基于OpenCV的三級(jí)跳遠(yuǎn)角度指標(biāo)分析

牛永亮

摘 要：針對(duì)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)的角度指標(biāo)，利用OpenCV計(jì)算機(jī)視覺開發(fā)平臺(tái)，提出了角點(diǎn)角度值計(jì)算的新算法，對(duì)三級(jí)跳遠(yuǎn)視頻中運(yùn)動(dòng)員的著地角、起跳角和膝關(guān)節(jié)角進(jìn)行定位及計(jì)算，并嘗試對(duì)中外八名運(yùn)動(dòng)員的角度數(shù)值進(jìn)行分析。實(shí)驗(yàn)結(jié)果表明，該方法可以較精確的進(jìn)行角點(diǎn)定位，定量計(jì)算三級(jí)跳遠(yuǎn)運(yùn)動(dòng)員的角度指標(biāo)，并可依據(jù)數(shù)據(jù)對(duì)不同運(yùn)動(dòng)員的角度指標(biāo)進(jìn)行對(duì)比分析，對(duì)三級(jí)跳遠(yuǎn)訓(xùn)練有一定的指導(dǎo)意義。

關(guān)鍵詞： 三級(jí)跳遠(yuǎn); 角度指標(biāo);OpenCV; 檢測計(jì)算

中圖分類號(hào)： TP 317.4

文獻(xiàn)標(biāo)志碼： A

Abstract： In view of the triple jump movement angle index， a new algorithm for calculating the angle value is proposed by using the OpenCV computer vision development platform， and the grounding angle， the take-off angle and the knee joint angle of the athletes in the triple jump video are located and calculated. This paper tries to analyze the angle values of eight Chinese and foreign athletes. The experimental results show that the method can accurately locate the corner points， quantitatively calculate the angle index of the three-level long jump athletes， and compare and analyze the angle indicators of different athletes according to the data， which has certain guiding significance for the three-level long jump training.

Key words： triple jump; angle index; OpenCV; detection and calculation

0 引言

角度指標(biāo)是三級(jí)跳遠(yuǎn)運(yùn)動(dòng)的重要指標(biāo)，對(duì)最終成績具有很大影響[1]。通過分析，可以得出運(yùn)動(dòng)員采用的技術(shù)類型;可以更加細(xì)微的看出運(yùn)動(dòng)員的技術(shù)發(fā)揮水平。在以往的研究中，大多數(shù)文章直接引用已有測得數(shù)據(jù)或者采用瑞士開發(fā)的Dartfish訓(xùn)練圖像分析軟件異或是采用德國的SIMI Motion三維錄像分析系統(tǒng)等進(jìn)行定量分析，很少對(duì)如何獲得數(shù)值進(jìn)行研究。本文利用開源的計(jì)算機(jī)視覺類庫OpenCV，對(duì)中外八名運(yùn)動(dòng)員三級(jí)跳遠(yuǎn)運(yùn)動(dòng)的角度指標(biāo)進(jìn)行定量計(jì)算分析，并給出算法的實(shí)現(xiàn)思路和實(shí)驗(yàn)結(jié)果。

1 研究目的

1.1 三級(jí)跳遠(yuǎn)角度指標(biāo)

文中重點(diǎn)研究著地角、起跳角、膝關(guān)節(jié)角。如圖1所示。

著地角是起跳腿著地時(shí)身體重心與起跳腳著地點(diǎn)間的連線與水平面之間形成的夾角，如圖1中∠ 1。著地角越小，身體重心靠后，前支撐阻力越大，此時(shí)水平速度的損失就大，不利于跳遠(yuǎn)成績[2]。

起跳角是起跳離地時(shí)刻，支撐點(diǎn)與身體重心的連線與地面的夾角，如下圖1中∠3。起跳角越大，著地緩沖的時(shí)間越長，水平速度的損失越大;起跳角度越小，有利于運(yùn)動(dòng)員發(fā)揮腿部力量，延長作用力時(shí)間，獲得較高的水平速度[3]。

膝關(guān)節(jié)角是在運(yùn)動(dòng)員運(yùn)動(dòng)過程中，大腿與小腿之間的夾角。根據(jù)與地面接觸情況，分為擺動(dòng)腿膝關(guān)節(jié)角和支撐腿膝關(guān)節(jié)角，如圖1中∠2和∠4。膝關(guān)節(jié)角可以反映運(yùn)動(dòng)員接地時(shí)的緩沖時(shí)間，腿部蹬伸力量的發(fā)揮情況等。

1.2 Opencv開發(fā)平臺(tái)簡介

OpenCV是一個(gè)開源的計(jì)算機(jī)視覺庫，于1999年由Intel建立，其全稱是：Open Source Computer Vision Library[4]。它采用C/C++編寫，包括了300多個(gè)函數(shù)的跨平臺(tái)API，提供了Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法，主要應(yīng)用于人機(jī)互動(dòng)、物體識(shí)別、圖象分割等領(lǐng)域，具有開放源碼、可擴(kuò)展性好、跨平臺(tái)使用和強(qiáng)大的圖像和矩陣運(yùn)算能力等特點(diǎn)。

2 實(shí)驗(yàn)方法

2.1 起跳角（著地角）角度指標(biāo)計(jì)算

2.1.1 算法思路

2.2 膝關(guān)節(jié)角度指標(biāo)計(jì)算

2.2.1 算法思路

（1） 輪廓處理。對(duì)于輸入的運(yùn)動(dòng)視頻，按幀獲取圖像，進(jìn)行輪廓處理，并利用輪廓面積等特征排除無關(guān)區(qū)域;

（2） 角點(diǎn)檢測。對(duì)得到的運(yùn)動(dòng)員輪廓圖像進(jìn)行角點(diǎn)檢測并按序標(biāo)注編號(hào);

（3） 定位角點(diǎn)。定位計(jì)算的的角點(diǎn)，得到具體的角點(diǎn)坐標(biāo)值;

（4） 求角度值。以該角點(diǎn)為圓心作圓，并與輪廓的交點(diǎn)構(gòu)成三角形，利用余弦定理得出所要求的角度。

2.2.2 算法實(shí)現(xiàn)

1.角點(diǎn)檢測

角點(diǎn)定義為二維圖像中亮度變化劇烈的點(diǎn)或圖像邊緣曲線上具有曲率極大值的點(diǎn)[7]。Moravec算子[8]角點(diǎn)檢測的算法思想可以歸納為：給定一個(gè)閾值，在角點(diǎn)的某個(gè)鄰域內(nèi)（鄰域窗口大小一般為3*3），其均方誤差和一定大于給定的閾值，并且在任何一條通過該點(diǎn)的直線方向移動(dòng)時(shí)都很大。其計(jì)算方法簡單快速，但對(duì)噪聲也比較敏感且不具有旋轉(zhuǎn)不變性，即只檢測了8個(gè)基本方向的變化情況，不能計(jì)算任意方向。

為改進(jìn)Moravec算法，C.Harris和MJ.Stephens在1988年提出了Harris角點(diǎn)檢測算法[9]。其基本思想與Moravec算子類似，但采用了局部自相關(guān)矩陣，允許獲得所有方向上的灰度變化，使得角點(diǎn)檢測算子具有了旋轉(zhuǎn)不變性;同時(shí)Harris檢測算法選取高斯函數(shù)為檢測窗口，增大了中心像素點(diǎn)中心線上的權(quán)值，對(duì)圖像進(jìn)行了平滑處理，對(duì)噪聲有一定的抑制作用。因此Harris算子比Moravec算子具有更廣泛的應(yīng)用。

在OpenCV中， cvGoodFeaturesToTrack實(shí)現(xiàn)了Harris角點(diǎn)檢測算法，使二次開發(fā)變得比較容易。其流程，如圖2所示。

（1） 使用sobel算子對(duì)圖像中的每個(gè)像素進(jìn)行計(jì)算，得出二階差分;

（2） 使用cvCornerMinEigenVal計(jì)算輸入圖像中每一個(gè)像素點(diǎn)的最小特征值，并將結(jié)果存儲(chǔ)到臨時(shí)變量eig_image中;

對(duì)于每個(gè)像素，函數(shù)cvCornerMinEigenVal考慮block_size*block_size大小窗口的鄰域，并給出中心像素點(diǎn)的自相關(guān)矩陣M，其定義，如式（3）。

2.計(jì)算角點(diǎn)值

經(jīng)過角點(diǎn)檢

測并定位角點(diǎn)A后，以A點(diǎn)為圓心，做圓并與輪廓線相交于B、C 兩點(diǎn)。當(dāng)A、B、C三點(diǎn)構(gòu)成三角形時(shí)，計(jì)算角度θ，可以利用基本的三角公式進(jìn)行計(jì)算。如圖3。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 著地角和起跳角分析

對(duì)三級(jí)跳視頻圖像，得到并提取運(yùn)動(dòng)輪廓，提取出運(yùn)動(dòng)員的質(zhì)心和接地點(diǎn)坐標(biāo)，最終得到起跳角。圖5是廣州亞運(yùn)會(huì)哈薩克斯坦選手葉克托夫第二跳時(shí)的起跳角，得到重心坐標(biāo)A（108，79），著地點(diǎn)坐標(biāo)B（155，155），計(jì)算得到起跳角度為58.266 5度。

3.2 膝關(guān)節(jié)角分析

實(shí)驗(yàn)中選取了2011年廣州亞運(yùn)會(huì)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)員曹碩的視頻進(jìn)行研究，并對(duì)其中的一幀進(jìn)行了角度分析。實(shí)驗(yàn)結(jié)果，如圖6所示。

圖6中a為三級(jí)跳原圖像;b為經(jīng)輪廓處理后的二值圖像;c為角點(diǎn)檢測后，標(biāo)定好的角點(diǎn)序號(hào)的二值圖像，計(jì)算支撐腿的膝關(guān)節(jié)角∠8的角度值為153.4349度。

為更好地分析角度指標(biāo)對(duì)運(yùn)動(dòng)員成績的影響。下面對(duì)2010年廣州亞運(yùn)會(huì)及2012年倫敦奧運(yùn)會(huì)共8名三級(jí)跳遠(yuǎn)運(yùn)動(dòng)員進(jìn)行對(duì)比分析。表1中列出了八名運(yùn)動(dòng)員的著地角、起跳角、最終成績。 李延熙（中）、葉可托夫（哈薩克）、曹碩（中）分別為廣州亞運(yùn)會(huì)前三名;泰勒（美）、克拉耶（美）、多納托（意）為倫敦奧運(yùn)會(huì)前三名得主;孔波雷（法）在第五跳中出現(xiàn)“軟腳”失誤，桑茨（巴哈馬）因?yàn)閭≡诘谒奶谐霈F(xiàn)意外骨折。其角度指標(biāo)數(shù)值，如表1所示：

為便于形象化分析，將運(yùn)動(dòng)員的最終成績擴(kuò)大三倍顯示，如圖7所示。

對(duì)以上數(shù)據(jù)經(jīng)過折線圖處理，得到以下結(jié)論：

a. 從圖7（b）中可以明顯地看出，運(yùn)動(dòng)員跳躍時(shí)的著地角小于跨步跳著地角，同時(shí)小于跳躍時(shí)起跳角。經(jīng)過跨步跳之后，水平速度有所下降，運(yùn)動(dòng)員為提高成績，著地腿向前充分蹬伸，使得跳躍時(shí)的著地角偏小。雖然這樣不利于減少水平速度的損失，但可以延長與地面的緩沖時(shí)間，通過增大跳躍時(shí)的起跳角來增加騰躍高度，從而提高成績。

b. 根據(jù)角度值計(jì)算結(jié)果，可以得出運(yùn)動(dòng)員所采用的技術(shù)類型。兩名美國運(yùn)動(dòng)員跨步跳和跳躍角度值及折線圖相似，兩者采用了相同的技術(shù)類型，同時(shí)根據(jù)其跳躍時(shí)的起跳角比跨步跳時(shí)增幅明顯，用于提高第三跳的比例，可以判斷為速度型;對(duì)于多納托和葉可托夫兩者的跨步跳和跳躍時(shí)的起跳角度相對(duì)較大，可以以判斷為高跳型;對(duì)于曹碩其起躍角度較小，騰空時(shí)拋物線低，可以很好地保存水平速度，可以判斷為平跳型。

c. 比較中國與美國運(yùn)動(dòng)員的著地角和起跳角，可以看出在技術(shù)水平方面還存在差距。對(duì)于兩名美國隊(duì)員，其跨步跳著地角、跨步跳起跳角、跳躍著地角、跳躍起跳角平均值分別為：59.92、50.29、54.89、57.69;對(duì)應(yīng)國內(nèi)兩名運(yùn)動(dòng)員為：55.17、53.47、40.22、54.81。根據(jù)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)技術(shù)角度來看，在避免水平速度損失方面，中國運(yùn)動(dòng)員還存在差距。

d. 可以分析出運(yùn)動(dòng)員失誤原因。法國運(yùn)動(dòng)員孔波雷在跨步跳時(shí)起跳角過大，水平速度損失嚴(yán)重;跳躍時(shí)著地角過大，與地面緩沖時(shí)間短，以至于在第三跳時(shí)出現(xiàn)軟腿現(xiàn)象;而桑茨在角度指標(biāo)上看不出問題，出現(xiàn)失誤與其先前的傷病有關(guān)。

4 總結(jié)

可以看出，利用OpenCV可以對(duì)三級(jí)跳遠(yuǎn)運(yùn)動(dòng)員的角度指標(biāo)進(jìn)行定量計(jì)算，并根據(jù)數(shù)據(jù)進(jìn)行可靠的技術(shù)分析，這為運(yùn)動(dòng)員進(jìn)行科學(xué)訓(xùn)練提供了指導(dǎo)和幫助。

參考文獻(xiàn)

[1] 尚瑞花.三級(jí)跳遠(yuǎn)中各跳起跳時(shí)著地動(dòng)作的作用分析[J].中國體育科技， 2005， 41（2）：31-33.

[2] 盧剛，王宗平.中外兩名優(yōu)秀三級(jí)跳遠(yuǎn)運(yùn)動(dòng)員起跳技術(shù)分析[J].首都體育學(xué)院學(xué)報(bào)， 2004，16（2）：57-59.

[3] 張良平.男子三級(jí)跳遠(yuǎn)第一跳動(dòng)起跳與跳遠(yuǎn)起跳角度特征比較[J].內(nèi)江師范學(xué)院學(xué)報(bào).2010， 25（10）：104-107.

[4] Gary Bradski， Adrian.Bradski G， Kaehler A.學(xué)習(xí)OpenCV [M].于仕琪，劉瑞禎，譯.清華大學(xué)出版社， 2009：1-2.

[5] 劉慧英，王小波. 基于OpenCV的車輛輪廓檢測[J].科學(xué)技術(shù)與工程， 2010，10（12）：2988-2991.

[6] 劉瑞禎，于仕琪.OpenCV教程基礎(chǔ)篇[M].北京：北京航空航天大學(xué)出版社.2010（8）：296-297.

[7] Moravec. Visual Mapping by a Robot Rover [C]. International Joint Conference on Artificial Intelligence， 1979，8（2）：598-600.

[8] Moravec H P.Towards automatic visual obstacle avoidance[C].Proceedings of International Joint Conference on Artificial Intelligence，Cambridge，MA，USA，1977：584-590.

[9] Borgeofrs G. Hierarechical Chamfer Matching： A Parametric Edge Matching Algorithm[J] . IEEE Trans. on PAMI， 1988，10（6）： 849-865.

（收稿日期： 2019.08.27）