体育训练中的运动视频分析系统设计与实现研究

陈曦

（陕西学前师范学院陕西西安710100）

在现代视频及图像处理技术不断发展的过程中，体育训练也逐渐朝着智能化及科学化的方向发展，使用视频帧序列分析的方式实现体育训练动作特征的收集及信息的恢复，能够对不规则体育训练动作进行纠正，实现运动训练水平的改进[1]。使用嵌入式控制芯片进行系统的设计及开发，能够实现运动视频信息的通信及实时的监控。基于物联网环境中，对体育训练运动视频信息的集成控制能够对运动训练进行有效指导[2]。在本文体育训练中运动视频分析设计过程中，重点为硬件及软件部分的设计，基于视频收集和分析系统硬件创建，对体育训练运动视频分析系统软件设计进行分析。传统的运动视频分析方法都是使用嵌入式设计，但是在干扰不断提高的过程中，视频分析系统自动化控制及调度就会失真，降低控制性能。针对目前运动训练视频分析系统中的问题，本文就实现了全新体育训练运动视频分析系统，之后利用仿真对系统的性能进行测试，从而对系统稳定性及可靠性进行验证[3]。

1 运动视频分析系统的需求

传统体育训练运动视频分析系统主要是以人眼观察及分析的方法实现，此种方法具有严重不足和局限性。图1为传统运动视频分析系统工作流程。

图1 传统运动视频分析系统工作流程

实现体育运动分析的目的就是能够利用对运动员训练及比赛的视频进行全面的分析，通过视频图像在空间和时间中的相关性，从而得出人体运动学相关参数，并且还能够得到教练员和运动员希望的信息，从而进行科学指导训练。本文根据相关软件开发平台实现体育训练中运动视频分析系统的设计，其具有一定实用性[4]。

2 运动视频分析系统的设计

2.1 运动视频分析系统的功能设计

文中主要对单目视频实现人体运动分析，图2为运动视频分析系统的功能框架。

图2 运动视频分析系统的功能框架

文中所设计的系统通过Directshow技术控制运动视频，使用以马赛克为基础的图像品相技术，将视频中背景信息进行提取，实现视频图像的时域分割，将视频运动目标进行提取，最后实现全景图像的合成。通过帧间差分法将静态背景进行滤除，从而抑制背景。和色块匹配及卡尔曼滤波相互结合，实现关键部位的自动跟踪，并且获得人体运动参数，然后实现体育训练运动视频分析的系统[5]。

2.2 系统的硬件结构

在实现体育训练运动视频分析系统硬件结构设计的过程中，其尤为重要的就是数字处理器，本文使用TMS236351，图3为TMS236351处理器的内外存储结构，其内部快速缓冲储存区属于双机缓冲架构，存储空间和数字信号处理区域包括一级缓冲架构，因为此处理器中具有动态随机存储器，其能够在突然断电的时候不会将体育训练视频数据丢失[5]。

图3 TMS236351处理器的内外存储结构

图4为体育训练运动视频分析系统硬件结构，系统主要包括电源模块、同步控制芯片、视频收集处理模块、多媒体结构及外部存储器等，系统将收集的体育训练视频都利用存储总线实现存储地址分配，通过处理器和周边的组件进行存储，在要实现视频分析的过程中，存储总线会将视频对收集处理模块传输。网络控制芯片的主要目的就是实现网络带宽调节[6]。

系统中的电源模块主要目的就是为视频收集处理模块提供电源，为处理器提供电源，也能够为存储总线提供电源，从而保证系统能够稳定运行。为了能够有效保证其中模块和组件在运行过程中的安全性，在要将系统关闭的时候，要先将存储总线电源关闭，之后将处理器电源关闭，最后将视频收集处理模块关闭。多媒体接口属于系统中的主要输出端，对视频进行分析之前要对多媒体和处理器连接关系进行有效明确，从而保证视频内容完整性[7]。图5为多媒体接口和处理器的连接图。

图4 体育训练运动视频分析系统硬件结构

图5 多媒体接口和处理器的连接图

2.3 目标跟踪模型的设计

体训训练运动视频分析系统的主要环节就是目标跟踪，其也是视频分析过程中的主要数据。体育训练运动视频的目标和背景会在拍摄条件不断变化过程中导致视觉角度出现变化，不同视觉角度的目标分析数据也各不相同，其分析结果就会不一致，但是此种不一致对于体育竞技来说数据都是有效的，其能够将运动员运动过程中的姿态充分的反映出来，所以在目标跟踪的时候要使用多跟踪器实现全面的数据收集[8]。图6为体育训练视频分析系统目标跟踪模型结构。

图6 体育训练视频分析系统目标跟踪模型结构

可以将此目标跟踪模型划分子模型，分别为基本运动及行为观察。前者的主要目的就是提取运动目标的规律，后者的主要目的就是细化基本的运动模型目标[9]。图7为体育训练运动视频的播放流程，通过图7可以看出来，体育训练运动视频的播放主要包括两种插件，分别为播放检测及播放线程创建。如果体育训练视频不能够正常的播放，那么就会通过回调函数将视频内容进行暂停，之后重新实现视频播放。在视频正常播放时候创建播放线程，从而实现视频目标的一致性。多动态的目标同步跟踪主要目的就是保证同时提取多目标，以此有效提高行为分析及目标跟踪的效率及精度[10]，图8为多动态目标的同步跟踪流程。

通过图8可以看出来，在体育训练视频中的目标都已经确定之后，此模块就会工作，利用对多目标图像的截取作为标点，从而实现目标点的全面跟踪，最后通过日志形式进行保存并且输出。

图7 体育训练运动视频的播放流程

图8 多动态目标的同步跟踪流程

2.4 视频运动行为标识

在体育训练过程中，运动视频的识别目标无法将不规则的动作进行识别，那么就要通过对比运动员实际动作和标准动作，从而实现运动行为的识别[11]。图9为体育运动训练过程的示意图。

图9 体育运动训练过程的示意图

训练的过程通过分离的基础动作视频序列及运动模型学习[12]，图10为运动员动作的识别过程。

图10 运动员动作的识别过程

通过图10可以看出来，对于输入运动视频分离序列实现检测能够得到条件随机场模型参数，哪种参数的值比较高，就要到相应类中归属[13]。

3 系统的性能检测及分析

系统的性能测试利用嵌入式设备实现体育运动视频信息收集和数据检测，通过系统界面能够实现体育训练运动视频参数的设置和收集视频信息，通过可视化模式实现人机交互[14]。

表1为体育训练运动视频分析系统的性能指标，通过表1可以看出来，在关键帧提取难度不断提高的过程中，召回率也在不断的扩大，以此表示两者具有正相关的关系，并且本文所研究的系统关键帧提取精准率、召回率比传统运动视频分析的方法要优[15-20]。

表1 系统的性能指标

4 结束语

为了能够实现体育运动训练科学指导水平的进一步提高，本文实现了全新体育训练运动视频分析系统的设计和实现。首先全面分析了体育训练运动视频分析系统的需求，之后实现了体育训练运动视频分析系统的硬件及软件设计，最后对本文所设计的系统进行了实验。通过实验表示，此系统能够对体育训练过程精准的描述，能够有效提高视频关键帧提取的精准率及召回率，能够在运动指导训练中使用，并且其具有较高的使用价值。