籃球投射過程中的角度智能視覺圖像分解判斷方法

何波

摘 ?要： 針對傳統圖像分解判斷方法一直存在不能根據籃球投射角度變化完成投籃運動圖像分解的問題，提出基于奇異值分解的籃球投射角度智能視覺圖像分解判斷方法。通過分析不同投籃情況下，投射角度的變化，確定籃球投射角度;并以此為基礎，引入奇異值分解，對智能視覺圖像分解進行判斷。實驗結果表明，智能視覺圖像分解判斷方法，提升投籃運動分解圖像對比度;在最短時間內，根據籃球投射角度變化，完成投籃運動圖像分解。

關鍵詞： 籃球投射; 角度確定; 智能視覺圖像; 圖像分解; 奇異值分解; 圖像對比度

中圖分類號： TN911.73?34; TM911.73 ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? 文章編號： 1004?373X（2018）10?0175?04

Abstract： In allusion to the long?existing problem that the decomposition of basketball shooting motion images cannot be accomplished according to the variation of basketball projection angles in the traditional image decomposition and judgment method， a basketball projection angle decomposition and judgment method based on singular value decomposition is proposed for intelligent visual images. The basketball projection angles are determined by analyzing the variation of projection angles in different basketball shooting situations. On this basis， singular value decomposition is introduced to judge the intelligent visual image decomposition. The experimental results show that the intelligent visual image decomposition and judgment method can enhance the contrast degree of basketball shooting motion decomposition images， and accomplish basketball shooting motion image decomposition according to the variation of basketball projection angles within the shortest time.

Keywords： basketball projection; angle determination; intelligent visual image; image decomposition; singular value decomposition; image contrast degree

0 ?引 ?言

在籃球投射過程中，因投籃動作的不同，會導致不同投射角度的產生。傳統圖像分解法捕捉到的投籃圖像不能在投籃角度變化的過程中，捕捉到每個角度變化瞬間的清晰圖像。這也造成經過現有智能視覺分解技術處理后的圖像，對比度差、分解過程耗時長等現象的出現。從投籃形式上，可將籃球投射過程中的角度，分為投空心籃時的角度和投碰籃板時的角度[1]。不同投籃形式產生的角度不同，面對不同的角度，需要采用不同的確定方法。在完成籃球投射過程中的角度確定之后，根據已確定的角度進行奇異值的分解，根據分解結果對圖像的分解判斷方法進行描述。至此，籃球投射過程中的角度智能視覺圖像分解判斷方法，得以實現。

1 ?籃球投射過程中的角度確定

1.1 ?投空心籃時角度的確定

在運動員進行空心投籃時，以球出手時的圓心位置作為原點[2?3]，以水平方位和豎直方位，分別作為[x]軸和[y]軸，則投空心籃時產生的角度如圖1所示。

根據圖1可知，投空心籃時產生的角度為[α]。設籃筐與球出手時圓心的距離為[d]，籃筐據地面高度為[h]，籃筐邊緣[P2]與原點[O]間的距離為[R]，則投空心籃時產生的角度[α]可表示為：

1.2 ?投碰板籃時角度的確定

在運動員進行碰板投籃時，假設籃板背面相同位置也有籃筐，以球出手時的圓心位置作為原點[3]，以水平方位和豎直方位，分別作為[x]軸和[y]軸，則碰板投籃時產生的角度如圖2所示。

根據圖2可知，投碰板籃時產生的角度[α]可表示為：

通過上述方法，首先判斷籃球的投射方式，再根據不同投射方式確定角度的步驟，完成籃球投射過程中的角度確定。

2 ?基于籃球投射角度圖像分解判斷方法的構建

2.1 ?根據籃球投射角度完成奇異值分解

奇異值分解應用代數特征提取思想，將待分解數值進行矩陣排列，并通過特定方式，將任意矩陣分解成只含有非零奇異值的矩陣[4?5]。設籃球投射角度在0～180°之間變化，矩陣[A]為[a×b]的非負矩陣，且其中的每一項均代表一次籃球投射產生的角度。則矩陣[A]的奇異值分解過程，可表示為如下公式：

式中：[SA]代表矩陣[A]奇異值分解后結果;[diag]代表奇異值求解過程中的固定算法。籃球投射角度會隨投籃形式的不同發生變化，而經過奇異值分解后的角度矩陣，具有比例不變性[6?7]。對于籃球投射角度圖像分解來說，比例不變性有效解決，因圖像分辨率不同引發的圖像尺度變化問題。

2.2 ?投射角度圖像分解判斷方法的描述

通過對籃球投射角度的奇異值分解，可知圖像的奇異值是圖像本身的非視覺特性。根據已確定的籃球投射角度，完成奇異值分解，再利用智能視覺效果處理，提高圖像分解的監測敏感性[8]。投射角度圖像分解判斷方法，整體思路并不是對投射全角進行奇異值分解，而是根據智能視覺系統估算有效投射角度，再通過視覺掩蓋效應，掩蓋無效投射角度。通過對掩蓋后的圖像和原圖像進行奇異值分解，得到兩幅不同的圖像。再根據兩幅圖像中有效投射角度、無效投射角度的對比，完成籃球投射角度圖像分解判斷。

2.3 ?智能視覺圖像分解判斷方法的實現

通過上述過程，可以完成對探求投射角度的奇異值分解和圖像分解判斷方法的描述。根據智能視覺圖像分解原理，可知籃球投射角度分解圖像的邊緣和不分文理區域，都是組成輪廓的重要部分，既代表了圖像的特征信息，也是人眼的特別關注區域[9]。為保證籃球投射過程中的角度智能視覺圖像分解判斷方法的順利實現，還需按照視覺掩蓋效應，對有效投射角度和無效投射角度區分，根據區分結果，掩蓋無效投射角度。再對原圖和完成無效投射角度掩蓋后的圖片，同時進行奇異值分解。再根據分解結果，進行邊緣輪廓的細化處理，做到突出中心圖像。通過智能視覺圖像分解判斷方法，處理后的籃球投射角度圖像如下：

3 ?實驗結果與分析

通過上述方法，完成籃球投射過程中的角度智能視覺圖像分解判斷方法的搭建。為了驗證該方法的實用性價值，令一名男性籃球運動員，在空曠的場地上，模擬籃球投球運動。分別運用智能視覺圖像分解判斷方法和普通方法，對該名運動員在投籃時，角度的變化圖像進行分解。實驗開始前，首先對實驗的各項參數進行設施。

3.1 ?實驗參數設置

實驗參數設置如表1所示。

運動員身體參數一欄，從上至下依次為手腕力量勁度系數、手臂力量勁度系數、最小投射角度、最大投射角度、投籃力度;傳統方法與分解判斷方法從上至下依次為最小采集角度、最大采集角度、預期分解時間、預期圖像對比度、基礎亮度。為保證實驗的公平性，所有實驗參數均遵照真實情況制定。

3.2 ?投籃運動分解圖像對比度比較

完成實驗參數設定后，令該名運動員開始模擬投籃運動，分別運用智能視覺圖像分解判斷方法和普通方法，采集投籃過程中的角度變化情況，再根據角度變化情況進行圖像分解判斷。分解投籃角度圖像的對比度，與圖像分解判斷方法的優劣成正比，分解后圖像的對比度越高，代表智能視覺圖像分解判斷方法的分解效果越明顯，反之則代表分解效果還需提升。

圖4a）為運用智能視覺圖像分解判斷方法，分解得到的籃球投射過程中的角度變化圖像;圖4b）為運用普通方法，分解得到的籃球投射過程中的角度變化圖像。根據左右兩圖對比，可發現左圖的對比度明顯高于右圖。因此，可證明智能視覺圖像分解判斷方法，確實可提升投籃運動分解圖像對比度

3.3 ?投籃運動圖像分解時間對比

從運動員開始投籃時刻起，截取5 s時間，分別導出智能視覺圖像分解判斷方法和普通方法，完成的投籃角度分解圖像，結果如圖5所示。

圖5a）為智能視覺圖像分解判斷方法，在5 s內完成的籃球投射角度分解圖像;圖5b）為普通方法，在5 s內完成的籃球投射角度分解圖像。根據兩圖對比，可發現普通方法在相同時間內，分解得到的圖像明顯少于智能視覺圖像分解判斷方法。因此，可證明智能視覺圖像分解判斷方法，能在最短時間內，根據籃球投射角度變化，完成投籃運動圖像分解。

4 ?結 ?語

根據上述方法，可完成籃球投射過程中，角度智能視覺圖像分解判斷方法的搭建。通過模擬實驗的方式，證明該方法確實比普通方法，具有更高的實用價值。

參考文獻

[1] 王耀南，陳鐵健，賀振東，等.智能制造裝備視覺檢測控制方法綜述[J].控制理論與應用，2015，32（3）：273?286.

WANG Yaonan， CHEN Tiejian， HE Zhendong， et al. Review on the machine vision measurement and control technology for intelligent manufacturing equipment [J]. Control theory & applications， 2015， 32（3）： 273?286.

[2] 楊潔，梅向輝，Hellwich OLAF.基于Matlab的圖像采集系統研究：在基于視覺的智能監控系統中[J].南京郵電大學學報（自然科學版），2016，36（6）：96?99.

YANG Jie， MEI Xianghui， HELLWICH O. Image acquisition system based on MATLAB [J]. Journal of Nanjing University of Posts and Telecommunications （Natural science edition）， 2016， 36（6）： 96?99.

[3] 畢齊林，劉志軍，徐虎，等.線結構光輔助式焊縫視覺跟蹤中圖像分割方法研究[J].科學家，2017，5（9）：95?96.

BI Qilin， LIU Zhijun， XU Hu， et al. Research on image segmentation method in visual tracking of linear?structure and light?auxiliary welding seams [J]. Scientist， 2017， 5（9）： 95?96.

[4] 楊新鋒，田廣強，路新華，等.基于智能視覺分析無人機發動機轉速測量方法[J].計算機仿真，2015，32（9）：72?74.

YANG Xinfeng， TIAN Guangqiang， LU Xinhua， et al. Engine speed measurement method for unmanned aerial vehicle （UVA） based on intelligent vision analysis [J]. Computer simulation， 2015， 32（9）： 72?74.

[5] 陳思，常征.基于視覺的智能車圖像畸變校正算法研究[J].計算機與網絡，2016，42（z1）：88?89.

CHEN Si， CHANG Zheng. Research on image distortion correction methods of intelligent vehicle based on vision [J]. Computer & network， 2016， 42（S1）： 88?89.

[6] 李超，呂憲偉，涂文俊，等.基于計算機視覺的實木表面智能化分選系統設計[J].北京林業大學學報，2016，38（3）：102?109.

LI Chao， L? Xianwei， TU Wenjun， et al. Design of an intelligent wood surface grading system based on computer vision [J]. Journal of Beijing Forestry University， 2016， 38（3）： 102?109.

[7] 陳勇，帥鋒，樊強.基于自然統計特征分布的無參考圖像質量評價[J].電子與信息學報，2016，38（7）：1645?1653.

CHEN Yong， SHUAI Feng， FAN Qiang. A no?reference image quality assessment based on distribution characteristics of natural statistics [J]. Journal of electronics & information technology， 2016， 38（7）： 1645?1653.

[8] 張飛，李景富.基于智能視覺的高空圖像搜集系統的設計與實現[J].計算機測量與控制，2015，23（3）：939?941.

ZHANG Fei， LI Jingfu. Aerial image collecting system design and implementation based on intelligent vision [J]. Computer measurement & control， 2015， 23（3）： 939?941.

[9] 尹旭悅，范秀敏，顧巖，等.動態視覺手勢識別下手工裝配時序控制的智能防錯方法[J].計算機集成制造系統，2017，23（7）：1457?1468.

YIN Xuyue， FAN Xiumin， GU Yan， et al. Sequential dynamic gesture recognition controlled poka?yoke system for manual assembly [J]. Computer integrated manufacturing systems， 2017， 23（7）： 1457?1468.