劉志鵬

（漳州職業(yè)技術(shù)學(xué)院,福建 漳州 363000）

隨著國(guó)家教育體制改革的不斷深入，高校體育教學(xué)水平進(jìn)一步提升，尤其是新課程改革目標(biāo)與教學(xué)計(jì)劃的影響下，體育訓(xùn)練成為提升高校體育教學(xué)質(zhì)量的重要教學(xué)內(nèi)容，對(duì)于學(xué)生身體素質(zhì)的提升具有重要影響[1-2].隨著全民健身意識(shí)的逐步普及以及國(guó)家對(duì)于體育教學(xué)重視程度的提升，高校體育訓(xùn)練的重要性逐步凸顯.尤其是體育訓(xùn)練作為高校體育教學(xué)的基礎(chǔ)性環(huán)節(jié)之一，所涵蓋的內(nèi)容較廣，包括跳遠(yuǎn)、跳高、跑步、鉛球、排球、籃球、足球等多種[3]，這些運(yùn)動(dòng)都有一些規(guī)范性動(dòng)作，而在高校體育訓(xùn)練過(guò)程中，由于部分姿勢(shì)不到位，導(dǎo)致訓(xùn)練質(zhì)量下降，最終影響到學(xué)生的體育成績(jī)，可能會(huì)出現(xiàn)延期畢業(yè)等多種問(wèn)題[4-5].所以為了提升高校體育訓(xùn)練效果，必須要對(duì)訓(xùn)練過(guò)程中的人體姿勢(shì)進(jìn)行識(shí)別，以便及時(shí)糾正在高校體育訓(xùn)練存在的問(wèn)題，提升大學(xué)生的身體素質(zhì)，所以相關(guān)的對(duì)于人體姿勢(shì)實(shí)時(shí)識(shí)別方法的研究得到了社會(huì)各界的廣泛關(guān)注.尤其是隨著大數(shù)據(jù)和圖像信息處理技術(shù)的發(fā)展，結(jié)合圖像信息識(shí)別技術(shù)，構(gòu)建面向體育訓(xùn)練的人體姿勢(shì)實(shí)時(shí)識(shí)別方法，從而提高高校體育訓(xùn)練人體姿勢(shì)的糾正能力，以期指導(dǎo)高校體育教學(xué)和訓(xùn)練，改善訓(xùn)練效果.因此研究相關(guān)的高校體育訓(xùn)練人體姿勢(shì)識(shí)別方法，在促進(jìn)體育訓(xùn)練教學(xué)質(zhì)量?jī)?yōu)化過(guò)程中具有重要意義[6].所以為了提升高校體育訓(xùn)練過(guò)程中的糾錯(cuò)能力，提升教學(xué)質(zhì)量，本文主要進(jìn)行了面向體育訓(xùn)練的人體姿勢(shì)實(shí)時(shí)識(shí)別研究，該方法主要采用特征提取的方法，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像識(shí)別[7]，結(jié)合幀片段掃描技術(shù)實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像采樣，從而實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)實(shí)時(shí)識(shí)別，最后通過(guò)仿真測(cè)試分析，驗(yàn)證了本文方法在提高高校體育訓(xùn)練人體姿勢(shì)實(shí)時(shí)識(shí)別能力方面的優(yōu)越性能.

1 高校體育訓(xùn)練人體姿勢(shì)圖像采樣和特征表達(dá)

1.1 高校體育訓(xùn)練人體姿勢(shì)圖像采樣

為了實(shí)現(xiàn)高校體育訓(xùn)練的人體姿勢(shì)識(shí)別，本文以圖像視覺(jué)和大數(shù)據(jù)融合作為識(shí)別基礎(chǔ)，結(jié)合特征數(shù)據(jù)和運(yùn)動(dòng)特征提取的方法，構(gòu)建高校體育訓(xùn)練人體姿勢(shì)圖像和數(shù)據(jù)分析模型，結(jié)合關(guān)聯(lián)規(guī)則項(xiàng)挖掘分析，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)的模糊度聚類分析，根據(jù)高校體育訓(xùn)練人體姿勢(shì)特征結(jié)果，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像識(shí)別[8].在此過(guò)程中，高校體育訓(xùn)練人體姿勢(shì)圖像采集模型如圖1所示.

圖1 高校體育訓(xùn)練人體姿勢(shì)圖像采集模型Fig.1 Human posture image acquisition model of college physical training

根據(jù)圖1所示的采集模型，進(jìn)行高校體育訓(xùn)練人體姿勢(shì)圖像采集，高校體育訓(xùn)練人體姿勢(shì)圖像采集模型主要分為設(shè)備層、網(wǎng)絡(luò)層以及應(yīng)用層三層，其中應(yīng)用層主要利用數(shù)據(jù)采集儀器采集高校體育訓(xùn)練人體姿勢(shì)圖像，并將采集到的圖像通過(guò)交換機(jī)上傳至網(wǎng)絡(luò)層，在網(wǎng)絡(luò)層的支持下在設(shè)備層完成信息交換、數(shù)據(jù)融合與特征輸出，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像采集.

假設(shè)高校體育訓(xùn)練過(guò)程中的人體姿勢(shì)圖像的灰度像素集為(o,b)，以像素中心為基礎(chǔ)，構(gòu)建高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)的自相關(guān)分布式檢測(cè)模型[9]，計(jì)算得出圖像的灰度值w(a2).在學(xué)習(xí)數(shù)據(jù)集中，得到所對(duì)應(yīng)的高校體育訓(xùn)練人體姿勢(shì)視覺(jué)融合特征為：

構(gòu)建高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)的融合模型，該模型的具體描述如下：

其中，x為高校體育訓(xùn)練人體姿勢(shì)特征分布的列數(shù)，or2為高校體育訓(xùn)練人體動(dòng)作模型上的三維坐標(biāo)點(diǎn).結(jié)合二維彩色圖像重構(gòu)方法，對(duì)高校體育訓(xùn)練過(guò)程中人體姿勢(shì)圖像實(shí)現(xiàn)邊緣重構(gòu)，得到高校體育訓(xùn)練人體姿勢(shì)的圖像采集輸出：

對(duì)高校體育訓(xùn)練人體姿勢(shì)圖像實(shí)現(xiàn)特征檢測(cè)，建立動(dòng)態(tài)分布集，結(jié)合大數(shù)據(jù)檢測(cè)，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)識(shí)別[10].

1.2 人體姿勢(shì)特征表達(dá)

結(jié)合幀片段掃描技術(shù)實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像采樣，采用融合邊緣輪廓特征分解方法實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)特征表達(dá)處理，采用融合邊緣輪廓特征分解方法實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)分解[11]，得到高校體育訓(xùn)練人體姿勢(shì)特征分布函數(shù)為

其中，gc表示形態(tài)學(xué)濾波算子，r=1,2,…,n,對(duì)采集的高校體育訓(xùn)練人體姿勢(shì)圖像進(jìn)行深度融合處理，構(gòu)建體高校體育訓(xùn)練人體姿勢(shì)特征信息的特征聚類模型，建立高校體育訓(xùn)練人體姿勢(shì)特征集表示為

其中，Tl1為區(qū)域邊緣定位特征量，根據(jù)特征匹配結(jié)果，得到高校體育訓(xùn)練人體姿勢(shì)關(guān)鍵特征輸出為

其中，Dn為高校體育訓(xùn)練人體姿勢(shì)的邊緣特征分量，采用數(shù)學(xué)形態(tài)學(xué)方法，得到高校體育訓(xùn)練人體姿勢(shì)的三維特征分布為

根據(jù)高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)的挖掘和融合結(jié)果，得到人體姿勢(shì)特征的三維視覺(jué)表達(dá)為

以多目標(biāo)關(guān)聯(lián)分布式融合方法為基礎(chǔ)，構(gòu)建高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)檢測(cè)學(xué)習(xí)模型，得到高校體育訓(xùn)練的人體姿勢(shì)的輸出聯(lián)合參數(shù)為多個(gè)2×2的子塊Gm,n，結(jié)合模糊區(qū)域像素重組方法，實(shí)現(xiàn)高校體育訓(xùn)練過(guò)程中的人體姿勢(shì)視覺(jué)表達(dá)分析[12].

2 高校體育訓(xùn)練人體姿勢(shì)識(shí)別

2.1 人體姿勢(shì)視覺(jué)特征優(yōu)化處理

建立高校體育訓(xùn)練人體姿勢(shì)圖像的視覺(jué)空間融合度分析模型，結(jié)合模糊度辨識(shí)方法實(shí)現(xiàn)人體姿勢(shì)圖像的去模糊度處理，提高高校體育訓(xùn)練人體姿勢(shì)的視覺(jué)特征分析能力.結(jié)合模糊度辨識(shí)方法實(shí)現(xiàn)高校體育訓(xùn)練過(guò)程中的人體姿勢(shì)圖像的去模糊度處理[13]，得到人體姿勢(shì)圖像的視覺(jué)特征分布為

構(gòu)建高校體育訓(xùn)練人體姿勢(shì)特征數(shù)據(jù)的相關(guān)性融合調(diào)度模型，通過(guò)級(jí)聯(lián)挖掘，得到灰度像素級(jí)f，構(gòu)建高校體育訓(xùn)練人體姿勢(shì)視覺(jué)檢測(cè)分量為

通過(guò)無(wú)監(jiān)督學(xué)習(xí)方法，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)特征參數(shù)檢測(cè)，得到組合函數(shù)為

其中，pi表示人體姿勢(shì)圖像視覺(jué)特征分布函數(shù)，ki則表示模糊綜合特征量參數(shù)，通過(guò)分析高校體育訓(xùn)練人體姿勢(shì)特征分布的模糊綜合特征量，采用灰度不變矩特征分解方法構(gòu)建高校體育訓(xùn)練過(guò)程中的人體姿勢(shì)的邊緣信息分布模型，表示為

在像素點(diǎn)均值作用下，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)視覺(jué)重構(gòu)[14].結(jié)合模糊度辨識(shí)方法實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)視覺(jué)信息分布式重組.

2.2 人體姿勢(shì)識(shí)別結(jié)果輸出

采用融合邊緣輪廓特征分解方法實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)特征表達(dá)處理，在此基礎(chǔ)上建立人體姿勢(shì)圖像的視覺(jué)空間融合度分析模型，使用梯度下降法實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)圖像的區(qū)域分塊分割[15]，使得高校體育訓(xùn)練人體姿勢(shì)圖像的稀疏特征值滿足Rs=2gi，計(jì)算高校體育訓(xùn)練人體姿勢(shì)圖像Fm(x,y)的第m幀(x,y)處的分割函數(shù).結(jié)合語(yǔ)義相關(guān)度特征匹配，實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)特征重組，輸出的特征分量為：

式（14）中，Q表示高校體育訓(xùn)練人體姿勢(shì)的聯(lián)合熵，通過(guò)高校體育訓(xùn)練人體姿勢(shì)視覺(jué)重構(gòu)，計(jì)算高校體育訓(xùn)練人體姿勢(shì)信息的先驗(yàn)分布集[16]，采用自適應(yīng)的圖像信息處理技術(shù)進(jìn)行人體姿勢(shì)識(shí)別，該識(shí)別結(jié)果輸出為：

根據(jù)對(duì)高校體育訓(xùn)練人體姿勢(shì)特征結(jié)果，結(jié)合自適應(yīng)的圖像信息處理技術(shù)進(jìn)行人體姿勢(shì)識(shí)別，根據(jù)識(shí)別結(jié)果進(jìn)行錯(cuò)誤動(dòng)作糾正，以期提升高校體育訓(xùn)練質(zhì)量與綜合效果[17].

3 仿真實(shí)驗(yàn)與結(jié)果分析

為了測(cè)試方法在實(shí)現(xiàn)高校體育訓(xùn)練人體姿勢(shì)實(shí)時(shí)識(shí)別的應(yīng)用性能，采用SPSS 統(tǒng)計(jì)分析軟件和Matlab進(jìn)行仿真測(cè)試，高校體育訓(xùn)練人體姿勢(shì)視覺(jué)采樣的幀頻率為36.5 kHz，特征分辨率為0.834，對(duì)視覺(jué)信息采集的時(shí)長(zhǎng)為12 s，樣本數(shù)據(jù)長(zhǎng)度為1 200，訓(xùn)練樣本數(shù)為240，采樣大數(shù)據(jù)分析方法，以不同的體育項(xiàng)目為測(cè)試樣本，得到統(tǒng)計(jì)分析結(jié)果見表1.

根據(jù)表1的統(tǒng)計(jì)分析結(jié)果，進(jìn)行高校體育訓(xùn)練人體姿勢(shì)識(shí)別，得到識(shí)別結(jié)果如圖2所示.

表1 不同的體育項(xiàng)目人體姿勢(shì)的統(tǒng)計(jì)分析結(jié)果Tab.1 Statistical analysis results of human posture in different sports events

分析圖2得知，本文可以精準(zhǔn)識(shí)別出高校田徑訓(xùn)練過(guò)程中的跨欄動(dòng)作，圖像清晰度高，姿勢(shì)識(shí)別結(jié)果更為精準(zhǔn)，所以驗(yàn)證了利用本文方法進(jìn)行高校體育訓(xùn)練人體姿勢(shì)識(shí)別的圖像分辨力較高.測(cè)試高校體育訓(xùn)練人體姿勢(shì)識(shí)別輸出的檢驗(yàn)值和協(xié)方差分布，以檢驗(yàn)這種方法的識(shí)別性能，具體結(jié)果見表2.

圖2 高校體育訓(xùn)練人體姿勢(shì)識(shí)別結(jié)果Fig.2 Human posture recognition results of college physical training

分析表2得知，方法進(jìn)行高校體育訓(xùn)練人體姿勢(shì)識(shí)別的誤差較低，均方根誤差較小，提高了高校體育訓(xùn)練人體姿勢(shì)識(shí)別的準(zhǔn)確性.

表2 識(shí)別性能測(cè)試Tab.2 Identification performance test

但是也存在一定的不足，就是實(shí)驗(yàn)樣本數(shù)據(jù)量不夠多，因此建議在下一步的研究中利用更多的樣本數(shù)據(jù)進(jìn)行高校體育訓(xùn)練人體姿勢(shì)識(shí)別方法的反復(fù)檢驗(yàn)，最大程度地提升本文研究結(jié)果的真實(shí)性與可信性.

4 結(jié)論

為了及時(shí)進(jìn)行高校體育訓(xùn)練錯(cuò)誤動(dòng)作糾正，主要進(jìn)行了面向體育訓(xùn)練的人體姿勢(shì)實(shí)時(shí)識(shí)別研究，并通過(guò)一系列過(guò)程完成人體姿勢(shì)實(shí)時(shí)識(shí)別方法的設(shè)計(jì).實(shí)驗(yàn)結(jié)果表明，采用本文方法進(jìn)行高校體育訓(xùn)練人體姿勢(shì)圖像識(shí)別的準(zhǔn)確性較高，均方根誤差較低，在指導(dǎo)高校體育訓(xùn)練人體姿勢(shì)糾正中具有很好的應(yīng)用價(jià)值，可以在實(shí)際中廣泛推廣.