任泓宇，聶余滿，王為田，汪步云，李世銀，宋全軍

（1.中國礦業(yè)大學(xué) 信息與電氣工程學(xué)院，江蘇 徐州221008；2.中國科學(xué)院合肥智能機(jī)械研究所，安徽 合肥230031；3.中國科學(xué)技術(shù)大學(xué) 自動化系，安徽 合肥230026）

0 引 言

鉛球訓(xùn)練指導(dǎo)系統(tǒng)，可提高訓(xùn)練效率和質(zhì)量，減少重復(fù)訓(xùn)練。目前的鉛球訓(xùn)練指導(dǎo)系統(tǒng)［1－3］，往往只是單純地采集動力學(xué)數(shù)據(jù)和運(yùn)動學(xué)數(shù)據(jù)，并沒有將 “力－姿”信息同步。為進(jìn)一步提高訓(xùn)練質(zhì)量，量化技術(shù)指標(biāo)，突出訓(xùn)練過程中的各個細(xì)節(jié)，需要將動力學(xué)數(shù)據(jù)與運(yùn)動學(xué)數(shù)據(jù)相結(jié)合。數(shù)字鉛球系統(tǒng)，可采集鉛球投擲過程中的 “力－姿”數(shù)據(jù)。為有效結(jié)合兩種數(shù)據(jù)，需要準(zhǔn)確可靠地找到兩者的同步點(diǎn)。如何在不干擾運(yùn)動員正常發(fā)揮的情況下，實(shí)現(xiàn)動力學(xué)數(shù)據(jù)與運(yùn)動學(xué)數(shù)據(jù)的精確同步，成為這種訓(xùn)練系統(tǒng)設(shè)計上的一大難點(diǎn)，也成為運(yùn)動技術(shù)分析中急待解決的問題［4］。

1 相關(guān)研究

針對這一研究課題，以中科院合肥智能機(jī)械研究所為代表的研究機(jī)構(gòu)先后研制了第一代和第二代數(shù)字鉛球訓(xùn)練系統(tǒng)。第一代由內(nèi)置三維力傳感器的數(shù)字鉛球、普通攝像機(jī)和錄像解析系統(tǒng)構(gòu)成［5］。該系統(tǒng)在數(shù)字鉛球上設(shè)置一個同步接口和光源插口，光源插口連接鉛球的采集觸發(fā)開關(guān)。當(dāng)進(jìn)行投擲訓(xùn)練時，按下采集觸發(fā)開關(guān)采集數(shù)據(jù)，同時啟動外界光源閃動，這時攝像機(jī)所采集到的光點(diǎn)可作為數(shù)字鉛球采集數(shù)據(jù)的起始點(diǎn)，從而實(shí)現(xiàn)動力學(xué)和運(yùn)動學(xué)的同步測量。然而這種同步方法存在操作誤差，且閃光燈在一定程度上影響了運(yùn)動員的發(fā)揮。同時在實(shí)用化過程中發(fā)現(xiàn)，鉛球裝配過程復(fù)雜、測量精度不高。為了解決這些問題，研究人員設(shè)計了第二代數(shù)字鉛球，其模塊化設(shè)計方案便于后期的安裝和維護(hù)，鉛球內(nèi)嵌入三維加速度傳感器，進(jìn)一步提高測量的精度［6］。由于第二代數(shù)字鉛球訓(xùn)練系統(tǒng)沒有運(yùn)動學(xué)信息采集以及數(shù)據(jù)同步模塊，訓(xùn)練中使用不便。

本文涉及的第三代數(shù)字鉛球，內(nèi)置9自由度傳感器 （加速度傳感器和陀螺儀），可測量鉛球出手前鉛球的三維加速度、角速度以及其角度等投擲信息。這樣在充分獲取投擲信息的同時，進(jìn)一步提高了測量精度。如圖1所示，實(shí)驗(yàn)平臺由3個部分組成：動力學(xué)數(shù)據(jù)采集裝置 （數(shù)字鉛球本體）、運(yùn)動學(xué)數(shù)據(jù)采集裝置 （高速高清攝像機(jī)）、圖像顯示及處理裝置。實(shí)驗(yàn)平臺中像機(jī)的分辨率為1280×720pix，最高幀率150fps。在初期驗(yàn)證實(shí)驗(yàn)中，幀率設(shè)置為60fps。本系統(tǒng)使用一種非接觸式的同步方式，即通過圖像特征提取同步信息，實(shí)現(xiàn)動力學(xué)數(shù)據(jù)和運(yùn)動學(xué)數(shù)據(jù)的精確同步。

圖1 訓(xùn)練系統(tǒng)實(shí)驗(yàn)平臺

2 基于圖像特征的數(shù)據(jù)同步方法

使用上述第三代數(shù)字鉛球訓(xùn)練系統(tǒng)，在運(yùn)動員開始投擲時，像機(jī)側(cè)向拍攝，可以得到運(yùn)動員每一次投擲過程中的動力學(xué)數(shù)據(jù)和投擲圖像幀序列。在忽略空氣阻力的情況下，鉛球出手后運(yùn)動員不再對其施加作用力，其加速度將保持穩(wěn)定，直到落地。

如圖2所示，描述了運(yùn)動員背向滑步投擲過程中數(shù)字鉛球加速度的變化?？梢钥闯?，0到t1時間段為無動作準(zhǔn)備階段，此時3個方向上鉛球受到的作用力基本無變化。t1到t2期間為蹬擺期，此階段中鉛球受力先緩慢增長，然后趨于平穩(wěn)。t2到t3進(jìn)入滑步階段，鉛球受力先增長后有所減小?；絼幼鹘Y(jié)束后，即左腳落地瞬間，進(jìn)入最后用力階段，即t3到t4時間段。此階段施加在鉛球上的作用力迅速增大，而在運(yùn)動員持球手即將離開肩膀的時候增加到最大值。接著運(yùn)動員手臂開始向前伸展，而對鉛球的作用力隨之減小。t4到t5為鉛球剛出手在空中飛行的階段，施加在鉛球3個方向的作用力都沒有變化，在加速度曲線圖中顯示為直線。在這階段終點(diǎn)處，即t5時刻，鉛球的受力信息發(fā)生劇變，這是鉛球落地時的受力變化［7］。

圖2 典型投擲過程中鉛球的加速度變化

可以看出t4為鉛球出手時刻，可方便提取這一時刻的動力學(xué)數(shù)據(jù)。接著通過圖像特征提取的方式從圖像幀序列中捕獲關(guān)鍵幀即鉛球出手幀，以這一幀為數(shù)據(jù)同步點(diǎn)，實(shí)現(xiàn)數(shù)據(jù)和圖像的精確同步。

2.1 基于幀間差分的關(guān)鍵幀提取算法

運(yùn)動員的整個投擲動作在8s內(nèi)完成，本文的主要工作是在此時間內(nèi)，從圖像幀序列中準(zhǔn)確獲取關(guān)鍵幀。這里采用幀間差分的方法，提取運(yùn)動目標(biāo)，然后進(jìn)行關(guān)鍵幀提取。關(guān)鍵幀提取算法主要包括以下幾步：

（1）出手幀預(yù)判：假設(shè)投擲時間為8s，幀率為60fps、分辨率為1280×720的高清攝像機(jī)可采集480幀圖像數(shù)據(jù)，數(shù)據(jù)量較大。為了提高算法效率，需要對出手幀進(jìn)行預(yù)判，濾除圖像幀序列中不含有出手幀特征的圖像，以減少不必要的計算。

（2）Hough變換圓形檢測：關(guān)鍵幀提取算法最終目標(biāo)是識別鉛球出手幀。采用Hough變換［8］圓形檢測，從上一步提取的圖像數(shù)據(jù)中檢測出包括偽出手幀和鉛球出手幀的圖像幀序列，也就是在差分圖像中識別鉛球。

（3）出手幀識別：這里采用出手幀識別算法，在排除偽出手幀的同時，精確識別出手幀。

本算法處理步驟如圖3所示。圖中 （1）～ （4）為出手幀預(yù)判，其工作是濾除不含有出手幀特征的圖像幀序列；（5）為Hough變換圓檢測，在檢測之前先設(shè)置感興趣區(qū)域（ROI），以提高檢測性能；（6）為出手幀識別，提取出手幀。

2.2 出手幀預(yù)判算法

2.2.1 預(yù)處理

圖3 出手幀提取算法

在原始圖像I（x，y，t）中每隔時間a抽取一幀圖像相減，并計算其絕對值，得到差分圖像D（x，y，N）。可在差分圖像中檢測運(yùn)動目標(biāo)的變化

為方便處理進(jìn)行閾值分割，得到二值圖像B（x，y，N）

式中：θb——二值化閾值，分割效果見圖3中二值圖像。

2.2.2 篩選檢圓圖像

出手幀預(yù)判算法目標(biāo)是判斷差分圖像中是否存在出手幀信息。出手幀中，鉛球剛與運(yùn)動員脫離并在空中高速飛行。利用這一特征，在二值圖像中檢索 “非連通”區(qū)域，濾除沒有出手幀特征的圖像。

圖4為出手幀信息檢索算法。以隔行掃描的方式搜索正方形區(qū)域S，并計算區(qū)域內(nèi)非零點(diǎn)的面積，同時要求區(qū)域S內(nèi)非零點(diǎn)面積在區(qū)域中所占比例大于參數(shù)η。接著計算區(qū)域S周圍陰影部分的占空比μ。當(dāng)μ＜θμ時，認(rèn)為此圖像可能含有出手幀信息，定義為檢圓圖像C（x，y，N’），其中θμ為占空比閾值

圖4 出手幀信息檢索算法 （d為正方形區(qū)域S的邊長，Δd為陰影部分的寬度）

如圖5所示，圖 （a）和圖 （b）不含出手幀信息，而圖 （c）和圖 （d）中包含出手幀信息。設(shè)定恰當(dāng)大小的θμ，可在成功篩選出出手幀的前提下，濾除大部分與出手幀無關(guān)的圖像幀序列，提高了算法的運(yùn)行效率。

圖5 區(qū)域S位置 （其中μa為0.276，μb 為0.623，μc為0.129，μd 為0.011）

2.3 圓形檢測

本文基于Hough變換提出關(guān)鍵幀提取算法。為了提高Hough變換圓檢測在本算法中的性能，首先在檢圓圖像中設(shè)置ROI，然后進(jìn)行高斯濾波以降噪，從而縮小檢測范圍，提高檢測精度和檢測效率。

2.3.1 設(shè)置ROI

基于上述出手幀預(yù)判算法中提取出的區(qū)域S，以S為基點(diǎn)向上下左右4個方向擴(kuò)展，向左、下擴(kuò)展50pix，向右擴(kuò)展150pix，向上擴(kuò)展100pix，得到感興趣區(qū)域C（x’，y’，N’）。當(dāng)邊界超出檢圓圖像C（x，y，N’）的邊界時，自動調(diào)整邊界大小

圖6為ROI設(shè)置結(jié)果，圖 （a）和圖 （d）顯示了算法在ROI超出圖像邊界時的自適應(yīng)調(diào)整功能。我們只需在矩形框內(nèi)進(jìn)行高斯濾波以及Hough變換圓形檢測，降低了算法的計算量。

圖6 ROI設(shè)置結(jié)果 （其中μa為0.113，μb為0.129，μc為0，μd為0.064）

2.3.2 Hough變換圓檢測

Hough變換圓檢測，受噪聲和曲線殘缺的影響較小，能有效地檢測到圓的特征信息。其主要處理步驟如下［9－14］，所有操作都只在ROI內(nèi)進(jìn)行：

（1）高斯平滑，去除高頻噪聲［15］。

（2）Canny分割檢測邊緣信息［16］。

（3）計算x和y方向上的局部梯度。

（4）在參數(shù)空間中，進(jìn)行3維累加計算，計算結(jié)果中的局部極大值對應(yīng)于原始圖像中的圓。

利用圓形檢測算法，可方便的檢測出ROI中的鉛球，但由于算法需要將原始圖像映射到3維參數(shù)空間上以進(jìn)行3維空間的累加計算，從而導(dǎo)致計算量較大。故本文設(shè)置了圓形檢測的半徑范圍 （r1，r2），進(jìn)一步降低檢測算法的計算量。表1給出5組圖像數(shù)據(jù)的出手幀中，使用不同的檢測策略所對應(yīng)的檢測結(jié)果，可以看出設(shè)置ROI和檢測半徑，在很大程度上提高了檢測效率。

表1 檢測耗時／ms

2.4 出手幀識別算法

由于通過上述圓形檢測算法，可以檢測到出手幀以及出手幀之前的偽出手幀信息。如圖7所示，其中圖 （a）和圖 （b）是偽出手幀，圖 （c）為待提取的出手幀?？梢钥闯?，圖 （a）和圖 （b）中圓周圍存在大量的非零像素，而出手幀中圓周圍非零像素很少。為了定量地描述這一特征，一種簡潔有效的方法就是采用占空比閾值法，在二值化差分圖像中統(tǒng)計圓周圍非零像素點(diǎn)的個數(shù)。

圖7 Hough變換圓形檢測結(jié)果

如圖8所示為出手幀識別算法，圖中r為Hough變換檢測出的鉛球半徑，r∈（r1，r2）；Δr為鉛球在圖像中的形變值，且r＋Δr＜r2。統(tǒng)計出陰影區(qū)域占空比λ，當(dāng)λ＜θλ時，得到出手幀。這里，θλ為占空比λ的閾值

圖8 出手幀判別算法

3 主要參數(shù)設(shè)定分析及實(shí)驗(yàn)結(jié)果

3.1 主要參數(shù)設(shè)定分析

本實(shí)驗(yàn)運(yùn)行的主機(jī)配置為intel core（2）CPU，主頻2.4GHz；2G內(nèi)存。通過多次測試知r1＝15pixel，r2＝25pixel，Δd＝r1，Δr＝r1／3時，算法魯棒性好，且其大小對算法效率的影響較小。為了在不檢錯的前提下，提高算法效率，這里從30組運(yùn)動員實(shí)際投擲訓(xùn)練的圖像數(shù)據(jù)中隨機(jī)抽取5組，分別對出手幀預(yù)判算法中的d和θμ等參數(shù)進(jìn)行分析。

圖9是d為40pixel時，圖像數(shù)據(jù)4中出手幀之前332張二值圖像中μ值分布圖。從圖中可以看出，在鉛球出手之前，二值圖像中μ的大小主要分布在0.15到0.45之間。通過設(shè)定閾值θμ，可提前濾除圖像數(shù)據(jù)中μ＞θμ的與同步信息無關(guān)的圖像幀序列，避免不必要的檢測和判別運(yùn)算。

圖9 μ值分布

當(dāng)d分別為40pixel和50pixel時，5組圖像數(shù)據(jù)中的μ值分布見表2?？梢钥闯?，出手幀中μ值很小，一般小于0.06。在背景噪聲較大的情況下 （如圖像數(shù)據(jù)2），μ值也不會高出0.15。而出手幀之前大部分圖像數(shù)據(jù)中的μ值都大于0.15，所以可以認(rèn)為θμ＜0.15。

表2 各圖像數(shù)據(jù)中μ值分

下面分別分析并統(tǒng)計參數(shù)d和θμ的大小對出手幀檢測算法運(yùn)行效率的影響。當(dāng)θμ＝0.13時，不同大小的d所需的檢測時間見表3；當(dāng)d＝40pixel時，不同大小的θμ所需的檢測時間見表4。

表3 參數(shù)d對算法效率的影響／s

表4 參數(shù)θμ對算法效率的影響／s

從表3中可以看出，d越小檢測時間越短，同步信息檢出效率越高。這是因?yàn)闄z索區(qū)域面積變小，從而減小迭代運(yùn)算的計算量。但是當(dāng)d＜2r2－Δd時，出手幀中μ值迅速增大，超出0.15，從而影響檢測的準(zhǔn)確性，發(fā)生檢錯。同樣，表4中的數(shù)據(jù)表明，隨著θμ的減小，檢測效率不斷提高。當(dāng)θμ減小到0.1后，檢測效率不再隨θμ的減小而明顯提高，且此時θμ越小，檢錯的風(fēng)險越高。

3.2 實(shí)驗(yàn)結(jié)果

通過以上數(shù)據(jù)分析可見，在d＝40pixel，θμ為0.13時，可以大幅度提高算法運(yùn)行效率，且不檢錯。實(shí)測結(jié)果見表5，5組圖像數(shù)據(jù)中的同步信號提取的相對速度，其值越小，同步越快。

表5 同步信息檢出的相對速率（同步時間／實(shí)際鉛球出手時間）

統(tǒng)計30組圖像數(shù)據(jù)，同步準(zhǔn)確率達(dá)到93.1%，同步信息檢出的平均相對速率為0.24；該結(jié)果表明，基于關(guān)鍵幀提取的數(shù)據(jù)同步方法可以在精確同步的同時，實(shí)現(xiàn)實(shí)時處理。

4 結(jié)束語

本文在分析數(shù)字鉛球訓(xùn)練系統(tǒng)中 “力－姿”同步問題的基礎(chǔ)上，提出一種非接觸式的關(guān)鍵幀提取算法。該算法基于圖像特征提取，通過關(guān)鍵幀預(yù)判算法以及設(shè)置ROI，在準(zhǔn)確提取關(guān)鍵幀的同時，實(shí)現(xiàn)實(shí)時處理。實(shí)驗(yàn)結(jié)果表明，該同步方法在不影響運(yùn)動員正常訓(xùn)練的情況下實(shí)現(xiàn)了可靠同步。該同步方法為運(yùn)動技術(shù)分析以及其它類型的數(shù)據(jù)和圖像同步的提供了一種創(chuàng)新性的解決方案。

［1］LIU Liqing.Research on mechanics and myoelectricity character of Li ling glide shot put ［D］.Dalian：Dalian University of Technology，2012 （in Chinese）. ［劉立清.李玲背向滑步推鉛球技術(shù)力學(xué)及肌電特征研究 ［D］.大連：大連理工大學(xué)，2012.］

［2］LI Jianchen，YAN Guiping.The three－dimensional kinematic mechanism research of“two math.”efficiency of china’s excellent men’s shot put athletes ［J］.Journal of Beijing Sport University，2011 （4）：127－131 （in Chinese）.［李建臣，顏桂平.我國優(yōu)秀男子鉛球運(yùn)動員 “兩差”效應(yīng)的三維運(yùn)動研究［J］.北京體育大學(xué)學(xué)報，2011，34 （4）：127－131.］

［3］YANG Shengli.Design of shot put training instrument and experimental research on its application effect ［D］.Changsha：Hunan University，2012 （in Chinese）.［楊勝利.鉛球投擲訓(xùn)練器的研制及其應(yīng)用效果的實(shí)驗(yàn)研究 ［D］.長沙：湖南大學(xué)，2012.］

［4］SHI Yinbin.The application on 3Dimage analysis construe motion technique in sports ［J］.Contemporary Sports Technology，2012，2 （35）：127－128 （in Chinese）. ［史銀斌.三維影像解析在運(yùn)動技術(shù)分析中的應(yīng)用現(xiàn)狀及對策研究 ［J］.當(dāng)代體育科技，2012，2 （35）：127－128.］

［5］Song G M，Yuan H Y，Tang T，et al.A novel three－axis force sensor for advanced training of shot－put athletes ［J］.Sensors and Actua－tors A，2006，128 （1）：60－65.

［6］Gao Z，Song B，Liu M，et al.Design and application of a multidimensional acceleration sensor for coaching of shot－put athletes ［J］.Sensors and Ac－tuators A，2009，149 （2）：213－220.

［7］MA Jinghua，GE Yunjian，SUN Wangqiang，et al.Measurement of throwing multi－dimensional force information of athlete and feature analysis ［J］.Chinese Journal of Sensors and Actuators，2006，2 （1）：116－119 （in Chinese）.［馬靜華，葛運(yùn)建，孫旺強(qiáng)，等.運(yùn)動員投擲多維力信息的測量及特征分析［J］.傳感技術(shù)學(xué)報，2006，2 （1）：116－119.］

［8］Fernandes LAF， Oliveira MM. Real－time line detection through an improved hough transform voting scheme ［J］.Pattern Recognition，2008，41 （1）：299－314.

［9］Sonka M，Hlavac V，Boyle R.Image processing，analysis，and machine vision ［M］.United States：CL－Engineering，2008.

［10］Cuevas E，Wario F，Zaldivar D，et al.Circle detection on images using learning automata ［J］.Computer Vision，2012，6 （2）：121－132.

［11］Xing C，Ling L，Yang G.A new concentric circle detection method based on hough transform ［C］／／Melbourne，Australia：The 7th International Conference on Computer Science＆Education，2012：753－758.

［12］HUANG Yonglin，YE Yutang，CHEN Zhenlong. New method of fast Hough transform for circle detection ［J］.Journal of Electronic Measurement and Instrument，2010，9（9）：837－841 （in Chinese）.［黃永林，葉玉堂，陳鎮(zhèn)龍.一種新的快速Hough變換圓檢測方法 ［J］.電子測量與儀器學(xué)報，2010，9 （9）：837－841.］

［13］Laganiere R.OpenCV 2computer vision application programming cookbook ［M］.United Kingdom：Packt Publishing，2010.

［14］ZHANG Chao，DUAN Fajie，DONG Yuqing，et al.Visual localization algorithm for automatic programmer ［J］.Chinese Journal of Sensors and Actuators，2011，24 （3）：382－385（in Chinese）.［張超，段發(fā)階，董宇青，等.自動編程器視覺定位算 法研究 ［J］.傳 感 技 術(shù) 學(xué) 報，2011，24 （3）：382－385.］

［15］JIANG Aide，CHEN Yanlong.Edge signals offset problem after Gauss smooth in image ［J］.Computer Systems ＆ Applications，2007，5 （3）：395－397 （in Chinese）. ［蔣愛德，陳炎龍.圖像中邊緣信號高斯平滑后的偏移問題 ［J］.計算機(jī)應(yīng)用系統(tǒng)，2007，5 （3）：395－397.］

［16］HE Chun，YE Yongqiang，JIANG Bin，et al.A novel edge detection method based on fractional－order calculus mask ［J］.ACTA Automatica Sinica，2012，38 （5）：776－787 （in Chinese）.［何春，葉永強(qiáng)，姜斌，等.一種基于分?jǐn)?shù)階次微積分模板的新型邊緣檢測方法 ［J］.自動化學(xué)報，2012，38（5）：776－787.］