视觉感知下篮球训练投篮角度矫正研究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了视觉感知下篮球训练投篮角度矫正研究范文，希望能给你带来灵感和参考，敬请阅读。

［摘要］针对现有篮球训练投篮角度矫正方法中存在的矫正精度低、自适应性差的问题，提出基于视觉感知的篮球训练投篮角度矫正方法。采用视觉特征采集方法，提取出视频中的篮球训练投篮角度行为信息，根据低秩学习和空间参数融合方法，建立篮球训练投篮角度行为参数分析模型;结合具体行为参数学习结果，建立篮球训练投篮角度的空间解算模型;通过分块检测和分段样本融合方法，建立多尺度卷积核的篮球训练投篮角度矫正参数感知模型，获取不同感受视觉分析模型下的篮球训练投篮角度矫正参数，将原始篮球训练投篮角度参数视频分割为多段，通过视觉感知方法，实现篮球训练投篮角度矫正和自适应误差反馈，降低篮球训练投篮角度误差。

［关键词］视觉感知;篮球训练;投篮;角度矫正;尺度卷积

0引言

在计算机视觉和图像处理技术日益成熟的背景下，采用机器视觉对图像进行识别，对采集的体育运动图像进行视频参数分析，并反馈到人机交互系统和专家系统中，实现运动训练的指导［1］。根据这一思路，研究篮球训练投篮角度矫正方法，提取篮球训练的投篮角度信息特征量，分析篮球训练投篮角度参数和训练动作特性，指导篮球训练动作的矫正改进［2］。针对篮球训练投篮角度视觉特征建模困难等问题，结合机器视觉分析，实现篮球训练投篮角度矫正，相关篮球训练投篮角度矫正方法研究在体育学界和计算机视觉参数分析领域均得到了较好的应用［3－4］。何波提出一种借助角点对篮球训练投篮角度进行矫正方法［5］。该方法根据篮球训练投篮角度的交互可视化分析，对篮球训练中肢体绕动及小臂旋转参数进行分析，通过Hari角点检测，进行动态校准，该方法可有效提取篮球投篮角度，但该方法的视觉融合性较差，导致角度矫正效果较差。苗俊提出采用超像素特征分解的投篮角度校正和可视化分析方法［6］。该方法采用动力传感敏感跟踪元件实现篮球训练投篮角度数据采集，构建篮球训练投篮角度数据特征分析模型，结合运动学参数融合和动态识别方法进行篮球训练投篮角度数据的分类检测。该方法可有效改善篮球投篮角度矫正的精度，但该方法在提取投篮角度时计算过程复杂，抗干扰能力较差。针对上述问题，本文提出基于视觉感知的篮球训练投篮角度矫正方法。首先采用视觉特征采集方法，提取出视频中的篮球训练投篮角度行为信息，然后建立多尺度卷积核的篮球训练投篮角度矫正参数感知模型，获取不同感受视觉分析模型下的篮球训练投篮角度矫正参数，采用图像分析方法，实现视觉感知分析，完成篮球训练投篮角度矫正。与传统方法相比，该方法具有一定优势。

1篮球训练投篮角度视觉采样和预处理

1．1篮球训练投篮角度视觉感知

采用视觉特征采集方法，提取出视频中篮球训练投篮角度行为信息，采用3D人体姿态融合参数估计方法，构建篮球训练投篮角度图像视觉估计模型，通过3D姿态的空间方位分布，采用深度图像转换方法，实现对篮球训练投篮角度图像参数估计和角点跟踪，通过梯度信息参数估计方法，实现对篮球训练投篮角度图像视觉融合和连续帧采样。建立篮球训练投篮角度行为参数分析模型［7］，结合具体的行为参数学习结果，采用体元数据融合，应用人体动力学先验参数估计，实现投篮角度估计。篮球训练投篮角度参数采集流程如图1所示:在篮球训练投篮角度采集中，采用两级级联结构参数估计方法，引入3D几何约束，进行篮球训练投篮角度动作图像矫正参数的采集。然后采用联合特征分析方法和关键技术动作参数分析，在多视角特征融合下，得到篮球训练的动作图像矫正帧结构模型为:u(t)=rect(kT)(1)式中，T表示篮球训练投篮动作目标函数，在第k个平面(1≤k＜P)中，基于三维图像信息和几何约束的方法，采用尺度不变性估计方法，得到篮球训练中小臂内旋视觉像素集I(x，y)中的点x对应的3D人体姿态真值为:(2)其中，为尺度空间3D人体姿态真值分布集，将2D人体姿态估计模型融合到篮球投篮训练的人体三维空间中，实现篮球训练投篮角度视觉感知。

1．2篮球训练投篮角度视觉参数融合处理

根据低秩学习和空间参数融合的方法，建立篮球训练投篮角度行为参数分析模型，结合具体的行为参数学习结果［8］，得到2D图像向2D姿态转化的分布集I(i，j)为:I(i，j)=∑Pk=1I(k)(i，j)×2k－1(3)采用姿态匹配的方法，结合RGB分量解析，得到篮球训练投篮角度可视化融合分布式为:(4)其中，表示篮球训练投篮角度信息，∧表示2D骨架序列为输入的3D姿态联合分布集，∨表示2D骨架序列为输入的3D姿态的G分量与B分量的位置，\表示按位取反，每个全连接层的Wt可表示为:(5)以3D人体姿态真值作为神经网络的输入层，在参考像素的块匹配空间内，在数据集Proto-col内，采用循环神经网络(RecurrentNeuralNet-work，RNN)［9］实现对篮球训练投篮角度的空间视觉融合，即:式中，s代表篮球训练投篮角度的空间缩放因子，θ是篮球训练投篮角度估计值，tx和ty分别为计算机视觉和机器学习视觉下的特征分量。

2篮球训练投篮角度矫正

2．1篮球训练投篮角度视觉特征分析

在上述篮球训练投篮角度相关参数提取基础上，建立篮球训练投篮角度的空间解算模型。采用分段检测方法得到篮球训练投篮角度视觉分解结果为:Φ(t)=∫u(t)(t－A)dt(7)假设篮球训练投篮角度视觉分布时间平移为t*，投篮角度对应的轨迹为:Φ(t，τ*)=1－|1－t|Wt/A(8)其中，τ=(1－a)t0表示篮球训练投篮角度视觉采样时延，基于判别算法得到特征量，篮球训练投篮角度检测的判决表达式为:Wf=maxτ|∫T0u(t)1槡tΦ(t，τ*)dt|(9)采用小波降噪对篮球训练投篮角度视觉信息执行降噪处理，通过篮球训练投篮角度视觉图像降噪，提高输出信噪比，得到篮球训练投篮角度视觉融合分量为:L=Wf－∑Ni=1ai{Φ(t)+J(w，e)+φ(xi)}(10)其中，ai表示篮球训练投篮角度视觉图像s'在网格点(x'，y')处的灰度信息，J(w，e)为篮球训练投篮角度视觉信息采样的亚像素级，φ(xi)表示篮球训练投篮角度视觉分布函数。结合篮球训练投篮角度误差补偿，得到篮球训练投篮角度补偿尺度定为:Fi(v)=mnlog(L/φ(xi))(11)其中，n表示篮球训练投篮角度检测的转元组数，m表示马尔科夫链的蒙特卡洛分配函数。其中，马尔科夫链的蒙特卡洛位移为:D=Fi(v){Si，j(t)，Ti，j(t)，Ui，j(t)}(12)其中，Si，j(t)表示最优解的姿态融合分量，Ti，j(t)表示多种结构化预测参数，Ui，j(t)表示人体关节点标定窗口函数，由此得到篮球训练投篮角度视觉特征检测输出:II(n1，n2)=14J∑1i1=0∑1i2=0II－1(2c1+i1，2c2+i2)(13)其中，J为篮球训练投篮角度视觉检测的Harris分量，i为当前尺度空间Ic的灰度值，c为篮球训练投篮检测的迭代次数。采用基于直接回归的篮球训练投篮角度估计算法，实现视觉感知和特征分析。

2．2投篮角度矫正实现

采用深度学习的方法进行篮球训练投篮角度估计，得到图像边缘轮廓检测矩阵J(x，y，σ):提取部分的CNN层作为篮球训练投篮角度估计的初始化模型，根据篮球训练投篮角度视觉像素特征分解结果，得到特征检测过程为:其中，G(σI)表示邻域检测系数，σI为Harris尺度，σD为篮球投篮角度的边缘分布尺度，x，y为空间坐标系。将2D姿态估计结果与来自图像的特征进行级联，对投篮角度的交互可视化分析，基于相对位置信息交互，得到篮球训练投篮角度检测的模糊度匹配系数为:(16)其中，u∈{1，2}，u为投篮角度在邻域p(i，j)的浅层网络学习函数，(i，j)为关节之间的结构边缘特征量。通过上述设计，获取不同感受视觉分析模型下的篮球训练投篮角度矫正参数，将原始篮球训练投篮角度参数视频分割为多段，实现了篮球训练投篮角度交互和可视化分割［10］(如图2所示)。

3实验测试

3．1实验方案

实验在Matlab上进行仿真测试，采用多个VGA摄像机采集投篮现场角度信息，对篮球训练投篮角度的视觉采样的3D几何约束参数设置为0．344，像素值设置为240*360，投篮次数与初始根据表1的参数，进行篮球训练投篮的角度校准，设计的原始视觉感知(如图3所示)。

3．2实验结果分析

为验证该方法的有效性，实验分析了以该方法、何波提出的方法以及苗俊提出的方法对样本篮球投篮角度进行跟踪的相关数据，以验证角度矫正方法的自适应性，得到的结果如图4所示:分析图4可以看出，在相同实验条件下，采用该方法、何波方法以及苗俊方法对篮球投篮角度跟踪的效果存在一定差异。其中，何波方法以及苗俊方法对篮球投篮角度跟踪的效果在合理的误差范围内，但相比之下，该文方法对篮球投篮角度跟踪的效果最好，存在的误差最小。这是由于该方法采用视觉感知方法对其投篮角度数据进行提取，进而提升了该文方法的有效性。为进一步验证该方法的有效性，实验分析了三种方法对样本投篮角度矫正的精度，得到的实验结果如表2所示。分析表2中数据可以发现，随着投篮次数的不断改变，三种方法对投篮角度矫正的精度存在一定差异。其中，本文方法的投篮角度矫正的精度最高约为92．5%，何波方法的投篮角度矫正的精度最高约为52．4%，苗俊方法的投篮角度矫正的精度最高约为73．0%。相比之下本文方法的矫正精度远高于其他两种方法，验证了该方法的有效性。

4结束语

针对篮球投篮角度矫正方法中存在的不足，文章提出篮球训练投篮角度矫正方法。根据提取篮球训练的投篮角度信息特征量，分析篮球训练投篮角度参数和训练动作特性，指导篮球训练动作的矫正改进。对投篮角度的交互可视化分析，基于相对位置信息交互，获取不同感受视觉分析模型下的篮球训练投篮角度矫正参数，将原始篮球训练投篮角度参数视频分割为多段，实现篮球训练投篮角度矫正。实验结果表明:采用本方法对篮球训练投篮角度矫正效果较好，对篮球运动员投篮训练具有一定帮助。

作者:任立耀 单位:山西工程科技职业大学