劉文萍，李 影

(1.安徽職業(yè)技術(shù)學(xué)院 基礎(chǔ)教學(xué)部，安徽 合肥 230011;2.安徽審計(jì)職業(yè)學(xué)院 基礎(chǔ)部，安徽 阜陽 236000)

在排球比賽中當(dāng)運(yùn)動(dòng)員實(shí)施正面扣球后，排球運(yùn)行軌跡不僅是影響正面扣球得分的重要因素，也是對(duì)方運(yùn)動(dòng)員如何采取應(yīng)對(duì)措施的判斷依據(jù)，正面扣球軌跡關(guān)系排球賽場(chǎng)的局勢(shì)變化[1]，對(duì)排球正面扣球軌跡進(jìn)行快速跟蹤，不僅有利于研究運(yùn)動(dòng)員的扣球特點(diǎn)，更對(duì)排球賽場(chǎng)戰(zhàn)術(shù)戰(zhàn)略的制定具有深遠(yuǎn)意義。

熊新國等人通過位移傳感器確定運(yùn)動(dòng)目標(biāo)的三維坐標(biāo)數(shù)據(jù)，獲得運(yùn)動(dòng)目標(biāo)的三維運(yùn)動(dòng)軌跡的描述，實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的軌跡跟蹤，該方法應(yīng)用于情形多變的排球賽場(chǎng)具有局限性，難以捕捉運(yùn)動(dòng)員的三維坐標(biāo)數(shù)據(jù)，計(jì)算復(fù)雜度較高[2]；秦武韜等人就鄰近空間跳躍滑翔運(yùn)動(dòng)目標(biāo)難以跟蹤問題，提出通過構(gòu)建自適應(yīng)衰減震蕩模型反映運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)特性，并設(shè)計(jì)卡爾曼濾波器實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)的軌跡跟蹤，但該方法獲取的圖像質(zhì)量不高，對(duì)運(yùn)動(dòng)目標(biāo)軌跡跟蹤具有消極影響[3]。因此，排球正面扣球軌跡研究的重點(diǎn)是根據(jù)排球運(yùn)動(dòng)員的正面扣球圖像，提取排球正面扣球圖像邊緣輪廓特征，并對(duì)圖像中正面扣球動(dòng)作發(fā)生時(shí)的排球輪廓實(shí)施角點(diǎn)檢測(cè)。利用蜂群算法可實(shí)現(xiàn)排球運(yùn)動(dòng)輪廓角點(diǎn)確定，達(dá)到軌跡跟蹤目標(biāo)。本文提出一種基于蜂群算法的排球正面扣球軌跡快速跟蹤方法，實(shí)現(xiàn)排球正面扣球技術(shù)研究目標(biāo)，可提升排球運(yùn)動(dòng)的戰(zhàn)略戰(zhàn)術(shù)水平。

1 排球正面扣球軌跡快速跟蹤

為實(shí)現(xiàn)排球正面扣球軌跡跟蹤目標(biāo)，首先需對(duì)排球正面扣球圖像信息采集模型進(jìn)行構(gòu)建，并檢測(cè)排球正面扣球圖像的邊緣輪廓信息，對(duì)相鄰幀圖像的正面扣球邊緣輪廓進(jìn)行角點(diǎn)檢測(cè)，從而完成排球正面扣球的軌跡跟蹤。

1.1 構(gòu)建正面扣球圖像信息采集模型

建立排球正面扣球的三維幾何模型，通過式(1)得到正面扣球特征的不變矩序列[4]，即

Dif(C1,C2)=minh(x,y)，

(1)

式中：x、y表示正面扣球動(dòng)作特征的采樣點(diǎn)；相鄰點(diǎn)數(shù)量用h表示；Dif(C1,C2)代表正面扣球特征的不變矩序列結(jié)果值。

針對(duì)排球正面扣球圖像，將低維圖像空間映射到高維空間，利用變分法、Euler-Lagrange方程實(shí)現(xiàn)排球正面扣球圖像信息采集模型的構(gòu)建[5]，即

(2)

1.2 排球正面扣球圖像增強(qiáng)

采用直方圖均衡法對(duì)采集的排球正面扣球圖像進(jìn)行增強(qiáng)處理，可使正面扣球動(dòng)作的邊緣輪廓信息更加清晰，有助于正面扣球動(dòng)作輪廓的精準(zhǔn)提取，具體分兩步：

1) 對(duì)采集的彩色排球正面扣球圖像進(jìn)行轉(zhuǎn)換處理[6]，將其變成灰度圖像。A為采集的彩色排球正面扣球圖像，轉(zhuǎn)換后的灰度圖像表示為G，轉(zhuǎn)換過程為

G=[0.2990.5870.114]×[ARAGAB]T，

(3)

式中：R、G、B分別代表圖像各像素不同色彩點(diǎn)；AR、AG、AB分別代表圖像各像素分量。

2) 對(duì)排球正面扣球灰度圖像的直方圖增強(qiáng)。正面扣球灰度圖像中圖像灰度i出現(xiàn)的概率為

pi=n-1×ni，i∈{0,1,…L-1}，

(4)

式中：i表示圖像灰度；ni表示圖像灰度i出現(xiàn)的數(shù)量；pi代表灰度圖像i出現(xiàn)的概率結(jié)果；L代表正面扣球灰度圖像全部灰度總量。

在確定了正面扣球灰度圖像像素概率基礎(chǔ)上，為了提升圖像的增強(qiáng)效果，設(shè)置[Gmin,Gmax]為G圖像的灰度取值區(qū)間，以M為直方圖均衡依據(jù)，對(duì)正面扣球灰度圖像G進(jìn)行增強(qiáng)處理，其增強(qiáng)后的圖像表示為g，得到

g=Gmin(M+1)-GminM.

(5)

上述獲取的圖像灰度呈g均勻性排列，且增強(qiáng)后正面扣球圖像直方圖曲線變化具有規(guī)律性[7]。因此，需要采用最小二乘法對(duì)該直方圖曲線進(jìn)行擬合，即

y=φ(k)，k=0,1,2,…,255，

(6)

式中：y代表直方圖曲線擬合結(jié)果；k代表圖像直方圖像素點(diǎn)取值范圍。

直方圖均衡法可有效去除原始正面扣球圖像中的干擾因素，消除圖像噪聲、提升圖像對(duì)比度，在確保原排球正面扣球圖像中正面扣球動(dòng)作完好、形狀不缺失的前提下，使扣球動(dòng)作的邊緣輪廓信息更加清晰、具有較高的辨識(shí)度。

1.3 排球正面扣球圖像邊緣輪廓檢測(cè)

為了實(shí)現(xiàn)排球正面扣球軌跡快速跟蹤，還需要將上述增強(qiáng)后的排球正面扣球圖像g的邊緣進(jìn)行檢測(cè)。通過構(gòu)建的退化模型確定排球正面扣球圖像的高維信息，即

g(x,y)=b(x,y)+ε(x,y)，

(7)

式中：b(x,y)、ε(x,y)表示正面扣球圖像高維信息分布范圍內(nèi)三維特征的分布點(diǎn)。

(8)

式中：q、l表示排球正面扣球圖像序號(hào)；θ表示扣球動(dòng)作，該動(dòng)作的像素編碼序列則用i、j。

排球正面扣球圖像的低維空間中，像素排列呈現(xiàn)均勻性特點(diǎn)。通過對(duì)排球正面扣球動(dòng)作特征的融合，實(shí)現(xiàn)其扣球動(dòng)作邊緣輪廓檢測(cè)，計(jì)算方法如式(9)。

(9)

式中：Int(C)代表正面扣錢動(dòng)作邊緣輪廓檢測(cè)結(jié)果；MST(C,E)代表分塊熵取值范圍。

在建立排球正面扣球圖像信息采集模型基礎(chǔ)上，提取排球正面扣球動(dòng)作圖像的邊緣輪廓信息，通過獲取扣球動(dòng)作特征標(biāo)志點(diǎn)完成圖像信息的融合，實(shí)現(xiàn)排球正面扣球動(dòng)作邊緣輪廓模型的構(gòu)建，有效檢測(cè)排球邊緣輪廓。

1.4 排球邊緣輪廓角點(diǎn)檢測(cè)

(10)

選擇相鄰幀排球正面扣球圖像，對(duì)其排球邊緣輪廓實(shí)施角點(diǎn)檢測(cè)，角點(diǎn)檢測(cè)通過公式(11)求得。

(11)

排球運(yùn)動(dòng)員在正面扣球時(shí)排球運(yùn)動(dòng)軌跡點(diǎn)通過公式(12)計(jì)算，

(12)

1.5 基于人工蜂群算法的排球正面扣球軌跡跟蹤

采用人工蜂群算法對(duì)排球運(yùn)動(dòng)輪廓角點(diǎn)進(jìn)行優(yōu)化，實(shí)現(xiàn)排球正面扣球軌跡跟蹤，軌跡跟蹤流程如下：

第一步：選擇相鄰幀排球邊緣輪廓圖像，對(duì)排球邊緣輪廓實(shí)施角點(diǎn)檢測(cè)，獲取角點(diǎn)值[10-12]；

第二步：根據(jù)上述確定的角點(diǎn)值，設(shè)置蜂群算法中的蜜蜂種群初始值，將公式(12)求解結(jié)果作為適應(yīng)度值，該值即為排球正面扣球時(shí)排球邊緣輪廓角點(diǎn)運(yùn)行軌跡值；

第三步：依據(jù)適應(yīng)度值將蜜蜂劃分成兩類，分別為采蜜蜜蜂、跟隨蜜蜂；

第四步：各采蜜蜜蜂在蜜源周圍可利用公式(13)尋找新的蜜源位置，也就是確定排球正面扣球時(shí)排球邊緣輪廓角點(diǎn)位置變化值，確定其變化的規(guī)律，即

(13)

當(dāng)新蜜源的適應(yīng)度值大于前一蜜源適應(yīng)度值時(shí)，則用新蜜源替換原有蜜源[13]，也就是當(dāng)確定跟蹤的角點(diǎn)位置已經(jīng)確定后，繼續(xù)尋找其他角點(diǎn)值。

第五步：求解各跟蹤排球不同輪廓角點(diǎn)的選擇概率值，當(dāng)此概率值與蜜源適應(yīng)度值為正比關(guān)系時(shí)，則依據(jù)選擇概率確定角點(diǎn)位置，追隨蜜蜂在此蜜源周圍繼續(xù)采蜜并搜索新的蜜源，當(dāng)新蜜源適應(yīng)度值為最大值時(shí)，更新蜜源，此時(shí)追隨蜜蜂可升級(jí)為采蜜蜜蜂。通過公式(14)計(jì)算排球輪廓角點(diǎn)位置選擇概率，即

(14)

式中:Xi為角點(diǎn)中的任意位置；Xm代表排球扣球時(shí)排球運(yùn)行時(shí)旋轉(zhuǎn)的所有角點(diǎn)總數(shù)量；f代表升級(jí)后的蜜蜂蜂群。

第六步：當(dāng)達(dá)到最大搜索次數(shù)仍未搜尋到最大適應(yīng)度的角點(diǎn)時(shí)，停止搜索，說明當(dāng)前確定的角點(diǎn)是排球扣球時(shí)球面上的所有旋轉(zhuǎn)點(diǎn)，根據(jù)確定的這些角點(diǎn)，生成排球正面扣球軌跡，實(shí)現(xiàn)最終的跟蹤，得到跟蹤結(jié)果如式(15)，即

(15)

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)方案

以某高校排球運(yùn)動(dòng)員的正面扣球視頻信息為研究對(duì)象，排球賽事視頻由G·V16攝像機(jī)攝取，攝像機(jī)與地面距離2.4 m，視頻錄制頻率為80幅/s，數(shù)據(jù)集中包含3 000條運(yùn)動(dòng)員排球賽事視頻信息，從中篩選完整正面扣球視頻信息，利用MATLAB軟件對(duì)排球正面扣球的運(yùn)行軌跡進(jìn)行模擬，采用本文方法對(duì)排球正面扣球軌跡進(jìn)行快速跟蹤，驗(yàn)證本文方法的軌跡跟蹤效果。

2.2 實(shí)驗(yàn)結(jié)果分析

采用本文方法采集數(shù)據(jù)集中的排球正面扣球圖像信息，并與文獻(xiàn)[5]、文獻(xiàn)[6]方法進(jìn)行對(duì)比，分析本文方法的正面扣球圖像采集效果，實(shí)驗(yàn)結(jié)果如圖1所示。

(a)本文方法 (b)文獻(xiàn)[5]方法 (c)文獻(xiàn)[6]方法圖1 排球正面扣球圖像信息采集結(jié)果

由圖1可知，本文方法采集的排球正面扣球圖像信息完整，圖像細(xì)節(jié)紋理豐富，具有較高的辨認(rèn)度；文獻(xiàn)[5]方法采集到的正面扣球圖像亮度較暗，圖像清晰度較差，使得圖像紋理細(xì)節(jié)不豐富，影響正面扣球軌跡跟蹤效果；文獻(xiàn)[6]方法采集的正面扣球圖像信息存在虛化現(xiàn)象，排球運(yùn)動(dòng)員的手部、胳膊及排球部分細(xì)節(jié)丟失嚴(yán)重，正面扣球動(dòng)作邊緣輪廓特征不明顯，圖像效果非常差。由此得出，本文方法在正面扣球圖像信息采集方面具有一定優(yōu)勢(shì)。

采用本文方法對(duì)采集的排球正面扣球圖像進(jìn)行增強(qiáng)處理，通過對(duì)增強(qiáng)前后的正面扣球圖像進(jìn)行對(duì)比，分析本文方法的圖像增強(qiáng)效果，實(shí)驗(yàn)結(jié)果如圖2所示。

(a)原灰度 (b)增強(qiáng)后灰度 圖2 本文方法的圖像增強(qiáng)效果分析

由圖2可知，正面扣球圖像原始灰度圖亮度較低，且圖像中存在一定的噪聲，經(jīng)本文方法作圖像增強(qiáng)處理后，增強(qiáng)后的正面扣球灰度圖對(duì)比度明顯提升，正面扣球動(dòng)作邊緣輪廓信息更加清晰，且特征突出，圖像視覺效果顯著。由實(shí)驗(yàn)結(jié)果可知，本文方法可有效提升正面扣球圖像的視覺效果，有利于后續(xù)的正面扣球動(dòng)作邊緣輪廓提取。

信噪比是判斷排球正面扣球幀圖像質(zhì)量的重要指標(biāo)，并影響排球正面扣球軌跡跟蹤結(jié)果的準(zhǔn)確度，通過與文獻(xiàn)[5]、文獻(xiàn)[6]方法進(jìn)行比較，分析不同時(shí)間下本文方法處理后的排球正面扣球圖像信噪比的變化情況，實(shí)驗(yàn)結(jié)果如圖3所示。

圖3 正面扣球圖像信噪比分析

分析圖3可知，隨著排球正面扣球幀圖像處理時(shí)間的不斷增長，3種方法處理后的排球正面扣球圖像信噪比呈增大趨勢(shì)，本文方法增強(qiáng)后的排球正面扣球圖像信噪比最大，可達(dá)到31.5 dB；其次為文獻(xiàn)[5]方法，文獻(xiàn)[6]方法獲取的排球正面扣球圖像信噪比最低。實(shí)驗(yàn)結(jié)果表明，本文方法獲取的正面扣球圖像質(zhì)量更好、視覺效果突出，且此結(jié)論與實(shí)驗(yàn)2所得的實(shí)驗(yàn)結(jié)果一致。

以采集的排球運(yùn)動(dòng)員正面扣球圖像信息為例，利用本文方法提取該正面扣球圖像的邊緣輪廓信息，分析本文方法的排球邊緣輪廓特征提取能力，實(shí)驗(yàn)結(jié)果如圖4所示。

圖4 排球邊緣輪廓提取結(jié)果

分析圖4可知，本文方法提取的正面扣球時(shí)的排球邊緣輪廓完整度高，細(xì)節(jié)特征豐富，細(xì)節(jié)內(nèi)容保留完好。實(shí)驗(yàn)結(jié)果表明，本文方法可有效提取排球正面扣球時(shí)的排球邊緣輪廓，邊緣輪廓清晰，排球邊緣檢測(cè)效果突出。

采用本文方法對(duì)排球正面扣球軌跡進(jìn)行跟蹤，并與文獻(xiàn)[5]、文獻(xiàn)[6]方法進(jìn)行對(duì)比，分析本文方法的排球正面扣球軌跡跟蹤效果，實(shí)驗(yàn)結(jié)果如圖5所示。

圖5 排球正面扣球軌跡跟蹤結(jié)果

分析圖5可知，與排球正面扣球的實(shí)際運(yùn)行軌跡進(jìn)行對(duì)比，本文方法跟蹤的正面扣球運(yùn)行軌跡遵循了實(shí)際軌跡的走勢(shì)規(guī)律，且兩條軌跡曲線間具有微弱差異，基本可以忽略不計(jì)；文獻(xiàn)[5]、文獻(xiàn)[6]方法獲取的正面扣球運(yùn)行軌跡雖與實(shí)際軌跡曲線具有相同的走勢(shì)規(guī)律，但與實(shí)際軌跡曲線均有較大的差異性。實(shí)驗(yàn)結(jié)果表明，本文方法的排球正面扣球軌跡跟蹤結(jié)果優(yōu)于文獻(xiàn)[5]、文獻(xiàn)[6]方法，軌跡跟蹤效果突出。

3 結(jié)語

正面扣球是排球賽場(chǎng)上重要得分項(xiàng)目，為對(duì)排球運(yùn)動(dòng)員的戰(zhàn)術(shù)特點(diǎn)進(jìn)行針對(duì)性分析，提出基于蜂群算法的排球正面扣球軌跡快速跟蹤方法。以G·V16攝像機(jī)拍攝的某高校排球運(yùn)動(dòng)員的賽事視頻信息為研究對(duì)象，分別利用文獻(xiàn)[5]方法、文獻(xiàn)[6]方法及本文方法采集其中的正面扣球圖像，分析各方法的正面圖像采集性能；在正面扣球灰度圖像增強(qiáng)的基礎(chǔ)上，提取排球的邊緣輪廓特征，并對(duì)排球的運(yùn)行軌跡進(jìn)行跟蹤。實(shí)驗(yàn)結(jié)果表明：①本文方法采集的正面扣球圖像優(yōu)于文獻(xiàn)[5]、文獻(xiàn)[6]方法；②增強(qiáng)后的正面扣球灰度圖像信噪比高、對(duì)比度明顯提升，正面扣球動(dòng)作邊緣輪廓信息更加清晰，特征突出，圖像視覺效果顯著；③提取的排球輪廓特征完整、細(xì)節(jié)豐富，跟蹤到的正面扣球軌跡與實(shí)際軌跡偏差很小，軌跡跟蹤效果突出。