曾友美 宋英

摘? 要： 針對(duì)當(dāng)前運(yùn)動(dòng)訓(xùn)練系統(tǒng)的誤差考慮不全面、效果差等缺陷，設(shè)計(jì)基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)。首先，采集運(yùn)動(dòng)訓(xùn)練視頻圖像，得到訓(xùn)練關(guān)節(jié)點(diǎn)運(yùn)動(dòng)軌跡，并依據(jù)運(yùn)動(dòng)軌跡和誤差檢測(cè)方法分析運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練測(cè)量誤差;然后，依據(jù)誤差成績(jī)智能測(cè)評(píng)模塊評(píng)價(jià)運(yùn)動(dòng)員熱身運(yùn)動(dòng)強(qiáng)度、運(yùn)動(dòng)訓(xùn)練反應(yīng)時(shí)間、運(yùn)動(dòng)訓(xùn)練動(dòng)作精度與穩(wěn)定性等，并給出提升運(yùn)動(dòng)效果的訓(xùn)練建議;最后，仿真對(duì)比實(shí)驗(yàn)結(jié)果表明，相比其他系統(tǒng)，所提系統(tǒng)反應(yīng)時(shí)間速度快，動(dòng)作控制精度高，可以獲得理想的運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)效果。

關(guān)鍵詞： 運(yùn)動(dòng)訓(xùn)練系統(tǒng); 機(jī)器視覺技術(shù); 視頻圖像采集; 運(yùn)動(dòng)軌跡; 誤差分析; 智能測(cè)評(píng)

中圖分類號(hào)： TN911.73?34; TP391? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2020）05?0150?05

Design of sports training system based on machine vision technology

ZENG Youmei1， SONG Ying2

（1. Wuchang Institute of Technology， Wuhan 430065， China; 2. Wuhan University of Engineering Science， Wuhan 430200， China）

Abstract： In view of the defects of incomprehensive consideration of factors causing errors and poor effect in the existing sports training system， a sports training system based on machine vision technology is designed. Firstly， the video images of sports training are collected to obtain the motion tracks of trained joint points， and the measurement errors of athletes′ sports training are analyzed according to the motion tracks and error detection methods. Then， according to the intelligent error evaluation module， the athletes′ warm?up sports intensity， reaction time， motion accuracy and stability of sports training are evaluated. In addition， some training suggestions are given to improve the sports effect. The simulation and experiment results show that， in comparison with other systems， the proposed system has faster response speed and higher motion control accuracy， and can achieve ideal error detection effect in the sports training.

Keywords： sports training system; machine vision technology; video image acquisition; motion track; error analysis; intelligent evaluation

0? 引? 言

作為人們?nèi)粘Ｉ钪斜夭豢缮俚囊豁?xiàng)活動(dòng)，運(yùn)動(dòng)訓(xùn)練無論是在賽事競(jìng)技還是日常休閑中都具有重要意義。運(yùn)動(dòng)訓(xùn)練過程中，運(yùn)動(dòng)動(dòng)作是否科學(xué)、是否到位都直接影響運(yùn)動(dòng)訓(xùn)練效果[1]。以往運(yùn)動(dòng)訓(xùn)練系統(tǒng)通常采用單片機(jī)技術(shù)或無線傳感器技術(shù)進(jìn)行運(yùn)動(dòng)訓(xùn)練視頻采集，分析運(yùn)動(dòng)訓(xùn)練動(dòng)作，給予針對(duì)性訓(xùn)練建議[2?3]。但以往的運(yùn)動(dòng)訓(xùn)練系統(tǒng)中都忽略了一個(gè)重要問題，即運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練誤差[4]。在體育訓(xùn)練、康復(fù)醫(yī)療和虛擬現(xiàn)實(shí)技術(shù)等領(lǐng)域中，運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)具有十分重要的研究意義。以往基于單片機(jī)或無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)在運(yùn)動(dòng)訓(xùn)練誤差方面僅考慮運(yùn)動(dòng)員動(dòng)作方面的運(yùn)動(dòng)誤差，忽略了系統(tǒng)結(jié)構(gòu)導(dǎo)致的誤差[5]，導(dǎo)致運(yùn)動(dòng)訓(xùn)練效果達(dá)不到預(yù)期目標(biāo)。

機(jī)器視覺技術(shù)是機(jī)器技術(shù)與視覺傳感技術(shù)相結(jié)合產(chǎn)生的新型技術(shù)，其本質(zhì)為通過在線機(jī)器檢測(cè)三維形狀[6]。機(jī)器視覺技術(shù)以其非接觸、速度快以及精度高等諸多優(yōu)勢(shì)被普遍應(yīng)用于三維重建、物體三維信息測(cè)量與表面缺陷檢測(cè)等光學(xué)領(lǐng)域中。機(jī)器視覺技術(shù)與視覺技術(shù)相比，能夠在線檢測(cè)動(dòng)態(tài)大尺度物體光學(xué)形貌，且可以進(jìn)行超高速、遠(yuǎn)距離的通信，可在惡劣環(huán)境下替代人工操作進(jìn)行目標(biāo)物體運(yùn)動(dòng)檢測(cè)，獲取精度更高的運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練圖像信息。本文設(shè)計(jì)基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)，分析運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練誤差，針對(duì)訓(xùn)練誤差提出合理訓(xùn)練建議，提高了運(yùn)動(dòng)訓(xùn)練效果。

1? 運(yùn)動(dòng)訓(xùn)練系統(tǒng)設(shè)計(jì)

1.1? 系統(tǒng)整體設(shè)計(jì)

基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)整體結(jié)構(gòu)如圖1所示，包括視頻圖像采集模塊、視頻圖像處理模塊、成績(jī)智能測(cè)評(píng)模塊和數(shù)據(jù)庫(kù)管理模塊。

運(yùn)動(dòng)員進(jìn)行運(yùn)動(dòng)訓(xùn)練過程中，機(jī)器發(fā)射器將發(fā)射出機(jī)器光束，此時(shí)，運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)上將出現(xiàn)機(jī)器光斑[7]。視頻圖像采集模塊中的CCD攝像機(jī)實(shí)時(shí)、連續(xù)地對(duì)運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)得到的模擬圖像信號(hào)經(jīng)圖像采集卡轉(zhuǎn)換成數(shù)字信號(hào)后[8]，傳輸至視頻圖像處理模塊內(nèi)，分析運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練測(cè)量誤差，分析結(jié)果傳輸至后臺(tái)計(jì)算機(jī)內(nèi)，計(jì)算機(jī)將訓(xùn)練測(cè)量誤差結(jié)果存儲(chǔ)到數(shù)據(jù)庫(kù)管理模塊。運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練結(jié)束后，光斑消失。成績(jī)智能測(cè)評(píng)模塊依據(jù)視頻圖像處理模塊獲取的誤差檢測(cè)結(jié)果，利用數(shù)據(jù)挖掘算法分析運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練動(dòng)作，形成一份具體的運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練動(dòng)作分析報(bào)告，報(bào)告中針對(duì)運(yùn)動(dòng)員的熱身運(yùn)動(dòng)強(qiáng)度、運(yùn)動(dòng)訓(xùn)練反應(yīng)時(shí)間、運(yùn)動(dòng)訓(xùn)練動(dòng)作精度與穩(wěn)定性等主要技術(shù)實(shí)施評(píng)估[9]，并針對(duì)運(yùn)動(dòng)員當(dāng)前狀態(tài)給予提升運(yùn)動(dòng)效果的訓(xùn)練建議。全部運(yùn)動(dòng)訓(xùn)練數(shù)據(jù)通過表的形式保存至數(shù)據(jù)庫(kù)管理模塊中的SQL Server服務(wù)器內(nèi)，可查詢、排序或統(tǒng)計(jì)以往的運(yùn)動(dòng)訓(xùn)練數(shù)據(jù)，為運(yùn)動(dòng)訓(xùn)練計(jì)劃提供數(shù)據(jù)支持。在CCD攝像機(jī)再次獲取到運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)上的光斑時(shí)，系統(tǒng)自動(dòng)記錄新的運(yùn)動(dòng)訓(xùn)練數(shù)據(jù)。

1.2? 視頻圖像采集模塊

視頻圖像采集模塊的主要功能是采集運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻圖像[10]，辨認(rèn)運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)與機(jī)器點(diǎn)，得到機(jī)器點(diǎn)在運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)上的運(yùn)動(dòng)軌跡。運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻圖像采集的順序如圖2所示。

利用采集卡采集運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻圖像，受系統(tǒng)硬件器材的限制與采集環(huán)境中各種不均衡因素等影響[11]，采集到的視頻圖像中通常會(huì)存在許多噪聲點(diǎn)，降低視頻圖像質(zhì)量。所以在識(shí)別視頻圖像之前需要對(duì)視頻圖像進(jìn)行灰度化與噪聲過濾等預(yù)處理。

利用索貝爾邊緣查找算法在運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻灰度圖像中獲取運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練動(dòng)作輪廓，采用Hough變換辨認(rèn)輪廓中訓(xùn)練關(guān)節(jié)所在的圓心與半徑。得到運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)位置后，通過圖像剪影法識(shí)別光斑位置。

1.3? 視頻圖像處理模塊

視頻圖像采集模塊在采集到運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻圖像并進(jìn)行預(yù)處理后，將視頻圖像傳輸至視頻圖像處理模塊內(nèi)，進(jìn)行運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)。按照機(jī)器視覺技術(shù)的工作原理[12]，設(shè)計(jì)視頻圖像處理模塊結(jié)構(gòu)如圖3所示。

視頻圖像處理模塊主要由三部分組成，分別是坐標(biāo)采集子模塊、視頻圖像傳感子模塊與誤差檢測(cè)分析子模塊。坐標(biāo)采集子模塊通過機(jī)器傳感器獲取運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練軌跡中關(guān)節(jié)的像點(diǎn)、物點(diǎn)與鏡頭中心點(diǎn)坐標(biāo);圖像傳感子模塊基于坐標(biāo)采集結(jié)果在機(jī)器椎體坐標(biāo)系下確定運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)的三維坐標(biāo);在此基礎(chǔ)上誤差檢測(cè)分析子模塊采用運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)方法，計(jì)算系統(tǒng)結(jié)構(gòu)參數(shù)誤差傳遞系數(shù)、運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像素點(diǎn)不同變量的整體誤差傳遞系數(shù)以及運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像素點(diǎn)不同變量對(duì)應(yīng)機(jī)器坐標(biāo)誤差傳遞系數(shù)等[13?14]，最終實(shí)現(xiàn)運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練誤差的檢測(cè)與分析。

1.4? 軟件設(shè)計(jì)

1.4.1? 智能測(cè)評(píng)流程設(shè)計(jì)

運(yùn)動(dòng)訓(xùn)練結(jié)束后，評(píng)估和分析運(yùn)動(dòng)訓(xùn)練程度是提升訓(xùn)練效果的主要方式[15]。系統(tǒng)中的成績(jī)智能測(cè)評(píng)模塊采用數(shù)據(jù)挖掘技術(shù)處理采集的運(yùn)動(dòng)員關(guān)節(jié)光斑位置信息，依據(jù)圖像處理模塊獲取的誤差分析結(jié)果，分析運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練過程中關(guān)節(jié)運(yùn)動(dòng)軌跡，評(píng)估運(yùn)動(dòng)訓(xùn)練成績(jī)，評(píng)價(jià)運(yùn)動(dòng)員熱身運(yùn)動(dòng)強(qiáng)度、運(yùn)動(dòng)訓(xùn)練反應(yīng)時(shí)間、運(yùn)動(dòng)訓(xùn)練動(dòng)作精度與穩(wěn)定性等內(nèi)容。針對(duì)運(yùn)動(dòng)員當(dāng)前狀態(tài)給予提升運(yùn)動(dòng)效果的訓(xùn)練建議。運(yùn)動(dòng)訓(xùn)練成績(jī)智能測(cè)評(píng)流程如圖4所示。

1.4.2? 運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)方法

式（1）描述運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)空間點(diǎn)的三維坐標(biāo)：

[xL=Dxv，α，g，x1，y1，x2，y2yL=Dyv，α，g，x1，y1，x2，y2zL=Dzv，α，g，x1，y1，x2，y2] （1）

式中：[xL]，[yL]，[zL]表示機(jī)器軌跡與運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)的交點(diǎn);[Dx]，[Dy]和[Dz]表示運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)空間點(diǎn)的三維坐標(biāo);[v]，[α]和[g]分別表示2臺(tái)機(jī)器傳感器的基線距離、運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)在機(jī)器傳感器上的夾角和鏡頭焦距;[x1，y1，x2，y2]表示機(jī)器傳感器平面上運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像素點(diǎn)。

基于式（1），通過函數(shù)合成誤差分析的核心理論，利用式（2）確定運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)在空間點(diǎn)3個(gè)坐標(biāo)軸方向的誤差：

[ΔxL=iωDxωi?ΔiΔyL=iωDyωi?ΔiΔzL=iωDzωi?Δi] （2）

式中：[i]，[Δi]和[ωDkωi]分別表示運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像素點(diǎn)的特征系數(shù)、像素點(diǎn)各變量誤差和像素點(diǎn)各變量相應(yīng)的機(jī)器坐標(biāo)誤差的傳遞系數(shù)，其中，[i=v，α，g，x1，y1，x2，y2];[k=x，y，z]。由于[i]取值的7個(gè)參數(shù)中，僅有6個(gè)參數(shù)為相互獨(dú)立的，所以運(yùn)算過程中僅用6個(gè)相互獨(dú)立的參數(shù)。

運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)坐標(biāo)的整體檢測(cè)誤差與運(yùn)動(dòng)員運(yùn)動(dòng)關(guān)節(jié)坐標(biāo)各方向的誤差一致，表達(dá)式如下：[Δ′=Δ′xL+Δ′yL+Δ′zL = kiωDkωi?Δi2=iξiΔi2] （3）

式中：[ξi]表示運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像素點(diǎn)不同變量的整體誤差傳遞系數(shù)，通過式（4）確定：

[ξi =kωDkωi2] （4）

由式（1）～式（4）得到，運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)誤差傳遞系數(shù)存在[ξi =kωDkωi2]非線性特征，運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)整體檢測(cè)誤差受應(yīng)用機(jī)器視覺技術(shù)的傳感器影響，主要體現(xiàn)在：運(yùn)動(dòng)訓(xùn)練結(jié)構(gòu)參數(shù)與機(jī)器傳感器的標(biāo)定誤差（也就是運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)在鏡頭焦距的標(biāo)定誤差）和被測(cè)運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)在2臺(tái)機(jī)器傳感器兩像平面上的像點(diǎn)辨認(rèn)誤差上。在機(jī)器傳感器像點(diǎn)辨認(rèn)精度與運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)標(biāo)定方法明確的條件下，運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練整體檢測(cè)誤差取值受機(jī)器傳感器距離[v]值與夾角[α]值影響。

根據(jù)上述過程，依照運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)像點(diǎn)在機(jī)器椎體坐標(biāo)系內(nèi)的坐標(biāo)表達(dá)式、運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)空間點(diǎn)的三維坐標(biāo)表達(dá)式，確定機(jī)器傳感過程中結(jié)構(gòu)參數(shù)誤差傳遞系數(shù)，計(jì)算公式如下：

[ξv=2cosα+β2sin2α+β1+β2cos γ1ξα=2vcosα+β2cos2α+β1+β2+cosα+β1sin22α+β1+β2cos γ1] （5）

式中：[β]表示系統(tǒng)得到的運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)垂直視場(chǎng)角;[γ]表示運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)在機(jī)器傳感器中的數(shù)值變量。

分析式（5）可知，基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)結(jié)構(gòu)參數(shù)的誤差傳遞規(guī)則如下：

1） 運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)光軸夾角與系統(tǒng)獲取的運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)垂直視場(chǎng)角，直接決定系統(tǒng)整體測(cè)量誤差受2臺(tái)機(jī)器傳感器間基線距離誤差的影響程度;

2） 2臺(tái)機(jī)器傳感器間的基線距離，同運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)與機(jī)器傳感器的光軸夾角誤差傳遞規(guī)則之間呈正比關(guān)系，在系統(tǒng)其他結(jié)構(gòu)參數(shù)達(dá)到基本要求的條件下，降低2臺(tái)機(jī)器傳感器間的基線距離，能夠提升系統(tǒng)整體結(jié)構(gòu)的檢測(cè)精度。

3） 當(dāng)2臺(tái)機(jī)器傳感器間的垂直視場(chǎng)角提升時(shí)，運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練檢測(cè)誤差傳遞系數(shù)也隨之提升。當(dāng)2臺(tái)機(jī)器傳感器間的垂直視場(chǎng)角為最小值時(shí)，全部運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練檢測(cè)傳遞系數(shù)值最低，此時(shí)關(guān)節(jié)節(jié)點(diǎn)檢測(cè)誤差最低。

在運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練圖像識(shí)別誤差與機(jī)器傳感器的鏡頭焦距[g]值一定的條件下，分析2臺(tái)機(jī)器傳感器間的基線距離和光軸夾角對(duì)運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練誤差的影響，設(shè)[Δv=Δα=δ]，依照式（3），確定運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)的整體檢測(cè)誤差為：

[Δ=δLξ2v+ξ2α] （6）

式中[L]表示運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練關(guān)節(jié)點(diǎn)的其他因素折算系數(shù)。

2? 實(shí)驗(yàn)結(jié)果與分析

2.1? 丟包率對(duì)比

依照現(xiàn)實(shí)情況的需求，在實(shí)驗(yàn)室環(huán)境與室外環(huán)境中構(gòu)建系統(tǒng)測(cè)試平臺(tái)，對(duì)比本文設(shè)計(jì)的基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)、基于單片機(jī)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)和基于無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)，在6 min內(nèi)丟包率隨運(yùn)動(dòng)訓(xùn)練視頻時(shí)間的變化結(jié)果如表1所示。分析表1得到，三個(gè)運(yùn)動(dòng)訓(xùn)練系統(tǒng)的丟包率均隨著運(yùn)動(dòng)訓(xùn)練視頻時(shí)間的延長(zhǎng)而提升，本文系統(tǒng)在180 s內(nèi)的丟包率變化較小，當(dāng)視頻時(shí)長(zhǎng)超過180 s后，系統(tǒng)的丟包率提升幅度增大，本文系統(tǒng)的平均丟包率為0.22%;基于單片機(jī)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)丟包率提升幅度波動(dòng)較為明顯，平均丟包率為0.55%;基于無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)丟包率提升幅度較為平緩，平均丟包率為0.58%。實(shí)驗(yàn)結(jié)果表明，本文系統(tǒng)丟包率與其他兩個(gè)系統(tǒng)相比，降低0.33%以上，說明本文系統(tǒng)較為穩(wěn)定可靠。

2.2? 運(yùn)動(dòng)訓(xùn)練效果分析

實(shí)驗(yàn)從反應(yīng)時(shí)間和動(dòng)作控制精度兩方面對(duì)比三個(gè)系統(tǒng)的運(yùn)動(dòng)訓(xùn)練效果，結(jié)果如圖5所示。分析圖5得到，使用本文系統(tǒng)后，隨著訓(xùn)練次數(shù)的增加，運(yùn)動(dòng)員的反應(yīng)時(shí)間由0.48 s降低至0.40 s，動(dòng)作控制精度由88.46%提升至92.65%。與基于單片機(jī)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)相比，使用本文系統(tǒng)后，運(yùn)動(dòng)員反應(yīng)時(shí)間降低0.06 s，動(dòng)作控制精度提升2.85%;與基于無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)相比，使用本文系統(tǒng)后，運(yùn)動(dòng)員反應(yīng)時(shí)間降低0.07 s，動(dòng)作控制精度提升2.38%。實(shí)驗(yàn)結(jié)果表明，使用本文系統(tǒng)后運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練效果提升更為顯著。

2.3? 運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)對(duì)比

在誤差檢測(cè)過程中，準(zhǔn)確率和查準(zhǔn)率分別表示準(zhǔn)確檢測(cè)誤差與非誤差的概率和全部被檢測(cè)為存在誤差的數(shù)據(jù)內(nèi)確實(shí)存在誤差的概率，查全率和特異率分別表示全部存在誤差數(shù)據(jù)內(nèi)被檢測(cè)不存在誤差的概率和不存在誤差數(shù)據(jù)被檢測(cè)準(zhǔn)確的概率。實(shí)驗(yàn)對(duì)比三個(gè)系統(tǒng)在運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)上的準(zhǔn)確率、查準(zhǔn)率、查全率和特異率，結(jié)果如表2所示。由表2可得，三個(gè)系統(tǒng)檢測(cè)指標(biāo)的趨勢(shì)均為查準(zhǔn)率最高、查全率最低，這種現(xiàn)象主要是由運(yùn)動(dòng)訓(xùn)練數(shù)據(jù)集挑選的疏密情況導(dǎo)致的。三個(gè)系統(tǒng)中，本文系統(tǒng)的準(zhǔn)確率、查準(zhǔn)率和特異率是最高的，均達(dá)到90%以上，而查全率僅低于基于無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)0.73%。實(shí)驗(yàn)結(jié)果表明本文系統(tǒng)的運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)效果最好。

2.4? 運(yùn)行效率對(duì)比

實(shí)驗(yàn)為測(cè)試本文系統(tǒng)的運(yùn)行效率，對(duì)比三個(gè)系統(tǒng)的傳輸速度（單位：Kb/s）和傳輸時(shí)延（單位：bit/s），結(jié)果如表3所示。分析表3得到，本文系統(tǒng)和基于無線傳感器的運(yùn)動(dòng)訓(xùn)練系統(tǒng)傳輸速度高于基于單片機(jī)運(yùn)動(dòng)訓(xùn)練系統(tǒng)，但本文系統(tǒng)傳輸速度更穩(wěn)定，且傳輸時(shí)延在三個(gè)系統(tǒng)中是最低的。實(shí)驗(yàn)結(jié)果表明本文系統(tǒng)具有較高的運(yùn)行效率。

3? 結(jié)? 語(yǔ)

當(dāng)前運(yùn)動(dòng)訓(xùn)練系統(tǒng)在運(yùn)動(dòng)訓(xùn)練誤差方面考慮不全面，導(dǎo)致運(yùn)動(dòng)訓(xùn)練效果達(dá)不到預(yù)期目標(biāo)，針對(duì)此問題，本文設(shè)計(jì)基于機(jī)器視覺技術(shù)的運(yùn)動(dòng)訓(xùn)練系統(tǒng)。視頻圖像處理模塊利用機(jī)器傳感器獲取運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練視頻圖像信息，并利用機(jī)器傳感技術(shù)處理視頻圖像信息，通過運(yùn)動(dòng)訓(xùn)練誤差檢測(cè)方法進(jìn)行運(yùn)動(dòng)員運(yùn)動(dòng)訓(xùn)練測(cè)量誤差分析，依據(jù)分析結(jié)果通過成績(jī)智能測(cè)評(píng)模塊對(duì)運(yùn)動(dòng)情況進(jìn)行分析、測(cè)評(píng)，并給出合理化訓(xùn)練建議。

參考文獻(xiàn)

[1] 彭忠超，戚媛婧，舒斌，等.基于機(jī)器視覺的激光器封裝自動(dòng)對(duì)準(zhǔn)系統(tǒng)[J].工程設(shè)計(jì)學(xué)報(bào)，2017，24（6）：687?693.

[2] LIU Wei， MA Xin， LI Xiao， et al. High?precision pose measurement method in wind tunnels based on laser?aided vision technology [J]. Chinese journal of aeronautics， 2015， 28（4）： 1121?1130.

[3] 王國(guó)偉.基于視覺圖像的田徑失誤動(dòng)作識(shí)別仿真[J].計(jì)算機(jī)仿真，2016，33（4）：274?277.

[4] 滕玉坤，郝穎明，付雙飛，等.基于位置敏感器件的視覺測(cè)量系統(tǒng)標(biāo)定技術(shù)[J].機(jī)器與光電子學(xué)進(jìn)展，2018，55（8）：304?311.

[5] 邵晴，徐濤，吉野辰萌，等.基于三維機(jī)器掃描技術(shù)的糧食儲(chǔ)量監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)與試驗(yàn)[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（20）：262?267.

[6] 于陶然，王超，唐曉軍，等.基于ZEMAX的二維變焦擴(kuò)束光學(xué)系統(tǒng)設(shè)計(jì)[J].機(jī)器與紅外，2016，46（6）：747?751.

[7] LEE B R， NGUYEN H C. Development of laser?vision system for three?dimensional circle detection and radius measurement [J]. Optik?international journal for light and electron optics， 2015， 126（24）： 5412?5419.

[8] 宋麗梅，楊宏超，魏澤，等.基于高精度輪廓線機(jī)器的芯片引腳共面度視覺檢測(cè)系統(tǒng)[J].光學(xué)技術(shù)，2018，44（6）：686?689.

[9] 曹建樹，鐘君，李家政，等.基于LabVIEW的機(jī)器超聲管道檢測(cè)系統(tǒng)[J].中國(guó)測(cè)試，2017，43（10）：80?85.

[10] 朱國(guó)慶，李慶武，林少飛，等.基于人眼視覺特性的非下采樣輪廓波變換域紅外圖像增強(qiáng)算法[J].機(jī)器與光電子學(xué)進(jìn)展，2015，52（1）：49?54.

[11] 閆勇剛，鄧小玲，馬祥，等.人體皮膚彩色視頻誤差分析及一致性提高[J].紅外與機(jī)器工程，2016，45（z1）：222?226.

[12] LUO M， SHIN Y C. Estimation of keyhole geometry and prediction of welding defects during laser welding based on a vision system and a radial basis function neural network [J]. International journal of advanced manufacturing technology， 2015， 81（14）： 263?276.

[13] 曾立三，吳伶錫，劉述鋼，等.基于矢量圖形的機(jī)器演示系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].機(jī)器與紅外，2016，46（10）：1273?1278.

[14] 劉冉，梁高麗，王姮，等.融合射頻識(shí)別和機(jī)器信息的動(dòng)態(tài)目標(biāo)定位[J].電子與信息學(xué)報(bào)，2018，40（11）：55?62.