基于图像分析的体操落地稳定性分析
高保华
摘 要： 针对体操落地稳定性控制和定量分析难度较大的问题，提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法。首先构建Pairwise MRF模型提取体操落地视觉特征，并划分图像区域；然后对采集的体操落地视觉图像在MRF框架下构建视觉观察分布模型，采用图像区域特征同态分割方法设计体操落地稳定性的视觉判别模型，实现体操落地稳定性视觉定量分析；最后仿真结果表明，该方法的体操落地稳定性控制和评价置信度较高，可靠性好，具有一定的实际应用价值。
关键词： 体操运动员落地稳定性分析； 图像分析； 图像分割； 稳定性控制
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）05?0066?04
Abstract： Since it is difficult for gymnasts to control their landing stability and for analyzers to perform their quantitative analysis， a gymnast landing image visual evaluation and stability analysis method based on the region feature homomorphism segmentation of the image is put forward. The Pairwise MRF model is constructed to extract the visual features of gymnast landing， and divide the image area. A visual observation distribution model is constructed for the acquired gymnast landing visual image under the MRF framework. The region feature homomorphism segmentation method of image is adopted to design the visual judgment model of the gymnast landing stability to realize the visual quantitative analysis of the gymnast landing stability. The simulation results show this method has good landing stability control and high evaluation confidence coefficient for gymnasts， high reliability， and a certain practical application value.
Keywords： gymnast landing stability analysis； image analysis； image segmentation； stability control
0 引 言
体操运动的落地稳定性是评判动作质量完成好坏的重要指标之一。通过人工视觉分析方法评价和控制体操运动落地稳定性准确度不高、主观性强。随着计算机视觉图像处理技术的发展，采用图像分析方法进行体操运动的落地稳定性判断，实现对体操运动员的落地姿态矫正和控制，改善运动训练效果，发挥最佳的竞技水平。
采用计算机视觉判断方法分析体操运动的落地稳定性特征，同样在进行体操运动的动作完成效果评价和成绩评定中发挥着重要作用，分析体操落地稳定性图像以对体操落地稳定性视觉特征建模为基础，对体操运动员落地过程进行图像采集和视觉特征分析。采用图像视觉特征分割方法进行落地的稳定性评价和控制，常见的方法主要有小波特征分解方法[1]、神经网络稳定性控制及图像训练方法和图像轮廓边缘检测方法等[2?3]。上述方法通过对体操运动落地过程的图像分解和识别，实现三维视觉对比分析和动作判断，提高稳定性评价水平[4?5]。但是也都存在较大缺陷。
本文提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法，仿真结果表明，本文的体操落地稳定性控制和评价置信度高，可靠性好。
1 区域化运动视觉特征提取方法
1.1 提取运动视觉特征
式中：[βi=β1i，β2i，β3i，β4iT]稱为第[i]个局部区域的图像前后平移特征变量；[k]表示划分后的子图模型节点分配标号值；[yki]表示较大的图像局部块标号值。
在建立的图像局部区域MRF模型中划分图像区域，有利于描述图像的局部特征。
2 图像分析的落地稳定性估计
2.1 图像的区域特征匹配
首先采用Pairwise MRF模型进行体操落地视觉特征提取和图像的区域划分，对采集的体操落地视觉图像在MRF框架下进行视觉观察分布模型的构建。根据全局固定的先验Potts模型[9?10]建立体操运动落地稳定点的局部区域先验分布函数，Potts先验参数[βi]选择如下：
3 仿真实验与结果分析
首先进行体操运动员的动作信息视觉采集，进行计算机视觉分析和特征重构，采用主机配置为Pentium[?] D CPU 2.80 GHz，2.79 GHz，2.00 GB内存的CCD成像设备采集体操运动落地动作，在Matlab仿真环境中进行图像处理和分析的软件编程设计，体操运动员在落地过程中的位姿参量信息设定见表1。
根据上述三维模型参数设定，评价和分析体操运动中落地的稳定性。给定落地稳定性的收敛性条件如下：
如果求得的函数值满足上述收敛性条件，则认为体操运动员落地的稳定性较好，完成体操动作的质量较高。首先进行原始图像采集，得到体操落地动作图像视觉采集如图1所示。
对采集的体操落地视觉图像在MRF框架下进行视觉观察分布模型构建，进行体操落地视觉特征提取和图像的区域划分，得到优化处理后的输出图像如图2所示。
由图2可知，采用本文方法进行图像分析和处理，提高了体操运动员在落地过程的图像重构和稳定性判断。
不同方法进行落地稳定性评价的置信度測量性能对比如图3所示。分析图3得知，随着像素点采样个数的增多，对体操落地的稳定性评价准确性逐渐提高。而采用本文方法，在采样像素信息不足的情况下，仍然能保持较高的评价准确性，置信度高于传统方法。
4 结 语
本文采用图像分析方法进行体操运动的落地稳定性判断，实现对体操运动员的落地姿态矫正和控制，改善运动训练效果，发挥最佳的竞技水平。提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法，采用Pairwise MRF模型进行体操落地视觉特征提取和图像的区域划分，对采集的体操落地视觉图像在MRF框架下构建视觉观察分布模型，采用图像区域特征同态分割方法进行体操落地稳定性的视觉判别模型设计，实现体操落地稳定性视觉分析。分析实验得知，本文方法的准确性较好，可靠性较高，性能优于传统方法。
参考文献
[1] 高颖，王阿敏，王凤华，等.改进的小波变换算法在图像融合中的应用[J].激光技术，2013，37（5）：690?695.
[2] HAN M， LIU J M， MENG J Y， et al. Local energy information combined with improved signed distance regularization term for image target segmentation algorithm [J]. Journal of electronics and information technology， 2015， 37（9）： 2047?2054.
[3] KIRAN T， JAE?YOUNG P， CHUN?SU P， et al. Level set method with automatic selective local statistics for brain tumor segmentation in MR images [J]. Computerized medical imaging and graphics， 2013， 37（8）： 522?537.
[4] 王旋，陈忻，刘巍.一种适用于并行运算处理的实时高动态范围图像合成算法研究[J].影像科学与光化学，2015，33（4）：330?335.
[5] 余晓东，雷英杰，岳韶华，等.基于粒子群优化的直觉模糊核匹配追踪算法[J].电子学报，2015，43（7）：1308?1314.
[6] 刘建磊，刘晓亮.基于拐点线的大雾能见度检测算法[J].计算机应用，2015，35（2）：528?530.
[7] 苏奇全，贾宏光，朱明超，等.基于递推闭环子空间辨识的自适应预测控制方法[J].信息与控制，2015，44（2）：252?256.
[8] 张国强，谢红梅，解一心.一种改进的基于压缩感知的差分关联成像方法[J].计算机科学，2014，41（6）：227?229.
[9] 南栋，毕笃彦，马时平，等.基于景深约束的单幅雾天图像去雾算法[J].电子学报，2015，43（3）：500?504.
[10] 徐胜军，韩九强，赵亮，等.用于图像分割的局部区域能量最小化算法[J].西安交通大学学报，2011，45（8）：7?12.
摘 要： 针对体操落地稳定性控制和定量分析难度较大的问题，提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法。首先构建Pairwise MRF模型提取体操落地视觉特征，并划分图像区域；然后对采集的体操落地视觉图像在MRF框架下构建视觉观察分布模型，采用图像区域特征同态分割方法设计体操落地稳定性的视觉判别模型，实现体操落地稳定性视觉定量分析；最后仿真结果表明，该方法的体操落地稳定性控制和评价置信度较高，可靠性好，具有一定的实际应用价值。
关键词： 体操运动员落地稳定性分析； 图像分析； 图像分割； 稳定性控制
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）05?0066?04
Abstract： Since it is difficult for gymnasts to control their landing stability and for analyzers to perform their quantitative analysis， a gymnast landing image visual evaluation and stability analysis method based on the region feature homomorphism segmentation of the image is put forward. The Pairwise MRF model is constructed to extract the visual features of gymnast landing， and divide the image area. A visual observation distribution model is constructed for the acquired gymnast landing visual image under the MRF framework. The region feature homomorphism segmentation method of image is adopted to design the visual judgment model of the gymnast landing stability to realize the visual quantitative analysis of the gymnast landing stability. The simulation results show this method has good landing stability control and high evaluation confidence coefficient for gymnasts， high reliability， and a certain practical application value.
Keywords： gymnast landing stability analysis； image analysis； image segmentation； stability control
0 引 言
体操运动的落地稳定性是评判动作质量完成好坏的重要指标之一。通过人工视觉分析方法评价和控制体操运动落地稳定性准确度不高、主观性强。随着计算机视觉图像处理技术的发展，采用图像分析方法进行体操运动的落地稳定性判断，实现对体操运动员的落地姿态矫正和控制，改善运动训练效果，发挥最佳的竞技水平。
采用计算机视觉判断方法分析体操运动的落地稳定性特征，同样在进行体操运动的动作完成效果评价和成绩评定中发挥着重要作用，分析体操落地稳定性图像以对体操落地稳定性视觉特征建模为基础，对体操运动员落地过程进行图像采集和视觉特征分析。采用图像视觉特征分割方法进行落地的稳定性评价和控制，常见的方法主要有小波特征分解方法[1]、神经网络稳定性控制及图像训练方法和图像轮廓边缘检测方法等[2?3]。上述方法通过对体操运动落地过程的图像分解和识别，实现三维视觉对比分析和动作判断，提高稳定性评价水平[4?5]。但是也都存在较大缺陷。
本文提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法，仿真结果表明，本文的体操落地稳定性控制和评价置信度高，可靠性好。
1 区域化运动视觉特征提取方法
1.1 提取运动视觉特征
式中：[βi=β1i，β2i，β3i，β4iT]稱为第[i]个局部区域的图像前后平移特征变量；[k]表示划分后的子图模型节点分配标号值；[yki]表示较大的图像局部块标号值。
在建立的图像局部区域MRF模型中划分图像区域，有利于描述图像的局部特征。
2 图像分析的落地稳定性估计
2.1 图像的区域特征匹配
首先采用Pairwise MRF模型进行体操落地视觉特征提取和图像的区域划分，对采集的体操落地视觉图像在MRF框架下进行视觉观察分布模型的构建。根据全局固定的先验Potts模型[9?10]建立体操运动落地稳定点的局部区域先验分布函数，Potts先验参数[βi]选择如下：
3 仿真实验与结果分析
首先进行体操运动员的动作信息视觉采集，进行计算机视觉分析和特征重构，采用主机配置为Pentium[?] D CPU 2.80 GHz，2.79 GHz，2.00 GB内存的CCD成像设备采集体操运动落地动作，在Matlab仿真环境中进行图像处理和分析的软件编程设计，体操运动员在落地过程中的位姿参量信息设定见表1。
根据上述三维模型参数设定，评价和分析体操运动中落地的稳定性。给定落地稳定性的收敛性条件如下：
如果求得的函数值满足上述收敛性条件，则认为体操运动员落地的稳定性较好，完成体操动作的质量较高。首先进行原始图像采集，得到体操落地动作图像视觉采集如图1所示。
对采集的体操落地视觉图像在MRF框架下进行视觉观察分布模型构建，进行体操落地视觉特征提取和图像的区域划分，得到优化处理后的输出图像如图2所示。
由图2可知，采用本文方法进行图像分析和处理，提高了体操运动员在落地过程的图像重构和稳定性判断。
不同方法进行落地稳定性评价的置信度測量性能对比如图3所示。分析图3得知，随着像素点采样个数的增多，对体操落地的稳定性评价准确性逐渐提高。而采用本文方法，在采样像素信息不足的情况下，仍然能保持较高的评价准确性，置信度高于传统方法。
4 结 语
本文采用图像分析方法进行体操运动的落地稳定性判断，实现对体操运动员的落地姿态矫正和控制，改善运动训练效果，发挥最佳的竞技水平。提出基于图像区域特征同态分割的体操落地图像视觉评估和稳定性分析方法，采用Pairwise MRF模型进行体操落地视觉特征提取和图像的区域划分，对采集的体操落地视觉图像在MRF框架下构建视觉观察分布模型，采用图像区域特征同态分割方法进行体操落地稳定性的视觉判别模型设计，实现体操落地稳定性视觉分析。分析实验得知，本文方法的准确性较好，可靠性较高，性能优于传统方法。
参考文献
[1] 高颖，王阿敏，王凤华，等.改进的小波变换算法在图像融合中的应用[J].激光技术，2013，37（5）：690?695.
[2] HAN M， LIU J M， MENG J Y， et al. Local energy information combined with improved signed distance regularization term for image target segmentation algorithm [J]. Journal of electronics and information technology， 2015， 37（9）： 2047?2054.
[3] KIRAN T， JAE?YOUNG P， CHUN?SU P， et al. Level set method with automatic selective local statistics for brain tumor segmentation in MR images [J]. Computerized medical imaging and graphics， 2013， 37（8）： 522?537.
[4] 王旋，陈忻，刘巍.一种适用于并行运算处理的实时高动态范围图像合成算法研究[J].影像科学与光化学，2015，33（4）：330?335.
[5] 余晓东，雷英杰，岳韶华，等.基于粒子群优化的直觉模糊核匹配追踪算法[J].电子学报，2015，43（7）：1308?1314.
[6] 刘建磊，刘晓亮.基于拐点线的大雾能见度检测算法[J].计算机应用，2015，35（2）：528?530.
[7] 苏奇全，贾宏光，朱明超，等.基于递推闭环子空间辨识的自适应预测控制方法[J].信息与控制，2015，44（2）：252?256.
[8] 张国强，谢红梅，解一心.一种改进的基于压缩感知的差分关联成像方法[J].计算机科学，2014，41（6）：227?229.
[9] 南栋，毕笃彦，马时平，等.基于景深约束的单幅雾天图像去雾算法[J].电子学报，2015，43（3）：500?504.
[10] 徐胜军，韩九强，赵亮，等.用于图像分割的局部区域能量最小化算法[J].西安交通大学学报，2011，45（8）：7?12.
