篮球训练中投篮手势与命中率研究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了篮球训练中投篮手势与命中率研究范文，希望能给你带来灵感和参考，敬请阅读。

摘要:为了量化分析篮球训练中投篮手势与命中率相关性,提出基于视觉图像特征提取的篮球训练中投篮手势与命中率相关性分析模型,采用高分辨的视觉信息增强技术进行篮球训练中投篮手势动作视觉图像采集,提取篮球训练中投篮手势动作的视觉信息特征量,分析各种手势状态下与命中率相关性关系,采用三维视觉重构技术进行篮球训练中投篮手势动作规划设计,构建篮球训练中投篮手势与命中率相关性关系模型,结合图像信息融合和自适应分割处理方法实现篮球训练中投篮手势与命中率的视觉评估和相关性分析.仿真结果表明,采用该方法进行篮球训练,投篮手势与命中率评估的准备性较高,可靠性较好,提高了篮球训练中投篮命中率.

关键词:篮球训练;投篮手势;命中率;相关性

随着计算机图像处理技术的发展,采用计算机视觉信息处理技术进行体育运动训练指导已成为新的技术手段,提高运动训练的效果.在篮球训练中,投篮的命中率与投篮手势有相当大的关系,采用图像信息处理技术进行篮球训练中投篮手势与命中率相关性建模[1].研究篮球训练中投篮手势与命中率相关性分析模型,在促进篮球投篮动作的优化中具有重要意义.提出基于视觉图像特征提取的篮球训练中投篮手势与命中率相关性分析模型,分析各种手势状态下与命中率相关性关系,采用三维视觉重构技术进行篮球训练中投篮手势动作规划设计,实现投篮手势与命中率的相关性分析,最后进行实验测试分析,得出有效性结论.

1投篮手势动作视觉图像采集和预处理

1.1投篮手势动作视觉图像采集

为了分析篮球训练中投篮手势与命中率相关性,首先构建篮球训练中投篮手势动作的视觉图像采集模型,采用多维度的视频跟踪采样方法,结合点扫描跟踪技术,进行篮球训练中投篮手势动作空间的视觉特征采集[2],得到篮球训练中投篮手势动作空间的三维视觉采样图像为s(X,Y),采用关联帧的光束扫描方法,得到篮球训练中投篮手势动作的多帧图像位姿分布模式为:其中,assoc(A,V)是机器视觉下篮球训练投篮手势动作视觉图像的像素点子集A中的像素交叉点幅值,assoc(B,V)为篮球训练中投篮手势动作视觉图像的三维边缘轮廓特征量,假设篮球训练中投篮手势动作视觉图像的灰度像素集为(i,j),以此为像素中心,根据拍摄不同位置和朝向的篮球训练中投篮手势动作与命中率的关系,结合图像融合跟踪识别方法进行视觉融合,对采集的篮球训练中投篮手势动作视觉图进行镜面反射融合处理[3],得到篮球训练中投篮手势动作视觉特征匹配的相关性特征解为:a-aT/2+bmTaT其中,T为投篮周期,bm为篮框与地面之间距离,a为投篮动作抬起时高度,距离将篮球训练中投篮手势动作视觉图像的直方图与参考特征点进行视觉跟踪匹配,利用模糊跟踪识别方法,进行篮球训练中投篮手势动作视觉旋转不变性分析,提取篮球训练中投篮手势动作视觉图像的灰度不变矩[4],在像素分布空间内,计算篮球训练中投篮手势动作视觉图像的灰度大小,在4×4子块的局部区域内建立篮球训练中投篮手势动作视觉图像的多层分割模型,描述如下:采用高分辨的视觉信息增强技术进行篮球训练中投篮手势动作视觉图像采集,结合边缘轮廓特征检测方法,构建篮球训练中投篮手势动作视觉分布的相关性特征匹配函数f(gi)为:式(4)中,ρj为投篮的空气阻力,vij为投出的篮球速度,ε为手臂抬起高度,因此篮球训练中投篮手势动作空间的旋转和平移输出为:WWiik‖WiWj‖在模糊区域中,采用手持式数码设备连续拍摄方法进行图像采集,得到篮球训练中投篮手势动作视觉图像采集输出为:根据上述分析,采用高分辨的视觉信息增强技术进行篮球训练中投篮手势动作视觉图像采集,提取篮球训练中投篮手势动作的视觉信息特征量,提高篮球训练中投篮手势与命中率相关性分析的准确度[5].

1.2图像信息增强处理

对篮球训练中投篮手势动作视觉空间中每一个模板进行网格分割,在m∗n区域内进行投篮手势与命中率相关性分析和特征重构,构建篮球训练中投篮手势动作视觉分析模型,得到篮球训练中投篮手势动作视觉图像的区域特征分布点为:其中,t0表示篮球训练中投篮手势动作视觉图像的结构相似度,A为投篮时人与篮框的水平距离,在图像3∗3邻域结构进行模板匹配,通过篮球训练中投篮手势动作视觉图像的采集结果进行空间分割[6].假设输入的篮球训练中投篮手势动作视觉图像模糊区域梯度模特征其中,t~(x)为图像帧特征点匹配集,Ac为篮球训练中投篮手势动作视觉分布的统计特征量,Ic(y)为图像的位姿r在第i个特征采样点的边界值,将特征点加入到重建场景中,实现篮球训练中投篮手势动作视觉特征量提取和三维重构[7],得到篮球训练中投篮手势动作视觉特征重构输出为ij综上分析,构建篮球训练中投篮手势动作规划的视觉图像增强模型,篮球训练中投篮手势与命中率相关性分析模型如图1所示.

2投篮手势与命中率相关性分析优化

2.1相关性特征提取

在采用高分辨的视觉信息增强技术进行投篮手势动作视觉图像采集的基础上,进行投篮手势与命中率相关性分析,有效提取篮球投篮动作特征点视觉图像的动态特征,需要传感器数据采集方法,提取篮球投篮动作图像的边缘轮廓信息,篮球投篮动作特征点视觉图像的接收反射场强度Hrc,构建篮球投篮动作特征计算机视觉图像信息采集的约束条件如式(10):∑Ll=1dlwl(10)采用一个4×4子块分割模型进行投篮手势动作视觉轮换和特征提取,在投篮手势动作视觉图像的三维分布区域内,采用分块特征匹配方法[8],得到篮球训练中投篮手势的灰度二值化分离结果为:Vdi(t+分别表示篮球投篮动作特征点分布的强度,篮球投篮动作特征的监控输出为:对篮球投篮动作特征点的纹理结构信息进行突变和平滑区域区分,分析各种手势状态下与命中率相关性关系,计算公式为:iji()j()其中,pi,j(t)为t时刻篮球训练中投篮手势动作位移特性,spi,j(t)为篮球训练空间位置的可行性角度集,Δp(t)为标准篮球训练中投篮手势动作的参照值,zi(t),zj(t)分别为相似度篮球训练中投篮手势动作特征输出,由此构建投篮手势与命中率相关性分析模型,采用图像信息融合和自适应分割处理方法实现篮球训练中的投篮动作特征分析.

2.2投篮手势与命中率的视觉评估分析

根据篮球训练中投篮手势动作视觉图像的采集环境的差异性,得到篮球训练中投篮手势动作视觉位姿偏移量为:其中,Δu为篮球训练中投篮手势动作图像帧有局部关联像素点,σ为篮球训练中投篮手势动作视觉光束平差特征量,在Ag区域内,得到篮球训练中投篮手势动作视觉像素点的局部关联帧,采用多层次多方向的特征融合方法[9],得到篮球训练中投篮手势动作空间的相似度特征分布为:提取篮球训练中投篮手势动作视觉特征分布的衍射R、G、B分量,投篮手势动作与投篮命中率的相关性视觉三维重构的模板匹配值为AR、AG、AB和WR、WG、WB,基于高频系数融合方法,得到篮球训练中投篮手势动作特征模板为m∗n,篮球训练中投篮手势动作与命中率的相关性关系输出为:Efθ,[(k)]=0,∀θ∈[-π,π],∀k∈Z(21)结合联合稀疏结构特征分解方法,进行篮球训练中投篮手势动作视觉融合[10],得到投篮手势与命中率的相关性分布集为:其中,Z(i)=∑j∈Ωexp(-d(i,j)h2)为篮球训练中投篮手势的变化梯度特征,定义篮球训练中投篮手势动作视觉图像的梯度模特征,采用梯度模特征融合方法,进行图像信息融合和自适应分割处理,结合图像信息融合和自适应分割处理方法实现篮球训练中投篮手势与命中率的视觉评估和相关性分析.

3仿真实验与结果分析

为了测试该方法在实现投篮手势与命中率相关性分析中的应用性能,进行仿真实验,实验采用Matlab进行算法设计,投篮手势动作视觉特征采样的分辨率为600×800像素,投篮手势动作视觉图像像素序列分布共有1200帧,局部关联帧为600,模板匹配系数为0.3,根据上述仿真环境和参数设定,进行篮球训练中投篮手势与命中率相关性分析仿真,得到篮球投篮手势动作图像的像素特征量图像如图2所示.以图2的图像为输入,分析各种手势状态下与命中率相关性关系,采用三维视觉重构技术进行篮球训练中投篮手势动作规划和特征提取,得到篮球投篮手势与命中率的相关性关系分布特征提取结果如图3所示.分析图3得知,采用该模型进行投篮手势与命中率相关性分析,对视觉信息的融合度较高,测试命中率的评估结果,如图4所示.分析图4得知,采用该方法进行篮球训练中投篮手势与命中率评估结果的准确性较高,可靠性较好,提高了篮球训练中投篮命中率.

4结语

在篮球训练中,投篮的命中率与投篮手势有相当大的关系,分析篮球训练中投篮手势与命中率相关性,采用图像信息处理技术进行投篮手势与命中率相关性建模,提出基于视觉图像特征提取的投篮手势与命中率相关性分析模型,进行投篮手势动作视觉图像采集,提取投篮手势动作的视觉信息特征量,构建投篮手势与命中率相关性关系模型,结合图像信息融合和自适应分割处理方法实现篮球训练中投篮手势与命中率的视觉评估和相关性分析.研究得知,采用该方法进行投篮手势与命中率评估结果。

作者:武正旺 单位:晋中职业技术学院