基于计算机视觉技术的体育运动员错误动作智能化识别

张飞云 周帅

摘要：体育运动员在训练和比赛过程中，难免会出现错误动作，仅仅通过人为方式判断动作是否准确将会出现较大误差。随着计算机视觉技术的不断发展和应用，将其应用到错误动作智能化识别中将有助于提高错误动作识别率。于是文章首先介绍了计算机视觉技术，能够对拍摄图片进行数字化分析，具有较强的应用性能。然后再对运动员动作特征提取进行分析，利用贝叶斯算法对错误动作进行识别，于是得到三维视觉检测模型。最后对三维视觉检测模型进行实验研究，结果表明，相比于传统的检测方式，文章研究的模型具有更好的准确性，证明该模型应用于错误动作识别中具有可行性。

关键词：计算机视觉技术;错误动作;智能化识别

中图分类号：TP391.41

文献标识码：A

文章编号：1001-5922（ 2020）12-0082-04

随着人类对体育运动项目的重视程度不断提升，体育运动员在训练过程中需要按照各种标准动作进行训练，由于运动过程中速度比较快，或者运动人数比较多，裁判员无法将错误动作识别出来，此时需要借助各种高科技方法进行判断[1-2]。随着计算机视觉技术的不断发展，广泛应用于人体结构分析中.为了实现体育运动员错误动作智能化识别，于是将计算机视觉技术应用其中[3-4]。不仅能够提高运动员的运动水平，而且能够快捷准确的判断出运动员是否存在错误动作，从而提高竞赛的公平性。计算机视觉技术在识别运动员错误动作时，其中主要使用的方式就是通过视觉特征提取法，首先提取到运动员的有效动作，然后与标准动作进行对比分析，从而能够判断出是否属于错误动作[-56]。由于体育运动项目非常多，识别错误动作也会存在差别，于是文章将主要以南拳为研究对象，研究运动员错误动作智能化识别。

1 计算机视觉技术的介绍

计算机视觉技术主要来源与摄影测量学，刚开始时主要应用于二维图像的识别和分析，随着计算机技术的发展和计算机视觉技术的发展，人们逐渐开始研究三维视觉[7]。如今计算机视觉技术的功能强大，能够在不同领域中进行使用。计算机视觉系统主要原理为首先获取目标图像，然后进行特征提取，最后对对特征进行分析、处理和计算，目的在于作出合理决策。图1即为计算机视觉系统的基本组成结构，其中计算机属于核心部分，需要对各个模块的正常运行进行控制，还需要计算和输出结果[8]。

2 动作特征提取

2.1 坐标点的确定

由于运动员的比赛场所在有限的面积内进行，一般情况下，南拳涉及到的运动场所长宽文本为14m和8m，于是将场地的起点角作为原点，于是可以构建如图2所示的三维坐标系，文章将其高度设置为5m，因为运动员在运动做成中会出现腾空动作。于是运动员将会在这样一个空间内进行运动。通过三维坐标系的建立，特征提取过程中能够明确了解到运动员的各个运动状态。

2.2 运动员关键关节部位的标记

在进行运动员特征描述时，将会以运动员腾空飞脚动作的相关规范作为基础，将其中比较重要的关节部位进行标记，如肩膀、手指、脚尖和脚面，从而能够获取运动员的动作。主要的标记如下所示：

2.3 运动员特征的描述

体育运动员在进行训练时，需要按照标准动作进行训练，不然就会影响到自己训练的水平，影响训练前后阶段，甚至还会造成运动损伤。例如，一个跳高运动员在训练过程中，还处于一个跳高弧线助跑阶段，此时如果运动员没有很好的完成标准动作，在训练时将身体过早的直立，于是就会影响到自己的训练成绩，导致身体失去平衡。所以当出现错误动作时需要及时识别，然后改正。文章所研究的南拳中腾空飞脚的动作也有其标准动作，该动作可以分为3个步骤：①将左腿向前上方进行摆踢，然后右脚蹬地离地，使得身体处于腾空状态;②将左手手掌和右手手背相击，此时运动员处于腾空状况，还需要将右脚向前上方弹踢，且其右脚高度需要高于肩部，还需要将右手与脚面相击，与此同时，左脚屈膝，脚尖朝下;③右脚单腿着地，然后再将左脚着地，即完成腾空飞脚动作。如果在运动过程中出现错误和不规范动作，比如击拍落空、击响腿或者脚尖没有过肩就会进行扣分处理。运动员错误动作的特征描述如下：

1）击响腿或者脚尖没过肩：假设U1为南拳腾空飞脚动作，然后将s1假设为击响腿或者脚尖没过肩，T1为动作特征，该部分的动作涉及到4个坐标，分别为左右脚尖和左右肩膀，通过对脚尖和肩膀的坐标进行比较，即2者的z轴坐标点进行比较，从而可以判断出运动员是否出现该错误动作。判断方式分为以下2种情况：

2）击拍落地：假设U2为南拳腾空飞脚動作，然后将S2假设左手和右手，T2为动作特征，该部分的动作涉及到四个坐标，分别为左右手指和左右脚面，通过对手指和脚面的坐标进行比较，从而可以判断出运动员是否出现该错误动作。判断方式分为以下2种情况：

3 错误动作三维检测模型

上文分析的主要作用在于判断动作是否属于错误动作，从而基于计算机视觉技术实现错误动作智能化识别作用，需要建立相关三维视觉检测模型。于是对动作进行识别所使用的算法为贝叶斯算法，具体方式如下所示：

4 仿真结果和分析

通过上述分析，建立了运动员错误动作智能识别的模型，为了验证该模型是否具有可靠性和有效性，于是对其进行实验研究。首先选择18名学生作为实验对象，这些同学全部在训练腾空飞脚动作，然后将其分为2组，使用本文所研究的基于计算机视觉技术的错误动作智能化识别模型，判断这些学生是否存在错误动作，在实验过程中需要做好相关记录。为了检验本文研究的算法优势，于是将其与基于单目序列的检测算法进行对比分析，于是得到如图3和图4所示的验证结果。图3和图4中左侧表示的正确动作，右侧为错误动作，通过对2个图进行分析可知，文章所研究的算法能够明显的识别出各个关键关节部位，并且和正确动作的吻合度比较高，而图4中的识别方法测得的错误动作和实际的动作相差比较大，即可说明该方法的精确度不高，不能准确的识别出错误动作。所以能够得出的结论为本文研究的算法其错误动作识别准确度更高。

另外，为了进一步验证本文所研究的算法具有更好的精确度，于是将其与传统算法进行了比较，建立三维视觉检测模型，然后将2种不同方法进行多次试验，于是得到如图5所示的检验结果。从图5中可以看出，其精确度都在90%以上，而传统算法的进度大致到70%到77%之间，所以本文所研究的算法具有更好的精确度，并且能够将误差控制在合理范围。

5 结语

综上所述，文章主要基于计算机视觉技术对运动员腾空飞脚错误动作进行识别，完成三维视觉检测模型之后，对其进行验证，结果表明，与传统的算法相比，文章研究的算法具有更好的准确度。所以在运动员错误动作识别过程中使用计算机视觉技术能够提高检测准确度。然而文章只对腾空飞脚这一个动作进行识别验证，由于不同体育项目，运动员的动作将会有很多中，在特征提取过程也会存在差别，但是总体上的识别过程大致相同，在识别其他错误动作时可以参考此方法进行识别。

参考文献

[1]朱志锋，体育运动错误动作的三维视觉检测建模研究[J].计算机仿真，2016（9）：225-228.

[2]黄成，体育运动中非常规技术动作的形成过程研究[D].哈尔滨：哈尔滨师范大学，2017.

[3]蒋宇，基于混合算法的体育视频运动目标检测与跟踪技术研究[D].苏州：苏州大学，2012.

[4]徐超，李乔，基于计算机视觉的三维重建技术综述[J].数字技术与应用，2017（01）：54-56.

[5]边云龙，基于深度学习的视频中的体育类型检测技术的研究[D].北京：北京邮电大学，2015.

[6]王震，田军委，计算机视觉辅助训练系统研究——以射击类项目为例[J].西北大学学报（自然科学版），2013，43（4）：563-567.

[7]叶知楠，基于计算机视觉的终点裁判系统设计[D].厦门：厦门大学，2007.

[8]李常伟，基于计算机视觉的“虚拟网球”系统的研制与开发[D].沈阳：东北大学，2009.