網球運動視頻目標丟失點特征補償方法研究

周麗平

摘 要： 對于網球運動視頻目標丟失點的特征補償，傳統方法有效性不足的缺陷，提出基于幀間差分消除的網球運動視頻目標丟失點特征補償方法。首先構建三維檢測目標模型，利用幀間差分消除算法從運動視頻圖像中提取背景，預測目標運動軌跡，通過希爾伯特變換分析圖像前景的軌跡相位差值特性，檢測出目標丟失點。通過觀察目標丟失點頂點結構，給出目標丟失點補償措施。實驗實測數據表明，所提方法對網球運動視頻目標丟失點的分辨能力得到了大幅度提升，對丟失點的特征補償精度更高，并且反應時間有效縮短。

關鍵詞： 網球； 運動視頻； 目標丟失點； 特征補償

中圖分類號： TN948.4?34； TP391.41 文獻標識碼： A 文章編號： 1004?373X（2017）23?0069?04

Abstract： The traditional method doesn′t have sufficient effectiveness for feature compensation of the tennis video target loss point， so an interframe difference elimination algorithm based feature compensation method of tennis video target loss points is proposed. The three?dimensional target detection model is constructed. The interframe difference elimination algorithm is used to extract the background in moving video image， and predict the target motion trajectory. The trajectory phase difference characteristic of image foreground is analyzed by means of Hilbert transform to detect the target loss point. The vertex structure of the target lost point is observed to provide the compensation measures of the target loss point. The data measured in experiment shows that the proposed method can greatly improve the resolution of the target loss points of the tennis motion video， and has high feature compensation precision for loss point and short response time.

Keywords： tennis； motion video； target loss point； feature compensation

0 引 言

網球比賽的觀賞性強，運動過程動作優美且激烈，盛行于全世界。優秀的網球運動員能夠準確、快速地感知到對手的發球目標方位，并實時估計出制勝接球方法，果斷地控制網球運動方向。網球比賽的勝利與否與運動員對目標丟失點的分辨與反應能力密切相關[1]，但并非所有運動員都具有這兩項能力，為提高網球隊的整體素質，需要借助一些特殊方法對網球運動視頻目標丟失點情況進行特征補償。文獻[2]構建了一種網球運動仿真訓練模型，使用虛擬人技術將運動員運動情況與訓練環境進行整合，當一方運動員發球后，模型對目標網球的運動軌跡進行檢測，給出目標丟失點補償措施，運動員依據補償措施進行訓練，逐步提高對目標丟失點的分辨與反應能力，取得了較成功的訓練結果。但模型檢測時間過長，而且補償措施與實際情況存在差異，使用起來很不方便。文獻[3?4]中提出的最小方差濾波和差分二次平均修正方法對上述情況進行了修正，但始終未能走出誤區，原因在于對網球運動視頻目標丟失點的數據修正不足，檢測結果本就存在偏差，造成補償措施的失效。為解決以上問題，提出基于幀間差分消除的網球運動視頻目標丟失點特征補償方法。

1 網球運動視頻目標丟失點特征補償方法研究

1.1 目標丟失點檢測模型

圖1描述的是網球運動視頻目標丟失點檢測模型，模型在一個三維坐標系中建立起來，使用攝像機采集網球運動員運動圖像，圖像與[x]軸、[y]軸平行，與[z]軸垂直，圖像最高點與三維坐標系原點之間[z]軸平面距離為[f。]如果[（x，y，z）]為三維圖像坐標點，則[（x，y）]就表示圖像在[z]軸平面的坐標點，[XYZ]表示圖像三維矩陣點。

網球運動視頻目標丟失點檢測模型從網球運動員運動圖像中提取背景，預測出運動軌跡，隨后進行實時跟蹤，將背景刪除留下含有目標（即運動中的網球）的前景[5]，檢測目標丟失點情況，圖2為檢測模型工作流程。

將求得的目標丟失點補償值填充到網球運動圖像前景中，再還原圖像背景，經濾波后得到完整的運動圖像，輸出供網球運動員訓練使用。

3 實驗分析

3.1 實驗描述

網球比賽實際上是一種靠經驗取勝的比賽，為了使實驗數據更為合理，所選擇的實驗對象都是無經驗或者經驗度不高的新手運動員，將完全無經驗的網球運動員分在第二組，其他人員分在第一組，每組運動員的年齡結構和比賽素質均相似。

本次實驗的主要目的是分析本文所提基于幀間差分消除的網球運動視頻目標丟失點特征補償方法對網球運動的幫助作用，包括運動員對目標丟失點的分辨能力、反應時間以及補償措施的有效性。由于補償措施有效性的定義比較模糊，實驗以補償前后運動員對目標丟失點做出反應的軌跡相位差值作為分析對象，描述方法補償措施的有效性。運動員對目標丟失點的分辨能力則以分辨準確率替代，分辨能力和反應時間也間接表達了方法對目標丟失點的檢測效果。endprint

本次實驗共進行三次，實驗方法分別為本文方法、最小方差濾波和差分二次平均修正，所得實驗結果匯總后統一進行分析。對網球運動員運動過程行為數據進行采集的軟件是E?PRIME 2.0，這是一款依賴心理學原理進行運動行為信息化轉換的軟件，采集精度高，且能夠在短時間內構建繁雜的實驗程序，可同時對一維文字以及二維和三維多媒體數據進行采集[9]。對采集數據進行匯總和分析的軟件是SPSS 22.0。

3.2 實驗結果分析

經實驗統計和分析后，SPSS 22.0軟件給出了網球運動員行為數據分析結果，用表1描述。表1中匯總了在本文方法、最小方差濾波和差分二次平均修正的特征補償下，網球運動員對目標丟失點的分辨能力與反應時間。

分析表1中的實測數據能夠得知：在相同的實驗條件下，三種方法對有一些經驗的網球運動員運動過程目標丟失點的檢測效果要好于完全無經驗的網球運動員，但無太大差別，表明三種方法都能夠提升網球運動員的綜合素質，其中，本文方法的分辨準確率最高、反應時間最短，檢測效果最好。

由于三種方法對兩組網球運動員的檢測效果差異性不大，因此，在補償措施有效性的分析中只對第一組網球運動員進行了實驗。圖3給出了三種方法在進行網球運動視頻目標丟失點補償前后的軌跡相位差值，經分析能夠得知，經補償后，網球運動員反應出的軌跡相位差值已逐漸趨于穩定，并且丟點面積更小，本文方法表現出了最佳的補償效果，有效性最強。

4 結 論

本文提出基于幀間差分消除的網球運動視頻目標丟失點特征補償方法，在三維空間坐標系上建模獲取目標丟失點檢測模型，利用幀間差分消除算法校正模型檢測流程，分兩種情況介紹了補償方法。實驗以實際測量數據為依據，對比了本文方法與最小方差濾波、差分二次平均修正的各項性能，實驗結果表明，本文方法對網球運動視頻目標丟失點的分辨能力得到了大幅度提升，對丟失點的特征補償精度更高。

參考文獻

[1] 葉會英，朱君瑤，王珍雪.基于條紋丟失補償的自混合干涉位移測量算法[J].鄭州大學學報（工學版），2014，35（6）：56?59.

[2] 陳智香，薛紅.雙分數跳?擴散過程下冪期權定價模型[J].西安工程大學學報，2016，30（2）：262?267.

[3] 田凡凡，崔寶同.帶丟包的一致性最小方差濾波[J].計算機工程與應用，2016，52（12）：123?126.

[4] 戴文舒，陳亞，陳新華，等.差分二次平均修正的頻域相位補償線譜檢測方法[J].兵工學報，2014，35（10）：1630?1637.

[5] 陸振宇，趙為漢，何玨杉，等.基于變模式分解和頻譜特性的自適應降噪算法[J].現代電子技術，2016，39（16）：1?5.

[6] 袁慎芳，宋帥，高尚，等.網絡編碼在無線數據傳輸補償機制中的運用[J].振動、測試與診斷，2014，34（6）：1094?1098.

[7] 王龍飛，陳紅，李楊，等.車輛出行軌跡調查分析中的丟點軌跡還原[J].計算機應用研究，2014，31（1）：162?165.

[8] 彭國金，劉嫚婷，韓璐.基于飛行試驗采集的FC數據檢測分析技術[J].現代電子技術，2016，39（2）：92?94.

[9] 張敏，劉永新，杜奇偉，等.多功能測控裝置電參量測量算法融合方法[J].電力系統自動化，2014，38（8）：104?107.endprint