新闻中心

EEPW首页 > 消费电子 > 设计应用 > 基于视频的体育运动分析系统的研究与实现

基于视频的体育运动分析系统的研究与实现

作者:时间:2009-12-16来源:网络收藏

近年来,利用运动员的训练、比赛图像作为体育训练的参考,进行是国内外普遍采用的一种行之有效方法。运用了当今流行的、人体仿真学、计算机视觉等多领域的热点,以运动员为对象,对其进行定性以及定量,达到科学辅助训练的目的。
文中拟以图像为主要对象,以处理技术为主要研究手段,设计并一种集合视频控制、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

本文引用地址:http://www.eepw.com.cn/article/166828.htm


1 设计需求分析
传统的主要是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。
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,科学指导训练。
文中借助Visual C++.net 2003开发平台,研究和设计了―个视频的体育运动分析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。

上一页 1 2 3 4 下一页

推荐阅读

评论

技术专区

关闭