趙 博

(阜陽(yáng)職業(yè)技術(shù)學(xué)院 學(xué)生處，安徽 阜陽(yáng) 236031)

0 引 言

1 機(jī)器視覺(jué)圖像采集和預(yù)處理

1.1 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的機(jī)器圖像采集

為了實(shí)現(xiàn)基于機(jī)器視覺(jué)圖像的籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉，需要首先采用多分辨的幀掃描技術(shù)進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的機(jī)器圖像采集，對(duì)采集的高分辨籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作圖像進(jìn)行邊緣輪廓特征檢測(cè)[3]，根據(jù)三維模型特征分布進(jìn)行訓(xùn)練動(dòng)作圖像采集，得到采集的籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像為f(x,y)，圖像的背景分量為g(x,y).利用二維圖像與三維模型的對(duì)應(yīng)點(diǎn)匹配方法對(duì)g(x,y)進(jìn)行模板匹配處理，加入高斯噪聲、高斯模糊特征量，將圖像的匹配模板分成3×3拓?fù)浣Y(jié)構(gòu)，得到圖像的掃描空間區(qū)域結(jié)構(gòu)如圖1所示.

圖1 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的機(jī)器圖像多幀掃描的空間區(qū)域結(jié)構(gòu)

(1)

g(x,y)=h(x,y)*f(x,y)+η(x,y)

(2)

式(2)中，h(x,y)*f(x,y)是籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作定位的關(guān)鍵特征點(diǎn)，符號(hào)*表示卷積.在不同區(qū)域進(jìn)行籃球訓(xùn)練動(dòng)作圖像的特征定位[5]，得到仿射不變矩為：

g(x,y)=f(x,y)+η(x,y)

(3)

式(3)中，η(x,y)為噪聲干擾項(xiàng)，通過(guò)精細(xì)配準(zhǔn)的方法，實(shí)現(xiàn)籃球訓(xùn)練動(dòng)作捕捉和采集.

1.2 圖像邊緣輪廓特征檢測(cè)

(4)

式(4)中，r和θ為分層特征分解系數(shù)，當(dāng)相關(guān)性變量滿足ηm(x,y)∈{-1,0,1}.采用灰階特征融合方法，得到籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作圖像的邊緣輪廓分量為：

(5)

雖然目前對(duì)于“低碳市場(chǎng)營(yíng)銷(xiāo)模式”還沒(méi)給出確切具體的定義，但是“低碳市場(chǎng)營(yíng)銷(xiāo)模式”相對(duì)傳統(tǒng)營(yíng)銷(xiāo)模式和現(xiàn)代營(yíng)銷(xiāo)模式發(fā)生了根本性的轉(zhuǎn)變，此種營(yíng)銷(xiāo)模式會(huì)充分考慮消費(fèi)者的利益、企業(yè)的利益和環(huán)境保護(hù)者三者之間的緊密聯(lián)系。隨著經(jīng)濟(jì)全球化的發(fā)展，國(guó)內(nèi)外的許多企業(yè)都使用低碳市場(chǎng)營(yíng)銷(xiāo)模式，改善企業(yè)自身的不足，抓住綠色商機(jī)，通過(guò)低碳市場(chǎng)營(yíng)銷(xiāo)模式領(lǐng)先其他企業(yè)，謀求更多的發(fā)展空間。從某些角度上看，許多企業(yè)通過(guò)實(shí)施“低碳市場(chǎng)營(yíng)銷(xiāo)模式”克服了企業(yè)發(fā)展中的瓶頸，找到了搶占制高點(diǎn)的重要途徑。

(6)

(7)

圖2 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像邊緣輪廓特征匹配網(wǎng)格模型

式(7)中，c為籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作圖像灰度像素分布的列數(shù)，r為其行數(shù).由此得到籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像邊緣輪廓特征匹配網(wǎng)格模型如圖2所示，在圖2的網(wǎng)格模型中進(jìn)行運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉.

2 籃球訓(xùn)練動(dòng)作機(jī)器視覺(jué)捕捉優(yōu)化

2.1 動(dòng)作特征提取

在上述進(jìn)行了籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像采集和邊緣輪廓提取的基礎(chǔ)上，進(jìn)行動(dòng)作識(shí)別優(yōu)化，結(jié)合不規(guī)則三角網(wǎng)模型實(shí)現(xiàn)籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器視覺(jué)分塊模板匹配處理，在高斯模糊仿射空間中進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉和特征提取[7]，不規(guī)則三角網(wǎng)的區(qū)域特征分布模型為：

(8)

考慮圖像變化尺度不同，根據(jù)多分辨籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像的內(nèi)部紋理和邊緣特征進(jìn)行線性重組[8]，得到圖像的增強(qiáng)結(jié)果為：

(9)

式(9)中，σ表示圖像的紋理分布，Δx表示圖像的梯度像素值，在籃球訓(xùn)練圖像的局形體輪廓和局部區(qū)域中進(jìn)行籃球飛行軌跡預(yù)測(cè)，令t(x)=e-βd(x)，其中0

(10)

在籃球非線性變化模式系，求解籃球飛行軌跡方程：

(11)

在高斯模糊仿射空間中進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉和特征提取，采用小波提升技術(shù)，得到優(yōu)化的軌跡方程為：

(12)

其中(x,y)表示圖像的梯度像素分布集，通過(guò)空間像素分塊匹配，進(jìn)行運(yùn)動(dòng)動(dòng)作捕捉.

2.2 籃球訓(xùn)練動(dòng)作捕捉輸出

通過(guò)圖像增強(qiáng)技術(shù)提高籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的分辨能力和自適應(yīng)性[9]，采用機(jī)器視覺(jué)圖像處理方法得到籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的紋理分布函數(shù)f(gi)為：

(13)

求得籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的動(dòng)態(tài)軌跡分布，得到出動(dòng)態(tài)軌跡分布表示式為：

(14)

其中Φ(Tn)由下式給出：

Φ(Tn)=γTHγ+θTHθ+ωTHω

(15)

分析籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像的像素值，結(jié)合運(yùn)動(dòng)軌跡重構(gòu)方法[10]，得到籃球運(yùn)動(dòng)的訓(xùn)練動(dòng)作軌跡描述如下：

Gnew=(1+μT)(1+λT)Gold

(16)

(17)

式(16)中，Gnew和Gold分別表示籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的灰度軌跡分量：

(18)

式(18)中，TC為籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器圖像的尺度特征分解式，Md(Ci)表示Ci中紋理信息分量.根據(jù)上述分析，采用機(jī)器視覺(jué)圖像處理方法，實(shí)現(xiàn)籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉優(yōu)化.

3 仿真測(cè)試分析

為了測(cè)試本文方法在實(shí)現(xiàn)基于視覺(jué)圖像的籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉中的應(yīng)用性能，進(jìn)行仿真測(cè)試，采用Matlab 7 進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的算法設(shè)計(jì)和仿真分析，對(duì)籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉采用Laser 5.0視頻采集儀，對(duì)籃球訓(xùn)練動(dòng)作采樣的頻率為800 KHz，像素強(qiáng)度為200*400，弱透視投影系數(shù)為0.68，模板特征匹配系數(shù)為0.68，根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉，得到采集的籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器視覺(jué)圖像如圖3所示.

以圖3的圖像為研究對(duì)象，在高斯模糊仿射空間中進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉和特征提取，采用小波提升技術(shù)進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的模糊性辨識(shí)處理，得到訓(xùn)練動(dòng)作捕獲結(jié)果如圖4所示.

分析圖4得知，本文方法進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的特征分辨能力較好，測(cè)試籃球訓(xùn)練動(dòng)作捕捉的精度，得到對(duì)比結(jié)果見(jiàn)表1，分析表1得知，本文方法進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的精度較高.

4 結(jié) 語(yǔ)

結(jié)合籃球運(yùn)動(dòng)訓(xùn)練的動(dòng)作特征進(jìn)行修正，提高籃球運(yùn)行訓(xùn)練的效果，結(jié)合計(jì)算機(jī)視覺(jué)圖像處理技術(shù)，采用空間視覺(jué)特征分析方法，進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉，本文提出基于視覺(jué)圖像的籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉方法.采用三維模型重構(gòu)方法進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的區(qū)域分割，結(jié)合不規(guī)則三角網(wǎng)模型實(shí)現(xiàn)籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器視覺(jué)分塊模板匹配處理，在高斯模糊仿射空間中進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉和特征提取，進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作的模糊性辨識(shí)處理，通過(guò)圖像增強(qiáng)技術(shù)提高籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的分辨能力和自適應(yīng)性，實(shí)現(xiàn)籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉優(yōu)化.本文方法進(jìn)行籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的自適應(yīng)性較好，捕捉的精度較高.

圖3 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作機(jī)器視覺(jué)圖像

圖4 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉結(jié)果

表1 籃球運(yùn)動(dòng)訓(xùn)練動(dòng)作捕捉的精度測(cè)試