ和Ｒｅｄｉｓ数据库的操作及多次网络通信，　析设备数据得到有用价值数据，为用户提供数据支撑。下一　步将继续优化系统，进一步挖掘单机设备的最大连接能力及　并发能力，将系统组件分布式部署，同时开发更多数据挖掘　但仍达到了理想的响应效果，基本可体现出基于内存数据库　的控制云在时延方面的优势。　表１设备通信性能测试结果　应用，为用户提供更多更有价值的信息。　参考文献　［１］ＣＯＮＴＩＰ．Ｔｈｅ　Ｉｎｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ［Ｊ］．Ｃｏｍｍｕｎｉｃａ—　ｔｉｏｎｓ　Ｅｎｇｉｎｅｅｒ，２００６，４（６）：２０—２５．　［２］　Ｔｉｎｇｌｉ　Ｌｉ，Ｙａｎｇ　Ｌｉｕ，Ｙｅ　Ｔｉａｎ。ｅｔ　ａ１．Ａ　Ｓｔｏｒａｇｅ　Ｓｏｌｕ—　ｔｉｏｎ　ｆｏｒ　Ｍａｓｓｉｖｅ　ＩｏＴ　Ｄａｔａ　Ｂａｓｅｄ　ｏｎ　ＮｏＳＱＬ［Ｍ］／／Ｐｒｏ—　ｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＩＥＥＥ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｉｎ—　ｔｅｒｎｅｔ　ｏｆ　Ｔｈｉｎｇｓ，２０１２：５０—５７．　４　总结　为接人海量物联网智能设备，处理设备信息，对设备进　行控制操作，设计了一种基于消息总线及内存数据库的物联　网设备接入云平台。该平台为智能设备接入及应用层展示、　分析提供相应服务，将数据按照使用率进行分类，分别存人　ＭｏｎｇｏＤＢ、Ｒｅｄｉｓ及ＭｙＳＱＬ数据库，同时设计了数据库同步　组件，将内存数据按日志存人ＭｙＳＱＬ　便于后台数据分析及　处理。平台使用消息总线技术，整合不同的业务逻辑模块，　使得不同语言实现的功能模块可完美融合。云平台接入层　使用基于ＬｉｂＥｖｅｎｔ的１０复用技术，大幅提升单机的连接数　及并发能力。　通过系统的长期运行及实际项目应用表明，云平台系统　Ｓｕｎａ　Ｙｉｎ，Ｄｅｈｕａ　Ｃｈｅｎ，Ｊｉａｊ　ｉｎ　Ｌｅ．ＳＴＮｏＳＱＬ：Ｃｒｅａ—　ｔｉｎｇ　ＮｏＳＱＬ　ｄａｔａｂａｓｅ　ｏｎ　ｔｈｅ　Ｓｅｎｓｉｂｌｅ　Ｔｈｉｎｇｓ　ｐｌａｔｆｏｒｍ　ｒＣ］／／ＩＥＥＥ　Ｉｅｅｅ／ａｃｉｓ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｓｏｆｔ—　ｗａｒｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ａｒｔｉｆｉｃｉａｌ　Ｉｎｔｅｌｌｉｇｅｎｃｅ，Ｎｅｔｗｏｒｋｉｎｇ　ａｎｄ　Ｐａｒａｌｌｅｌ／Ｄｉｓｔｒｉｂｕｔｅｄ　Ｃｏｍｐｕｔｉｎｇ，２０１６：６６９—６７４．　田野，袁博，李廷力．物联网海量异构数据存储与共享　策略研究［Ｊ］．电子学报，２０１６，４４（２）：２４７—２５７．　申德荣，于戈，王习特，等．支持大数据管理的ＮｏＳＱＬ　系统研究综述Ｉ－Ｊ］．软件学报，２０１３（８）：１７８６—１８０３．　闰密巧，王占宏，王志宇．基于Ｒｅｄｉｓ的海量轨迹数据　存储模型研究［Ｊ］．微型电脑应用，２０１７，３３（４）：９－ｌ１．　（收稿日期：２０１８．０２．１６）　能够实时反映设备的状态信息及设备的使用和运行情况，分　·　６２　·