基于视频的体育运动分析系统的研究与实现

近年来，利用运动员的训练、比赛视频图像作为体育训练的参考，进行体育运动分析是国内外普遍采用的一种行之有效方法。体育运动分析运用了当今流行的图像处理、人体仿真学、计算机视觉等多领域的研究热点，以运动员为研究对象，对其进行定性以及定量分析，达到科学辅助训练的目的。
文中拟以体育运动视频图像为主要研究对象，以视频处理技术为主要研究手段，设计并实现一种集合视频控制、全景图合成、静态背景抑制、运动目标跟踪及量化等功能为一体的体育运动分析系统。

1 系统设计需求分析
传统的体育运动分析主要是基于经验和人眼的观察和分析方法，显然此类方法具有明显的局限性和不足。
体育运动分析的主要目的就是通过分析运动员训练和比赛的视频图像，利用视频图像在时间和空间上的相关性，得到各种人体运动学参数以及运动员和教练员感兴趣的各类信息，实现科学指导训练。
文中借助Visual C++．net 2003开发平台，研究和设计了―个基于视频的体育运动分析系统，实现了对运动视频的定性和定量分析，具有很强的实用性。

2 系统功能设计及其算法实现
2．1 系统总体功能设计
文中主要针对单目视频进行人体运动分析，利用Directshow技术对运动视频进行控制；利用基于马赛克的图像拼接技术，提取视频中的背景信息，对视频图像进行时域分割，提取视频中的运动目标，最后合成全景图像；利用帧间差分法滤除静态背景，实现背景抑制；结合卡尔曼滤波和色块匹配技术，对运动关键部位进行自动跟踪，并获取人体运动学参数建立基于视频的体育运动分析系统。
系统主要功能框架，如图1所示。整个系统由4部分组成。

2．2 视频控制
DirectShow使用一种叫Filter Graph的模型来管理整个数据流的处理过程；参与数据处理的各个功能模块叫做。Filter；各个Fiher在Filter Graph中按一定的顺序连接成一条“流水线”协同工作。本系统采用先进的DirectShow视频播放技术，根据教练和运动员进行动作分析的需要，增加各种速率视频播放、视频图像剪辑、逐帧图像显示等功能。
2．3 全景图合成
相邻帧间两幅图像的关系便归结为初等坐标变换，即平移、旋转、仿射、双线性和透视变换的组合。实际上当摄像机的移动的幅度不是很大并且离景物很远的情况下，对视频图像进行拼接时就可以不考虑图像间的变形失真，此时两图像间的变换矩阵M由下式确定

对于8个参数的确定需要准确的确定4个匹配点，然后通过式(2)就可以确定变换矩阵M，M的确定，如图2所示。

4组匹配点就可以完全确定含有8个未知数的8个方程。这些方程全是线性方程组，可以通过Gauss全选主元消去法进行求解。
假设已经通过相关匹配到3组点(A，A')，(B，B')，(C，C')，由于帧间变化的渐变性，A点的位移幅度应该和B点及C点的位移幅度相近，否则就说明有误匹配出现。取如下定义
rang(A)=| A-A'| (3)
若出现|rang(A)-rang(B)|>ε(此处ε为合适的阈值)说明出现了误匹配，结合| rang(A)-rang(C)|就可以确定出哪个点出现了误匹配，然后重新选取模板进行匹配；重复执行以上过程直到A，B，C都满足条件。
整个误匹配的消除过程中采用的举手表决的方式，对于4组点误匹配的消除，选取模板的时至少选5组，只有这样才不会出现类似于正确对错误为2：2的情况。
由于在重叠区域直接取两幅图像中其中的一幅进行图像合成，很容易在重叠区域的边界处形成明显的拼缝，因此，需要采用图像融合技术合成全景图。
以左右拼接的两幅图像I1(i，j)和I2(i，j)为例，则重叠区域图像的像素值I(x，y)可表示为
I(i，j)=d(i)I1(i，j)+(1-d(i))I2(i，j)(4)
其中，d(i)为融合系数，它与离边界的距离成正比关系，上述计算是按扫描线逐条进行的，因此该方法适用于任意形状的两幅图像的融合。
图3为全景图合成结果。图3(a)～图3(d)为要合成的视频图像中提取的4帧，图3(e)为合成的背景全景图，图3(f)为添加了运动目标后的全景图。