曾紅武+彭麗

摘 要： 針對傳統(tǒng)校對標準器一直存在嵌入式設(shè)計不準確的問題，提出基于人工視覺的運動成績校對標準器的嵌入式設(shè)計。硬件采用ARM處理器代替?zhèn)鹘y(tǒng)的大型換算處理器、嵌入式待換機以及集成電源電路；軟件上利用人工視覺進行反匯編視覺模型設(shè)計，通過設(shè)計的反匯編視覺模型能夠進行運動成績的分項標準測定，優(yōu)化寄存代碼計算，對設(shè)計的視覺模型標準化進行了標準限定。為了驗證設(shè)計的基于人工視覺的嵌入式運動成績校對標準器的有效性，模擬應(yīng)用環(huán)境進行仿真試驗，通過實驗的數(shù)據(jù)分析，有效地證明了設(shè)計的基于人工視覺的嵌入式運動成績校對標準器的有效性。

關(guān)鍵詞： 人工視覺； 運動成績校對； 嵌入式標準器； 集成電路源； ARM處理器； 分項標準

中圖分類號： TN876.3?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）02?0060?03

Abstract： As the inaccurate problem existing in the embedded design of the traditional proofreading standard， the embedded design of sport performance calibrator based on artificial vision is proposed. The hardware ARM processor is used to replace the traditional large conversion processor， embedded changing machine and integrated circuit. The software uses artificial vision for the disassembly visual model design. The determination of subitem standard for sport performance can be performed through the design of disassembly visual model to optimize storage of code calculation. A standardization design criteria is made for the visual model. In order to verify the effectiveness of the embedded sport performance calibrator based on visual design， a simulation test of application environment was carried out. The analysis the experiment data demonstrated the effectiveness of the embedded sport performance calibrator based on artificial vision effectively.

Keywords： artificial vision； sports performance proofreading； embedded standard； integrated circuit； ARM processor； subitem standard

0 引 言

伴隨著現(xiàn)代技術(shù)不斷發(fā)展，為了能夠進行更加公平公正的裁決，體育的賽事上不斷引進先進技術(shù)進行成績測評以及運動跟蹤。這樣為體育的賽事公正判決提供了數(shù)據(jù)保證，也為運動員的有效練習提供技術(shù)支撐。傳統(tǒng)運動成績校對標準器是通過光感系統(tǒng)進行校對，光感系統(tǒng)能夠進行光感變化準確捕捉，但是光感系統(tǒng)會有一定的誤差，在速度相同的情況，會默認為一體進行，這樣會造成一定程度上的識別誤差[1]。人工視覺技術(shù)的應(yīng)用極大地彌補了光感產(chǎn)生的誤差，人工視覺技術(shù)發(fā)展融合了多種較新的理念，特別是針對校對過程能夠進行高精度的系統(tǒng)識別校對。針對傳統(tǒng)運動成績校對系統(tǒng)出現(xiàn)的問題，本文設(shè)計了一款基于人工視覺的嵌入式運動成績校對標準器。硬件采用ARM處理器代替?zhèn)鹘y(tǒng)的大型換算處理器，使用嵌入式的待換機以及集成電源電路，能夠有效的進行依附組裝，軟件上利用人工視覺進行反匯編視覺模型設(shè)計，通過設(shè)計的反匯編視覺模型能夠進行運動成績的分項標準測定，保證了運動成績的校對過程的標準化，優(yōu)化了寄存代碼計算，對設(shè)計的視覺模型標準化進行了標準限定，這樣保證了校對速度以及校對過程的準確性。為了驗證本文設(shè)計的有效性設(shè)計了仿真實驗，實驗結(jié)果表明，設(shè)計的基于人工視覺的嵌入式運動成績校對標準器能夠快速準確地對運動成績進行校對。

1 硬件設(shè)計

本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器在硬件結(jié)構(gòu)上主要包括：鑲嵌式存儲器、運行管理器、ARM處理器、嵌入式的待換機、集成電源電路、控制系統(tǒng)等。為了能夠進行高速的運動成績校對，通過ARM處理器代替?zhèn)鹘y(tǒng)的大型換算處理器，加上集成電路以及嵌入式的待換機的使用保證設(shè)計的運動成績校對標準器嵌入式。

本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器，其硬件結(jié)構(gòu)圖如圖1所示。

2 軟件設(shè)計

2.1 利用人工視覺設(shè)計反匯編視覺模型

本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器，在軟件上使用的是反匯編視覺模型，反匯編視覺模型是在人工視覺技術(shù)的基礎(chǔ)上發(fā)展起來的，因此反匯編視覺模型能夠?qū)\動成績進行快速準確的校對。建立反匯編視覺模型首先需要對運動成績進行標準化調(diào)試，過程如下：

式中：為標準化運動量差；為標準關(guān)聯(lián)視覺算子；為運動圖像幀的熵值；為運動視覺圖像的有效波動情況[2]。本文設(shè)計基于人工視覺的嵌入式運動成績校對標準器使用反匯編視覺模型進行標準化調(diào)試，需要考慮運動數(shù)據(jù)變化與調(diào)試參數(shù)的精度問題。標準化調(diào)試后進行運動數(shù)據(jù)的標準確認為：endprint

式中：為標準化運動數(shù)據(jù)校正參數(shù)；為人工視覺校對數(shù)據(jù)正量差。經(jīng)過上述的參數(shù)調(diào)整便可以進行反匯編視覺模型建立，如下：

式中：表示運動圖像的位錯痕跡，能夠通過位錯痕跡上的標碼對結(jié)果進行檢測，一般情況下的位錯痕跡帶有3～4個標碼信息[3?4]；為反匯編視覺模型使用起始條件，通過條件的限定能夠提高設(shè)計的模型的準確率；為反匯編視覺模型參量，能夠進行更加準確的量化標準校正。

2.2 優(yōu)化寄存代碼計算

本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器，使用了反匯編視覺模型，但是反匯編視覺模型在運動成績的運算編輯上無法進行多維的衡量，因此需要對寄存代碼計算進行優(yōu)化，首先進行數(shù)據(jù)級別分類，公式為：

式中：表示運動成績的運力輕度的紋理參數(shù)；表示運動成績能級權(quán)值；表示最大劃分能級參數(shù)；表示質(zhì)量的參化系數(shù)。

經(jīng)過數(shù)據(jù)級別分列過后的數(shù)據(jù)需要進行相關(guān)演變確認[5]，這樣能夠提高計算過程準確度，如下：

式中：為原始限定能級別參量；為校正數(shù)據(jù)的魔方配比函數(shù)位子，可以進行一定約束的參照量； 為跨域能級差[6]；為多分能力變量采熵值。經(jīng)過上述優(yōu)化后的計算過程還需要對使用條件進行重新設(shè)定，公式如下：

式中，表示質(zhì)量的參化系數(shù)。經(jīng)過以上公式完成了對寄存代碼計算的優(yōu)化。

3 仿真實驗分析

3.1 參數(shù)設(shè)定

為了保證設(shè)計的基于人工視覺的嵌入式運動成績校對標準器的有效性，對參數(shù)進行設(shè)定，標準化運動量差在 [62.58，98.36]值域范圍之內(nèi)[7]；設(shè)置運動成績的運動輕度的紋理參數(shù)[8]為17.66。

本文設(shè)計的模擬實驗原理圖如圖2所示。

3.2 結(jié)果分析

在實驗過程中，對傳統(tǒng)運動成績校對標準器與本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器的實驗結(jié)果進行記錄。傳統(tǒng)運動成績校對標準器校對數(shù)據(jù)排布如圖3所示[9]。

基于人工視覺的嵌入式運動成績校對標準器校對數(shù)據(jù)排布如圖4所示。

通過圖3、圖4可以看出本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器數(shù)據(jù)排布更加的集中，并且在一定的規(guī)律范圍之內(nèi)，比傳統(tǒng)的零散排布矯正效果要快速準確。分析圖5結(jié)果得知，本文設(shè)計的基于人工視覺的嵌入式運動成績校對標準器，幾乎與設(shè)定的標準值一樣，無明顯的數(shù)據(jù)變化。

4 結(jié) 語

本文提出一種基于人工視覺的運動成績校對標準器的嵌入式設(shè)計，并進行了實驗對比分析。結(jié)果表明，采用改進的校對標準器，其校對結(jié)果更好。希望通過本文的研究能夠為運動成績矯正過程提供更好的應(yīng)用系統(tǒng)。

參考文獻

[1] 王濤，傅戈雁，石世宏.基于嵌入式機器視覺的激光熔覆成形熔池離焦量在線測控系統(tǒng)[J].中國激光，2015，42（3）：112?119.

WANG Tao， FU Geyan， SHI Shihong. On?line measurement and control system of defocusing quantity in laser cladding forming molten pool based on embedded machine vision [J]. Chinese journal of lasers， 2015， 42（3）： 112?119.

[2] 謝忠華.水稻插秧機路徑追蹤設(shè)計：基于SOPC嵌入式視覺導(dǎo)航[J].農(nóng)機化研究，2017，39（10）：213?217.

XIE Zhonghua. Path tracking design of rice transplanter?based on the embedded visual navigation of SOPC [J]. Mechanization research， 2017， 39（10）： 213?217.

[3] SUN J， MA Y， YANG H， et al. Camera calibration and its application of binocular stereo vision based on artificial neural network [C]// International Congress on Image and Signal Processing， Biomedical Engineering and Informatics. [S.l.： s.n.]， 2016： 761?765.

[4] MAULEDOUX M M， HERNANDEZ C， SEGURA C C G， et al. Object tracking system based on artificial vision algorithms [J]. Applied mechanics & materials， 2015， 713/715： 420?423.

[5] GHEORGHE G， NICU??GEORGE B， C?T?LIN L. Artificial vision algorithms based on fractals for the images description [R]. [S.l.]： ′Constantin Brancusi′ University of Targu?Jiu Engineering， 2015.

[6] GHAZAEI G， ALAMEER A， DEGENAAR P， et al. Deep learning?based artificial vision for grasp classification in myoelectric hands [J]. Journal of neural engineering， 2016， 36： 25?43.

[7] ALEXIEF J L， KERKENI N， ANGUE J C. General method for inspection based on artificial vision of plan products with random or organized texture [J]. SPIE Proceedings， 1996， 2665：120?134.

[8] 徐大成.運動視覺跟蹤中動作捕獲器的嵌入式設(shè)計[J].現(xiàn)代電子技術(shù)，2017，40（18）：89?91.

XU Dacheng. Embedded design of motion capturer in movement vision tracking [J]. Modern electronics technique， 2017， 40（18）： 89?91.

[9] 張晨，孫世磊，石文軒，等.基于嵌入式系統(tǒng)的異纖清除機設(shè)計與試驗[J].農(nóng)業(yè)機械學(xué)報，2017，48（8）：43?52.

ZHANG Chen， SUN Shilei， SHI Wenxuan， et al. Design and test of foreign fiber removal machine based on embedded system [J]. Journal of agricultural machinery， 2017， 48（8）： 43?52.

[10] 李雪峰.基于ARM處理器與nRF24L01無線通信的植物工廠監(jiān)控系統(tǒng)[J].物聯(lián)網(wǎng)技術(shù)，2016，6（9）：32?36.

LI Xuefeng. Plant factory monitoring system based on ARM processor and nRF24L01 radio communication [J]. Internet of Things technologies， 2016， 6（9）： 32?36.endprint