田治國,林敏勇

(漳州衛(wèi)生職業(yè)學(xué)院 健康與保健系,福建 漳州 363000)

在當(dāng)代世界中,隨著經(jīng)濟與科技的不斷發(fā)展,社會逐漸向信息化方向發(fā)展,根據(jù)圖像特征進行數(shù)據(jù)識別的技術(shù)不斷被應(yīng)用于社會各領(lǐng)域中.由于在遠(yuǎn)距離圖像采集過程中,圖像很難被準(zhǔn)確獲取,為此,需對其圖像模糊特征進行提取,以此完善對圖像的識別,增強數(shù)據(jù)識別力度,在獲取高度的數(shù)據(jù)特征的基礎(chǔ)上實現(xiàn)對太極拳發(fā)力動作圖像模糊特征識別方法的研究[1].

傳統(tǒng)圖像模糊特征識別方法利用較為先進的研究科技對數(shù)據(jù)進行集中處理,加大識別結(jié)果的科學(xué)性,選擇適當(dāng)?shù)牟僮魉惴ㄟM行圖像研究,加強數(shù)據(jù)提取的可靠性,并不斷提升系統(tǒng)操作力度,強化系統(tǒng)主動訓(xùn)練能力,提高系統(tǒng)結(jié)果獲取有效性,但在操作過程中缺少對于圖像數(shù)據(jù)的初步處理操作,無法獲取較為完整的數(shù)據(jù)信息,且對于干擾因素的處理效果較差,特征識別的準(zhǔn)確率較低,為此,針對上述問題,本文提出了一種太極拳發(fā)力動作圖像模糊特征識別方法對以上問題進行分析與解決[2].

本文通過對太極拳發(fā)力動作圖像的獲取提升對數(shù)據(jù)的圖像獲取完整度,集中研究信息,簡便系統(tǒng)操作流程,進一步對收集圖像進行預(yù)處理,提升系統(tǒng)處理的可操作性,強化數(shù)據(jù)目標(biāo)操作性能,完善收集系統(tǒng)的數(shù)據(jù)圖像特征收集功能,接著選擇符合系統(tǒng)需求的識別閾值與規(guī)則,加強對圖像模糊特征的集中操作,最后利用相應(yīng)的模型與識別方法完成對太極拳發(fā)力動作圖像模糊特征識別的方法研究.

該方法在較高程度上完成了對系統(tǒng)的綜合性升級,提升系統(tǒng)各項性能,強化了對數(shù)據(jù)的處理操作,提升圖像獲取及識別效率,獲得準(zhǔn)確率較高的識別結(jié)果,具有更加廣闊的發(fā)展市場.

1 太極拳發(fā)力動作圖像獲取

為進一步集中對圖像模糊特征識別研究,需對其進行太極拳發(fā)力動作圖像獲取,本文選擇相應(yīng)的無人機獲取技術(shù)對太極拳發(fā)力動作圖像進行集中拍攝,并對拍攝的圖像進行系統(tǒng)追蹤,設(shè)置系統(tǒng)追蹤如圖1：

標(biāo)記動作圖像數(shù)據(jù),按照圖像動作效率與動作幅度將數(shù)據(jù)進行分類,設(shè)置圖像儲存空間,將分類后的圖像存儲至所屬空間內(nèi),加強對空間的性能管理,加大系統(tǒng)性能保護力度,保證系統(tǒng)的運行狀況處于正常狀態(tài).以動作圖像發(fā)出的光源作為基礎(chǔ)參數(shù),利用地表法線處理圖像光源參數(shù),利用不同的模型建立方式對圖像進行圖像模型建立,并將建立后的模型結(jié)果進行綜合性比較,選取最佳處理模型作為數(shù)據(jù)圖像處理的最終模型參數(shù)[3].

利用球面諧波系數(shù)將動作圖像進行位置固定,其位置固定圖如圖2：

圖1 系統(tǒng)追蹤圖

圖2 位置固定圖

對圖像幀數(shù)進行收集與記錄操作,并及時存儲至中心系統(tǒng)中,在實現(xiàn)存儲的基礎(chǔ)上進行理論性圖像研究,加大對數(shù)據(jù)的收集過濾處理,過濾影響因素,降低數(shù)據(jù)干擾率,進而提升數(shù)據(jù)收集完整度,強化系統(tǒng)收集性能,獲取精準(zhǔn)的圖像數(shù)據(jù)信息[4].

2 太極拳發(fā)力動作圖像預(yù)處理

在完成對動作圖像的收集后,加強對圖像數(shù)據(jù)的預(yù)處理操作,簡化操作流程,以便獲取更加準(zhǔn)確的可操作圖像[5].

本文利用奇異值特征向量對圖像矩陣進行描述,并精煉特征參數(shù),利用矩陣的穩(wěn)定性與圖像可操作性強化系統(tǒng)預(yù)處理性能,對動作圖像的位移進行系統(tǒng)固定操作,集中獲取固定位置信息,其位置信息獲取如圖3：

設(shè)置如下操作步驟：

(1)對選擇的數(shù)據(jù)樣本進行二次篩選,并將其與奇異值特征向量進行性質(zhì)匹配,判斷相同特征向量之間是否存在理論相關(guān)性關(guān)系,若存在此種關(guān)系,則對篩選后的樣本進行更換操作,將求得的系統(tǒng)數(shù)據(jù)進行樣本過濾,由此形成理論數(shù)據(jù)集,選取相應(yīng)的數(shù)據(jù)操作方式對數(shù)據(jù)集進行劃分,獲取劃分結(jié)果P[6].

(2)對數(shù)據(jù)樣本的奇異值特征向量進行測量,并獲得測量數(shù)據(jù),將其存儲至測量中心,其數(shù)據(jù)測量過程如圖4：

圖3 位置信息獲取圖

圖4 數(shù)據(jù)測量過程圖

(3)對不同數(shù)據(jù)樣本子空間的隸屬度進行計算操作,獲取計算結(jié)果,采取相對應(yīng)的計算公式對結(jié)果進行分解.

(4)對決判圖像進行獲取,查找理論關(guān)系,同時加強關(guān)系性操作,計算系統(tǒng)所需識別率,以便后續(xù)操作.

3 太極拳發(fā)力動作圖像模糊特征識別閾值及規(guī)則選擇

集中強化對太極拳發(fā)力動作圖像模糊特征識別閾值及規(guī)則的選擇,強化對數(shù)據(jù)的基礎(chǔ)性分類操作,對其進行分類操作過程圖設(shè)置(見圖5)：

圖5 數(shù)據(jù)分類過程圖

圖6 系統(tǒng)信息處理圖

將隸屬于同一類的圖像數(shù)據(jù)進行關(guān)聯(lián)添加操作,選擇相同的關(guān)聯(lián)關(guān)系,并在數(shù)據(jù)關(guān)聯(lián)的過程中加強系統(tǒng)自主選擇力度,設(shè)定分類參數(shù),并判斷分類參數(shù)是否符合系統(tǒng)操作標(biāo)準(zhǔn).若符合操作標(biāo)準(zhǔn),則繼續(xù)加強數(shù)據(jù)聯(lián)系,若不符合操作標(biāo)準(zhǔn),則切斷數(shù)據(jù)聯(lián)系,并注重對數(shù)據(jù)通道的標(biāo)準(zhǔn)化清理,去除通道中的無關(guān)因素.利用結(jié)果性數(shù)據(jù)分析法提升數(shù)據(jù)處理標(biāo)準(zhǔn),集中操作理論,提升數(shù)據(jù)決判力度[7].

在獲取一定數(shù)量的圖像識別率與識別標(biāo)準(zhǔn)后,對閾值進行判斷與采集,設(shè)置圖像隸屬度,并不斷縮小隸屬度數(shù)值,降低變化參數(shù)速率,選取相應(yīng)的識別規(guī)則,對子空間中的模仿數(shù)據(jù)進行系統(tǒng)處理操作,并將最大投影數(shù)據(jù)收集至投影管理中心,結(jié)合圖像模糊特征參數(shù),強化規(guī)則理論操作,限制圖像篇幅,對圖像曲線寬展度進行討論,并記錄討論結(jié)果,整合結(jié)果數(shù)據(jù),完成對特征識別閾值及規(guī)則的選取,并進行下一步驟的操作[8].

4 太極拳發(fā)力動作圖像模糊特征識別

通過對圖像模糊特征進行可靠性分析完成對特征的初步識別操作,加大對圖像數(shù)據(jù)的集中程度.在識別系統(tǒng)中安裝分析裝置,提升系統(tǒng)識別性能的可靠性.設(shè)置系統(tǒng)數(shù)據(jù)最大隸屬度,根據(jù)設(shè)置的隸屬度分別分析圖像識別性能可靠性,并將與系統(tǒng)要求一致的特征識別參數(shù)進行系統(tǒng)收集,選擇不同的識別參數(shù)作為終極分析數(shù)據(jù)進行系統(tǒng)分析.簡便操作分析流程,并逐漸添加安全運營保護措施,將圖像的隸屬度進行綜合測量,分辨圖像數(shù)據(jù)實質(zhì)性關(guān)聯(lián)程度.選取能夠提升系統(tǒng)理論收集功能的隸屬系統(tǒng),將系統(tǒng)進行理論性綜合與規(guī)劃,選擇子空間維度數(shù)據(jù),對有限樣本數(shù)據(jù)的訓(xùn)練度進行理論性強化,擴大子空間范圍[9].根據(jù)系統(tǒng)攜帶的有用數(shù)據(jù)完善系統(tǒng)信息處理功能,并設(shè)計系統(tǒng)信息處理圖(見圖6)：

縮減訓(xùn)練樣本數(shù)量,對樣本數(shù)據(jù)進行反復(fù)迭代學(xué)習(xí)操作,擴大類模式聚類范圍,以識別效果為判斷基礎(chǔ)進行訓(xùn)練樣本分析,識別相應(yīng)的訓(xùn)練樣本數(shù)據(jù),添加附加理論完成對太極拳發(fā)力動作圖像模糊特征的最終識別操作[10].

5 實驗與研究

5.1 實驗?zāi)康?/h3>

為了檢測本文太極拳發(fā)力動作圖像模糊特征識別方法的識別效果,與傳統(tǒng)太極拳發(fā)力動作圖像模糊特征識別方法的識別效果進行對比,并分析實驗結(jié)果.

5.2 實驗參數(shù)設(shè)置

針對太極拳發(fā)力動作圖像獲取的操作復(fù)雜性以及模糊特征識別的操作特殊性,需對其進行實驗參數(shù)設(shè)置,如表1所示：

表1 實驗參數(shù)

圖7 識別準(zhǔn)確率對比圖

5.3 實驗結(jié)果與分析

根據(jù)上述實驗參數(shù)進行實驗對比,將用本文太極拳發(fā)力動作圖像模糊特征識別方法的識別效果與傳統(tǒng)太極拳發(fā)力動作圖像模糊特征識別方法的識別效果進行比較,得到識別準(zhǔn)確率對比圖(圖7)與圖像模糊特征收集完整度對比圖(圖8)：

(1)識別準(zhǔn)確率對比圖

由圖7可知,本文圖像模糊特征識別方法研究的識別準(zhǔn)確率較高,傳統(tǒng)圖像模糊特征識別方法研究的識別準(zhǔn)確率較低.造成此種差異的主要原因在于本方法對太極拳發(fā)力動作圖像進行圖像預(yù)處理,同時對閾值及圖像識別規(guī)則進行選取,強化系統(tǒng)處理性能,在獲取固定的規(guī)則與閾值后,實行綜合性系統(tǒng)檢驗,并對實驗樣本進行篩選,挑選出與研究相適應(yīng)的結(jié)果參數(shù),最終提升系統(tǒng)整體識別準(zhǔn)確率,減少錯誤選項的出現(xiàn),排除干擾因素的影響,加強系統(tǒng)識別準(zhǔn)確率性能.

(2)圖像模糊特征收集完整度對比圖(見圖8)

圖8 圖像模糊特征收集完整度對比圖

對比圖8可知,在實驗時間為10 d時,本文圖像模糊特征識別方法的圖像模糊特征收集完整度為0.52,傳統(tǒng)圖像模糊特征識別方法的圖像模糊特征收集完整度為0.24,在實驗時間為20 d時,本文圖像模糊特征識別方法的圖像模糊特征收集完整度為0.58,傳統(tǒng)圖像模糊特征識別方法的圖像模糊特征收集完整度為0.20.

由于本文對太極拳發(fā)力動作圖像進行初步獲取,掌握圖像基本信息,并經(jīng)過圖像模型建立對圖像特征進行相應(yīng)獲取,提升收集數(shù)據(jù)的數(shù)據(jù)完整度,強化系統(tǒng)收集操作,不斷提升整體圖像操作能力,減少操作不必要時間浪費,選擇合適的圖像識別機制對圖像模糊特征進行集中選擇,整合特征信息,在整合的基礎(chǔ)上不斷完善系統(tǒng)理論查找性能,提高系統(tǒng)綜合指令傳達性能,進而提升圖像模糊特征收集完整度.

在此后的實驗中,隨著實驗時間的不斷增加,本文圖像模糊特征識別方法的圖像模糊特征收集完整度不斷提升,且一直位于傳統(tǒng)圖像模糊特征識別方法之上.本文集中對圖像模糊特征的識別操作,強化系統(tǒng)識別技能,以圖形特征為突破點,著重處理特征關(guān)系,并加強對數(shù)據(jù)圖像模式的處理,將實驗數(shù)據(jù)與實際數(shù)據(jù)進行理論性比較,并根據(jù)比較結(jié)果獲取所需實驗研究樣本參數(shù),提高數(shù)據(jù)整合功能,進而增強數(shù)據(jù)收集完整度.而傳統(tǒng)圖像模糊特征識別方法研究不具備此功能,對于數(shù)據(jù)的信息收集步驟處理效果較差,圖像模糊特征收集完整度較低.

6 總結(jié)與展望

本文在傳統(tǒng)研究的基礎(chǔ)上提出了一種新式太極拳發(fā)力動作圖像模糊特征識別方法,該方法效果明顯優(yōu)于傳統(tǒng)方法.經(jīng)過以上對比分析可知,本文太極拳發(fā)力動作圖像模糊特征識別方法的識別準(zhǔn)確率與圖像模糊特征收集完整度均高于傳統(tǒng)圖像模糊特征識別方法.在一定程度上強化了系統(tǒng)數(shù)據(jù)識別性能,縮短實驗所需時間,提升系統(tǒng)運行效率,具備較好的應(yīng)用價值.