篮球运动员投篮动作自适应修正方法

武正旺 李玮

(晋中职业技术学院 山西晋中 030600)

如何正确地检查、判定投篮动作的正确与否，显得尤为重要。目前我国对篮球投篮技术的规范化判定还没有形成系统性的理论体系。在此基础上，提出了一种基于可视化的投篮技术。在均匀且像素密度高的区域上形成云状分布的特征点，对投篮动作的特征点进行分类辨识，但其在实际比赛中有一定的局限性［1］；在运动影像中，由于运动影像中的运动与人体姿态是动态变化的，现有的运动影像建模方法难以实现对运动影像的规范化重构，且对运动影像中的靶面形态矫正效果差。因此，通过对图像的模板匹配，建立基于图像的篮球运动逐级三维结构模型，并通过迭代法对运动方向、运动幅度等参数进行优化，提高运动的可信度。该方法的核心是建立篮球投篮动作的模板形态，选择标准化动作的约束条件。

1 篮球运动员投篮动作自适应修正

1.1 采集投篮图像信息

采用可视化技术，对所获得的数据进行处理［2］，并构建了相应的图像获取模块，实现了对运动员的动态调整。采用实时动态视频帧监督的方法，通过转换器，实现对视觉信息的数模转换，通过程序控制开关，将投篮动作的三维视觉图像通过模块进行处理，以数据帧的形式进行编码。并且根据所输入的篮球运动视频帧来调制数据［3］。设定模型可以对运动员的投篮动作的空间位置进行标记，在篮球投篮的空间与维度位置点上可以将最初变形时投篮动作坐标作为Q=(xe1，xe2，...，xe(n-1)，ye0，ye1，...，ye(n-1))，篮球馆的特征图形的长度为R，高度为H，将网格模板中篮球投篮的三维特征图形分为若干个子块，将其中的匹配位置与梯度方向的空间中心点对应位置设定为Q`=。之后，可以针对篮球在球员手中的球体网格模型进行计算，在第c个手工标记定点(xec，yec)时［4］，可以得到单帧篮球投篮动作的三角形剖分信息素。坐标公式设定如下：

在投篮动作过程中，采集到的样本图像可以表示成由3×3 个像素点组成的网格形式，对其进行提取，从而获得投篮动作的规范化特征点的均方误差计算公式如下：

公式（2）中，s为图像均匀分布的网格总数。

在n个空间位置中的所有像素特征点［5］，投篮时运动员托举球的动作误差向量的计算公式如下：

公式（3）中，n为空间位置中的像素特征点。

根据上述内容，完成了对篮球运动员的三种空间位置的特征分析与像素点采样，利用网络图形分析方法，在交互式数据场景中，判断篮球运动员的投篮动作是否标准，具体判断流程如图1所示［6］。

图1 投篮动作标准判断流程

1.2 篮高升降的自适应调整

对得到的图像信息进行分析，对篮球运动员在练习投篮时的数据展开测量，并将测量获得的信息数据传输到软件分析中，再进行数据处理与计算。最终确定了篮高与模型，从而完成了投篮动作在升降篮筐时调整的设计。通过加强对原始投掷臂的技术训练［7］，来矫正不正确的动作。在研制过程中，利用3D视觉信息获得运动员在投篮时的反应速度和高度，并对篮筐高度进行自适应调节，从而将运动员在投篮时的动作和标准动作进行比对，从而达到完成投篮练习的目的［8］。

设定获取的运动员样本数据的身高为L，投篮速度为v0，投篮速度与水平方向之间的夹角为β。在最理想的情况下，篮球投掷后，在水平方向上保持匀速直线运动［9］，而在竖直方向上则会受到重力的影响，产生匀加速直线运动。可以得出水平和竖直方向的前进距离的计算公式如下：

公式（4）中，b为水平方向距离，d为竖直方向距离。

根据以上数据，确定球篮高度自适应调整投篮训练装置，从抛中空篮筐和抛碰板篮筐两个角度来决定投篮角度。篮球运动员在投篮时，以篮球离开篮筐的瞬间为球的起点，设置横向轴和纵向轴［10］。如果一个运动员在投篮时所产生的一个夹角为β，则β的计算公式为：

公式（5）中，p为将篮球在抛出的瞬间，篮筐与球心之间的距离，l为篮筐的端点位置与原点之间的间距。

在运动员进行碰板投篮练习时，假定篮板后侧相同位置也有篮筐，则将球出手的瞬间圆心位置作为原点，运动员在练习投篮时所产生的投篮角度，可以用下面的计算公式来表示：

经过以上的分析，可以对篮球的投篮模式进行判断，再根据投篮模式获得对应的角度数据，从而为决定篮筐的高度提供了一个基础。

1.3 投篮动作的特征检测

为实现对投篮运动的特征探测，将多分辨率图像识别与探测相结合，开展投篮运动的图像特性与位置探测。首先获取数据，并利用分水岭分割技术，构建了一种基于激光点解析的篮球运动数据处理模型，实现了对篮球运动数据的3D重构。在此基础上，提出了一种基于三维重建的运动轨迹图的运动轨迹提取算法，对投篮动作的区域进行分割。对投篮动作的特点进行分析，得到的向量量化值是：在（x，y）点上，投篮动作图像像素序列的边缘特征点，在第k个子带投篮动作的激光反射投影上，对投篮动作背景对应区域的特征值进行量化，并与平滑算子估计方法相结合得出匹配向量值。目标点的匹配值计算公式如下：

公式中，M、r分别为层次结构化的特征分解因子和匹配向量值，对图像进行了重点突出处理，从而获得了图像的纹理信息。在集合中，区域内的最大相似度的计算公式如下：

公式（8）中，k是二阶差与像素之间的相关特性匹配量。运动影像的方差为k/2，且运动影像输出的协方差特征量为0 时，利用运动员的投篮动作的光学特性探测结果，来探测运动影像的运动轨迹。

通过对激光图像的处理，实现对投篮运动的激光偏移探测，并通过对投篮运动图像边界特性的分析，对投篮运动进行偏移探测和校正，以提高投篮运动的稳定性。在常规的射击运动中，对动作的偏移进行检测，其主要包括模糊特征和边界特征两种。在此基础上，构建了一个动作的激光偏移参数估算模型，并利用模糊度探测技术，对动作的偏移参数进行了估算，从而达到了对投篮动作的偏移探测。

1.4 投篮动作修正训练

通过对激光图像的分析，利用边界轮廓特征提取的方法，获得了背景集扩展的无标签区域的边界轮廓特征。特征计算公式为：

公式（9）中，va为扩展后的无标记区域的激光参数，vb为投篮动作图像边缘区域的像素，构建投篮动作图像的相似性特征判别模型，获取最大相似性。在此基础上，利用运动员的投篮动作的激光影像中的形态特性，完成投篮动作的属性特性探测，并与模糊特性探测相结合，完成投篮动作的修正与自适应探测。

研究基于光学分辨率的光场偏移探测技术、误差校正与补偿技术，实现对运动目标的精确定位，获得运动目标的细节点分布模型。计算公式如下：

公式（10）中，℘代表的是光分辨率性质的激光位移，a代表的是投篮动作激光图像的辐射区域半径，∂代表的是投篮动作图像的外观亮度。

投篮动作位移检测集合的计算公式如下：

公式（11）中，z为投篮运动的几何形态误差，q为激光条纹的强度，f为投篮动作的模糊聚类中心。得出图像灰度级的计算公式为：

公式（12）中，i=1，2，3，...，k≠1，rk代表图像的结构分布形态。

在此基础上，通过对运动目标的运动轨迹进行描述，构建运动目标运动轨迹的特征分布集，并通过对多目标运动目标的自适应定位，获得运动目标的激光运动轨迹数据的分布集。通过对运动轨迹进行数据处理，利用模糊度参数分析的方法，获得了运动轨迹的频谱分布。通过对具有光分辨率的激光位移探测进行误差修正与补偿，并与物体的外形特征分布相结合，完成对射门过程的激光位移探测。其动态轨迹分布表示公式如下：

公式中，ycm代表的是激光位移探测的动态轨道分配因子，ydm为d维数据构成的动态轨道分配因子。对运动目标图像中各像素点的空间分布特性进行分析，并与光谱密度法相结合，对运动目标进行激光位移探测。

对投篮失误动作信息进行采样，并将其传送到计算机。然后将一个高斯向量作为一个比例尺，得到了一个栅格模型的直径。经过以上的分析，得到了修正后的运动员在运动过程中的视觉信息。针对输出的视觉信息，通过专家系统来实现对其的指导。在这样的情况下可以通过专业程序来对规范投篮行为的视觉数据进行研究，根据分析的结果来调整不标准的投篮动作和身体，从而实现对投篮动作的规范化，加强投篮训练提升投篮技术。

2 实验测试

利用上述分析实现篮球运动员投篮动作自适应修正方法，为了验证该研究方法的实用性，选择20 名不同身高的运动员使用该研究所设计的方法，身高170～175 cm 的有8 人，175～180 cm 的有7 人，180～185 cm 的有5人，依次记为A组、B组、C组，在进行测试前，对实验内的各个参数进行分析与对比，为保证公平性，参数数据为实际测试得出。

以280像素×360像素为主要数据，即每个投篮运动视频图像的宽度为280像素，高度为360像素。以一套完整的投篮运动视频图像模拟数据表示一个投篮动作，每个投篮运动视频图像包含50 张测试图片，投篮运动视频图像数据库中包含1 024×5 000张测试图片，构建了一个简化的篮球运动视频分析模型，将解析数据输入软件，对其进行了图像处理、可视分析，并给出了投篮运动的规范化判定。实验的球员身体参数表如表1所示。

表1 三组球员参数数据表

将表1中的球员身体参数与运动员投篮标准化动作数据输入图像数据处理软件中，进行视觉分析与处理，对实际运动员的投篮动作进行指导，构建篮球投篮动作的图像采集模型，进行边缘轮廓检测和自适应特征进行分割。

实验进行激光条纹图谱分析，图谱分析的结果如图2所示。

图1 投篮动作激光图谱分析

通过分析图2 可知，运用本文方法进行激光图谱分析得出的特征辨识度比较高。对投篮动作运动的激光偏移进行了测量，在全程探测和记录中，投篮动作的激光偏移曲线的峰位均在480 nm 附近，这一极限值不具有周期性出现的特性。

经过实验测试分析，对于A、B、C 三组球员的多个投篮动作将视觉分析的结果取平均值，在投篮动作的三维空间中，完成了自适应调整，并对投篮训练动作的标准性进行了判定，得到了如表2所示的结果。

表2 投篮动作标准实验结果

由表2 中的数据可以看到，该文所设计的方法可以精确地对投篮的不标准性进行修正，从而实现对投篮的实时调节，并对投篮的训练进行指导。投篮技术的规范化将直接关系到篮球技术的训练结果，而篮球技术的规范化评判有助于提高篮球技术的训练质量。

3 结语

为了提高投篮精准度，可以采用构建运动员投篮运动的自适应激光3D点解析模型的方法，并结合分水岭校正法、边缘轮廓特征提取法、激光条带图谱解析法等技术来构建投篮运动的激光图像相似特征判别模型，并且通过研究运动员投篮运动的像素点分布融合特性，并与光谱密度分析法相结合，实现对投篮运动的激光位移探测。在后续研究与分析中，将进一步开展射门运动图像的自动化识别。从一致性本质出发，对该识别处理的算法基础条件进行分析，既能限制射门运动特征的矢量标度，又能降低错误值对识别结果的影响。