《基于区域生长法的太极拳竞赛场地分割算法》-工学论文，通信论文-论文范文参考-科学狗论文网

标题

基于区域生长法的太极拳竞赛场地分割算法

范文

孙瑞阳孙玉滨段炼赵蓝飞

【摘要】本文提出一种基于区域生长的太极拳竞赛场地分割算法。首先，将彩色太极拳竞赛图像转换到YCbCr空间;其次，利用大津法进行阈值分割得到竞赛场地的种子区域;最后，以种子区域作为起始，利用区域生长法分割出太极拳竞赛场地区域。实验结果验证本文算法的有效性。

【关键词】 ? ?太极拳竞赛场地分割 ? ?区域生长法 ? ?种子区域

Taijiquan competition ground segmentation algorithm based on region grow

Sun Rui-yang1， Sun Yu-bin1， Duan Lian2， Zhao Lan-fei3

（1. College of National Traditional Sports， Harbin Sport University， Heilongjiang Harbin 150008;

2. Financial Department， Harbin Sport University， Heilongjiang Harbin 150008;

3. The Higher Educational Key Laboratory for Measuring and Control Technology and Instrumentations of Heilongjiang Province， Harbin University of Science and Technology， Heilongjiang Harbin 150080）

Abstract： ?This paper proposes a Taijiquan competition ground segmentation algorithm based on Ransac model. Firstly， taijiquan competition image is transformed into YCbCr color space. Secondly， Otsu is employed to estimate the threshold which segments the competition ground into seed region. Finally， region grow is employed to segment the taijiquan competition which begins from the seed region. Experimental results verify the effect of the proposed algorithm.

Keywords： ?taijiquan competition field segmentation; region grow; seed region

引言

隨着科技的不断进步和发展，体育竞赛也逐渐融入了许多科技因素从而使体育运动变得科技化、智能化。典型的体育科技包括：科学训练、管理技术，自动化体育项目评分系统，鹰眼系统，视频辅助裁判系统等。这些科学技术可以辅助运动员科学化训练，在竞赛过程中减少人为主观因素造成的误判现象。作为中华民族传统体育项目，太极拳运动也在不断尝试逐步现代化并推广到全世界。但是，人为主观因素容易影响太极拳竞赛的评分过程。因此，通过计算机实现自动太极拳竞赛动作打分是传统武术界的研究热点问题。自动评分系统主要分为以下三个过程：太极拳竞赛区域分割，运动员姿态估计，姿态匹配与评价。在这三个过程中，太极拳竞赛区域分割的好坏直接决定自动评分系统是否能够区分正在比赛中的运动员目标、非竞赛人员目标。因此，太极拳竞赛区域分割是非常重要。本文提出一种基于区域生长的太极拳竞赛场地分割算法。通过对太极拳竞赛图像进行基于Cb通道和Cr通道的二维大津法从而获得区域生产的起始种子区域。以区域生长法作为太极拳场地分割的核心算法，对起始种子区域进行不断地区域生产，从而实现太极拳竞赛场地分割。实验结果验真本文算法可以有效地分割太极拳竞赛区域，且分割出竞赛场地与真实太极拳竞赛场地之间相似度较高。

一、本文算法

1.1 ?色彩转换模型

假设输入的太极拳竞赛图像由R、G、B三通道构成，则由RGB空间转换为YcbCr空间的表达式如式（1）所示：

（1）

其中Y、Cb、Cr分别对应于转换后的亮度和两个色差通道数据。为了便于后续数据处理，这里将Cb和Cr通道数据进行归一化，从而使这两个通道的数据范围调整到0和1之间。

1.2 ?二维大津法确定种子区域

对由Cb，Cr数据通道形成的二维矩阵进行二维OTSU算法。定义二维直方图P（b，r），其中符号b代表Cb通道色阶值，r代表Cr通道色阶值。前景（种子点）的概率可以表示为：

（2）

其中u和v分别代表Cb和Cr通道的色阶阈值，用于区分前景和背景。灰度均值变量可以表示为：

（3）

通过如式（4）所示的表达式确定最佳的二维门限值

（4）

二维OTSU算法的具体步骤为：

1）建立二维直方图P（b， r），其中符号b代表Cb通道色阶值，r代表Cr通道色阶值;

2）对二维直方图P进行全局搜索，从而计算全部如式（4）所示的矩阵离散度;

3）在全部矩阵测度中搜索最大的测度值，并确定最优的二维门限值。

1.3 ?区域生长法分割太极拳竞赛区域

通过如式（4）所示的表达式得到二维门限的最估计后，对各个像素点进行门限判断即可得到很多具有可以被当做种子点的候选点。这里将具有空间相邻关系的候选点进行合并，得到多个大小不同的候选区域。将面积最大的候选区域作为种子区域，并进行区域生长即可得到最终的太极拳竞赛区域。区域生长法的步骤如下所示：

1）以OTSU方法确定的种子区域作为区域生长的起始区域;

2）选取任意一个起始区域边界像素的区域外具有空间相邻关系的邻域像素，判断该邻域像素的亮度与区域平均亮度之间的欧式距离是否小于事先设定好的门限值。如果欧氏距离小于门限值，则将该邻域像素加入区域内;

3）选取下一个邻域像素，更新区域的平均亮度值;

4）重复步骤2），步骤3）直到遍历完全部边界相邻像素为止，此时得到一个新的起始区域;

5）重复步骤2、步骤3），步骤4）直到区域边界的全体邻域像素与区域的欧式距离均小于门限值为止。

二、实验结果与分析

本文通过Matlab2013对竞赛区域算法进行仿真验证。实验采用的硬件平台处理器是Intel公司推出的i5-9400F，内存16G，显卡是Nvidia推出的GTX1050Ti。实验部分对比Hung算法[1]，Homayounfar算法[2]以及本文算法。各算法对于场景一的分割结果如图1所示。

由图1可知Hung算法的区域分割能力较差。Homayounfar算法分割效果较为有限，非场地区域像素也被错判为场地内的像素;本文算法的分割效果高于前两种算法。表1对比了两个场景下竞赛场地分割结果对应的准确率、召回率、交并比。

三、结论

本文提出一种基于区域生长的太极拳竞赛场地分割算法。该算法利用色彩转换模型将RGB格式的太极拳竞赛图像转化为YCbCr空间的色彩数据。整合H通道和S通道数据为一个二维颜色数组，利用二维大津法对该二维颜色数据进行阈值分割，从而确定区域生长法的起始种子点区域。最后，以起始种子点区域作为区域生产的奇点，不断进行多次区域生长直到达到区域生长的停止条件为止。此时生产出的区域即为最终的太极拳竞赛场地区域。实验结果验证本文算法分割的太极拳竞赛区域与真实的场地区域重合度较高。

参 ?考 ?文 ?献

[1] Hung M H， Hsieh C H， Kuo C M， et al. Generalized playfield segmentation of sport videos using color features[J]. Pattern Recognition Letters， 2011， 32（7）： 987-1000.

[2] Homayounfar N， Fidler S， Urtasun R. Sports field localization via deep structured models[J]. 2017 IEEE Conference on Computer Vision and Pattern Recognition， 2017： 4012-4020.

孫瑞阳（1989-），女，讲师，硕士，主要研究方向为武术与人工智能、武术比赛视频运动员目标检测、人体姿态识别。

孙玉滨（1962-），男，教授，硕士，主要研究方向为武术与民族传统体育、武术信息化、武术国际传播。

段炼（1984-），男，讲师，硕士，主要研究方向为运动训练、运动科学等。

赵蓝飞（1985-），男，讲师，博士，主要研究方向为视频目标检测、嵌入式系统设计、高动态范围图像处理等。

基金项目：2018年黑龙江省省属本科高校基本科研业务费项目资助（2018KYYWF-PY07）;黑龙江省普通高校基本科研业务费专项资金资助（LGYC2018JC050）资助课题

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。