籃球運動員投籃動作自適應修正方法

武正旺 李瑋

(晉中職業技術學院 山西晉中 030600)

如何正確地檢查、判定投籃動作的正確與否，顯得尤為重要。目前我國對籃球投籃技術的規范化判定還沒有形成系統性的理論體系。在此基礎上，提出了一種基于可視化的投籃技術。在均勻且像素密度高的區域上形成云狀分布的特征點，對投籃動作的特征點進行分類辨識，但其在實際比賽中有一定的局限性［1］；在運動影像中，由于運動影像中的運動與人體姿態是動態變化的，現有的運動影像建模方法難以實現對運動影像的規范化重構，且對運動影像中的靶面形態矯正效果差。因此，通過對圖像的模板匹配，建立基于圖像的籃球運動逐級三維結構模型，并通過迭代法對運動方向、運動幅度等參數進行優化，提高運動的可信度。該方法的核心是建立籃球投籃動作的模板形態，選擇標準化動作的約束條件。

1 籃球運動員投籃動作自適應修正

1.1 采集投籃圖像信息

采用可視化技術，對所獲得的數據進行處理［2］，并構建了相應的圖像獲取模塊，實現了對運動員的動態調整。采用實時動態視頻幀監督的方法，通過轉換器，實現對視覺信息的數模轉換，通過程序控制開關，將投籃動作的三維視覺圖像通過模塊進行處理，以數據幀的形式進行編碼。并且根據所輸入的籃球運動視頻幀來調制數據［3］。設定模型可以對運動員的投籃動作的空間位置進行標記，在籃球投籃的空間與維度位置點上可以將最初變形時投籃動作坐標作為Q=(xe1，xe2，...，xe(n-1)，ye0，ye1，...，ye(n-1))，籃球館的特征圖形的長度為R，高度為H，將網格模板中籃球投籃的三維特征圖形分為若干個子塊，將其中的匹配位置與梯度方向的空間中心點對應位置設定為Q`=。之后，可以針對籃球在球員手中的球體網格模型進行計算，在第c個手工標記定點(xec，yec)時［4］，可以得到單幀籃球投籃動作的三角形剖分信息素。坐標公式設定如下：

在投籃動作過程中，采集到的樣本圖像可以表示成由3×3 個像素點組成的網格形式，對其進行提取，從而獲得投籃動作的規范化特征點的均方誤差計算公式如下：

公式（2）中，s為圖像均勻分布的網格總數。

在n個空間位置中的所有像素特征點［5］，投籃時運動員托舉球的動作誤差向量的計算公式如下：

公式（3）中，n為空間位置中的像素特征點。

根據上述內容，完成了對籃球運動員的三種空間位置的特征分析與像素點采樣，利用網絡圖形分析方法，在交互式數據場景中，判斷籃球運動員的投籃動作是否標準，具體判斷流程如圖1所示［6］。

圖1 投籃動作標準判斷流程

1.2 籃高升降的自適應調整

對得到的圖像信息進行分析，對籃球運動員在練習投籃時的數據展開測量，并將測量獲得的信息數據傳輸到軟件分析中，再進行數據處理與計算。最終確定了籃高與模型，從而完成了投籃動作在升降籃筐時調整的設計。通過加強對原始投擲臂的技術訓練［7］，來矯正不正確的動作。在研制過程中，利用3D視覺信息獲得運動員在投籃時的反應速度和高度，并對籃筐高度進行自適應調節，從而將運動員在投籃時的動作和標準動作進行比對，從而達到完成投籃練習的目的［8］。

設定獲取的運動員樣本數據的身高為L，投籃速度為v0，投籃速度與水平方向之間的夾角為β。在最理想的情況下，籃球投擲后，在水平方向上保持勻速直線運動［9］，而在豎直方向上則會受到重力的影響，產生勻加速直線運動?？梢缘贸鏊胶拓Q直方向的前進距離的計算公式如下：

公式（4）中，b為水平方向距離，d為豎直方向距離。

根據以上數據，確定球籃高度自適應調整投籃訓練裝置，從拋中空籃筐和拋碰板籃筐兩個角度來決定投籃角度?；@球運動員在投籃時，以籃球離開籃筐的瞬間為球的起點，設置橫向軸和縱向軸［10］。如果一個運動員在投籃時所產生的一個夾角為β，則β的計算公式為：

公式（5）中，p為將籃球在拋出的瞬間，籃筐與球心之間的距離，l為籃筐的端點位置與原點之間的間距。

在運動員進行碰板投籃練習時，假定籃板后側相同位置也有籃筐，則將球出手的瞬間圓心位置作為原點，運動員在練習投籃時所產生的投籃角度，可以用下面的計算公式來表示：

經過以上的分析，可以對籃球的投籃模式進行判斷，再根據投籃模式獲得對應的角度數據，從而為決定籃筐的高度提供了一個基礎。

1.3 投籃動作的特征檢測

為實現對投籃運動的特征探測，將多分辨率圖像識別與探測相結合，開展投籃運動的圖像特性與位置探測。首先獲取數據，并利用分水嶺分割技術，構建了一種基于激光點解析的籃球運動數據處理模型，實現了對籃球運動數據的3D重構。在此基礎上，提出了一種基于三維重建的運動軌跡圖的運動軌跡提取算法，對投籃動作的區域進行分割。對投籃動作的特點進行分析，得到的向量量化值是：在（x，y）點上，投籃動作圖像像素序列的邊緣特征點，在第k個子帶投籃動作的激光反射投影上，對投籃動作背景對應區域的特征值進行量化，并與平滑算子估計方法相結合得出匹配向量值。目標點的匹配值計算公式如下：

公式中，M、r分別為層次結構化的特征分解因子和匹配向量值，對圖像進行了重點突出處理，從而獲得了圖像的紋理信息。在集合中，區域內的最大相似度的計算公式如下：

公式（8）中，k是二階差與像素之間的相關特性匹配量。運動影像的方差為k/2，且運動影像輸出的協方差特征量為0 時，利用運動員的投籃動作的光學特性探測結果，來探測運動影像的運動軌跡。

通過對激光圖像的處理，實現對投籃運動的激光偏移探測，并通過對投籃運動圖像邊界特性的分析，對投籃運動進行偏移探測和校正，以提高投籃運動的穩定性。在常規的射擊運動中，對動作的偏移進行檢測，其主要包括模糊特征和邊界特征兩種。在此基礎上，構建了一個動作的激光偏移參數估算模型，并利用模糊度探測技術，對動作的偏移參數進行了估算，從而達到了對投籃動作的偏移探測。

1.4 投籃動作修正訓練

通過對激光圖像的分析，利用邊界輪廓特征提取的方法，獲得了背景集擴展的無標簽區域的邊界輪廓特征。特征計算公式為：

公式（9）中，va為擴展后的無標記區域的激光參數，vb為投籃動作圖像邊緣區域的像素，構建投籃動作圖像的相似性特征判別模型，獲取最大相似性。在此基礎上，利用運動員的投籃動作的激光影像中的形態特性，完成投籃動作的屬性特性探測，并與模糊特性探測相結合，完成投籃動作的修正與自適應探測。

研究基于光學分辨率的光場偏移探測技術、誤差校正與補償技術，實現對運動目標的精確定位，獲得運動目標的細節點分布模型。計算公式如下：

公式（10）中，?代表的是光分辨率性質的激光位移，a代表的是投籃動作激光圖像的輻射區域半徑，?代表的是投籃動作圖像的外觀亮度。

投籃動作位移檢測集合的計算公式如下：

公式（11）中，z為投籃運動的幾何形態誤差，q為激光條紋的強度，f為投籃動作的模糊聚類中心。得出圖像灰度級的計算公式為：

公式（12）中，i=1，2，3，...，k≠1，rk代表圖像的結構分布形態。

在此基礎上，通過對運動目標的運動軌跡進行描述，構建運動目標運動軌跡的特征分布集，并通過對多目標運動目標的自適應定位，獲得運動目標的激光運動軌跡數據的分布集。通過對運動軌跡進行數據處理，利用模糊度參數分析的方法，獲得了運動軌跡的頻譜分布。通過對具有光分辨率的激光位移探測進行誤差修正與補償，并與物體的外形特征分布相結合，完成對射門過程的激光位移探測。其動態軌跡分布表示公式如下：

公式中，ycm代表的是激光位移探測的動態軌道分配因子，ydm為d維數據構成的動態軌道分配因子。對運動目標圖像中各像素點的空間分布特性進行分析，并與光譜密度法相結合，對運動目標進行激光位移探測。

對投籃失誤動作信息進行采樣，并將其傳送到計算機。然后將一個高斯向量作為一個比例尺，得到了一個柵格模型的直徑。經過以上的分析，得到了修正后的運動員在運動過程中的視覺信息。針對輸出的視覺信息，通過專家系統來實現對其的指導。在這樣的情況下可以通過專業程序來對規范投籃行為的視覺數據進行研究，根據分析的結果來調整不標準的投籃動作和身體，從而實現對投籃動作的規范化，加強投籃訓練提升投籃技術。

2 實驗測試

利用上述分析實現籃球運動員投籃動作自適應修正方法，為了驗證該研究方法的實用性，選擇20 名不同身高的運動員使用該研究所設計的方法，身高170～175 cm 的有8 人，175～180 cm 的有7 人，180～185 cm 的有5人，依次記為A組、B組、C組，在進行測試前，對實驗內的各個參數進行分析與對比，為保證公平性，參數數據為實際測試得出。

以280像素×360像素為主要數據，即每個投籃運動視頻圖像的寬度為280像素，高度為360像素。以一套完整的投籃運動視頻圖像模擬數據表示一個投籃動作，每個投籃運動視頻圖像包含50 張測試圖片，投籃運動視頻圖像數據庫中包含1 024×5 000張測試圖片，構建了一個簡化的籃球運動視頻分析模型，將解析數據輸入軟件，對其進行了圖像處理、可視分析，并給出了投籃運動的規范化判定。實驗的球員身體參數表如表1所示。

表1 三組球員參數數據表

將表1中的球員身體參數與運動員投籃標準化動作數據輸入圖像數據處理軟件中，進行視覺分析與處理，對實際運動員的投籃動作進行指導，構建籃球投籃動作的圖像采集模型，進行邊緣輪廓檢測和自適應特征進行分割。

實驗進行激光條紋圖譜分析，圖譜分析的結果如圖2所示。

圖1 投籃動作激光圖譜分析

通過分析圖2 可知，運用本文方法進行激光圖譜分析得出的特征辨識度比較高。對投籃動作運動的激光偏移進行了測量，在全程探測和記錄中，投籃動作的激光偏移曲線的峰位均在480 nm 附近，這一極限值不具有周期性出現的特性。

經過實驗測試分析，對于A、B、C 三組球員的多個投籃動作將視覺分析的結果取平均值，在投籃動作的三維空間中，完成了自適應調整，并對投籃訓練動作的標準性進行了判定，得到了如表2所示的結果。

表2 投籃動作標準實驗結果

由表2 中的數據可以看到，該文所設計的方法可以精確地對投籃的不標準性進行修正，從而實現對投籃的實時調節，并對投籃的訓練進行指導。投籃技術的規范化將直接關系到籃球技術的訓練結果，而籃球技術的規范化評判有助于提高籃球技術的訓練質量。

3 結語

為了提高投籃精準度，可以采用構建運動員投籃運動的自適應激光3D點解析模型的方法，并結合分水嶺校正法、邊緣輪廓特征提取法、激光條帶圖譜解析法等技術來構建投籃運動的激光圖像相似特征判別模型，并且通過研究運動員投籃運動的像素點分布融合特性，并與光譜密度分析法相結合，實現對投籃運動的激光位移探測。在后續研究與分析中，將進一步開展射門運動圖像的自動化識別。從一致性本質出發，對該識別處理的算法基礎條件進行分析，既能限制射門運動特征的矢量標度，又能降低錯誤值對識別結果的影響。