网球运动视频目标丢失点特征补偿方法研究
周丽平
摘 要： 对于网球运动视频目标丢失点的特征补偿，传统方法有效性不足的缺陷，提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。首先构建三维检测目标模型，利用帧间差分消除算法从运动视频图像中提取背景，预测目标运动轨迹，通过希尔伯特变换分析图像前景的轨迹相位差值特性，检测出目标丢失点。通过观察目标丢失点顶点结构，给出目标丢失点补偿措施。实验实测数据表明，所提方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升，对丢失点的特征补偿精度更高，并且反应时间有效缩短。
关键词： 网球； 运动视频； 目标丢失点； 特征补偿
中图分类号： TN948.4?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2017）23?0069?04
Abstract： The traditional method doesn′t have sufficient effectiveness for feature compensation of the tennis video target loss point， so an interframe difference elimination algorithm based feature compensation method of tennis video target loss points is proposed. The three?dimensional target detection model is constructed. The interframe difference elimination algorithm is used to extract the background in moving video image， and predict the target motion trajectory. The trajectory phase difference characteristic of image foreground is analyzed by means of Hilbert transform to detect the target loss point. The vertex structure of the target lost point is observed to provide the compensation measures of the target loss point. The data measured in experiment shows that the proposed method can greatly improve the resolution of the target loss points of the tennis motion video， and has high feature compensation precision for loss point and short response time.
Keywords： tennis； motion video； target loss point； feature compensation
0 引 言
网球比赛的观赏性强，运动过程动作优美且激烈，盛行于全世界。优秀的网球运动员能够准确、快速地感知到对手的发球目标方位，并实时估计出制胜接球方法，果断地控制网球运动方向。网球比赛的胜利与否与运动员对目标丢失点的分辨与反应能力密切相关[1]，但并非所有运动员都具有这两项能力，为提高网球队的整体素质，需要借助一些特殊方法对网球运动视频目标丢失点情况进行特征补偿。文献[2]构建了一种网球运动仿真训练模型，使用虚拟人技术将运动员运动情况与训练环境进行整合，当一方运动员发球后，模型对目标网球的运动轨迹进行检测，给出目标丢失点补偿措施，运动员依据补偿措施进行训练，逐步提高对目标丢失点的分辨与反应能力，取得了较成功的训练结果。但模型检测时间过长，而且补偿措施与实际情况存在差异，使用起来很不方便。文献[3?4]中提出的最小方差滤波和差分二次平均修正方法对上述情况进行了修正，但始终未能走出误区，原因在于对网球运动视频目标丢失点的数据修正不足，检测结果本就存在偏差，造成补偿措施的失效。为解决以上问题，提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。
1 网球运动视频目标丢失点特征补偿方法研究
1.1 目标丢失点检测模型
图1描述的是网球运动视频目标丢失点检测模型，模型在一个三维坐标系中建立起來，使用摄像机采集网球运动员运动图像，图像与[x]轴、[y]轴平行，与[z]轴垂直，图像最高点与三维坐标系原点之间[z]轴平面距离为[f。]如果[（x，y，z）]为三维图像坐标点，则[（x，y）]就表示图像在[z]轴平面的坐标点，[XYZ]表示图像三维矩阵点。
网球运动视频目标丢失点检测模型从网球运动员运动图像中提取背景，预测出运动轨迹，随后进行实时跟踪，将背景删除留下含有目标（即运动中的网球）的前景[5]，检测目标丢失点情况，图2为检测模型工作流程。
将求得的目标丢失点补偿值填充到网球运动图像前景中，再还原图像背景，经滤波后得到完整的运动图像，输出供网球运动员训练使用。
3 实验分析
3.1 实验描述
网球比赛实际上是一种靠经验取胜的比赛，为了使实验数据更为合理，所选择的实验对象都是无经验或者经验度不高的新手运动员，将完全无经验的网球运动员分在第二组，其他人员分在第一组，每组运动员的年龄结构和比赛素质均相似。
本次实验的主要目的是分析本文所提基于帧间差分消除的网球运动视频目标丢失点特征补偿方法对网球运动的帮助作用，包括运动员对目标丢失点的分辨能力、反应时间以及补偿措施的有效性。由于补偿措施有效性的定义比较模糊，实验以补偿前后运动员对目标丢失点做出反应的轨迹相位差值作为分析对象，描述方法补偿措施的有效性。运动员对目标丢失点的分辨能力则以分辨准确率替代，分辨能力和反应时间也间接表达了方法对目标丢失点的检测效果。
本次实验共进行三次，实验方法分别为本文方法、最小方差滤波和差分二次平均修正，所得实验结果汇总后统一进行分析。对网球运动员运动过程行为数据进行采集的软件是E?PRIME 2.0，这是一款依赖心理学原理进行运动行为信息化转换的软件，采集精度高，且能够在短时间内构建繁杂的实验程序，可同时对一维文字以及二维和三维多媒体数据进行采集[9]。对采集数据进行汇总和分析的软件是SPSS 22.0。
3.2 实验结果分析
经实验统计和分析后，SPSS 22.0软件给出了网球运动员行为数据分析结果，用表1描述。表1中汇总了在本文方法、最小方差滤波和差分二次平均修正的特征补偿下，网球运动员对目标丢失点的分辨能力与反应时间。
分析表1中的实测数据能够得知：在相同的实验条件下，三种方法对有一些经验的网球运动员运动过程目标丢失点的检测效果要好于完全无经验的网球运动员，但无太大差别，表明三种方法都能够提升网球运动员的综合素质，其中，本文方法的分辨准确率最高、反应时间最短，检测效果最好。
由于三种方法对两组网球运动员的检测效果差异性不大，因此，在补偿措施有效性的分析中只对第一组网球运动员进行了实验。图3给出了三种方法在进行网球运动视频目标丢失点补偿前后的轨迹相位差值，经分析能够得知，经补偿后，网球运动员反应出的轨迹相位差值已逐渐趋于稳定，并且丢点面积更小，本文方法表现出了最佳的补偿效果，有效性最强。
4 结 论
本文提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法，在三维空间坐标系上建模获取目标丢失点检测模型，利用帧间差分消除算法校正模型检测流程，分两种情况介绍了补偿方法。实验以实际测量数据为依据，对比了本文方法与最小方差滤波、差分二次平均修正的各项性能，实验结果表明，本文方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升，对丢失点的特征补偿精度更高。
参考文献
[1] 叶会英，朱君瑶，王珍雪.基于条纹丢失补偿的自混合干涉位移测量算法[J].郑州大学学报（工学版），2014，35（6）：56?59.
[2] 陈智香，薛红.双分数跳?扩散过程下幂期权定价模型[J].西安工程大学学报，2016，30（2）：262?267.
[3] 田凡凡，崔宝同.带丢包的一致性最小方差滤波[J].计算机工程与应用，2016，52（12）：123?126.
[4] 戴文舒，陈亚，陈新华，等.差分二次平均修正的频域相位补偿线谱检测方法[J].兵工学报，2014，35（10）：1630?1637.
[5] 陸振宇，赵为汉，何珏杉，等.基于变模式分解和频谱特性的自适应降噪算法[J].现代电子技术，2016，39（16）：1?5.
[6] 袁慎芳，宋帅，高尚，等.网络编码在无线数据传输补偿机制中的运用[J].振动、测试与诊断，2014，34（6）：1094?1098.
[7] 王龙飞，陈红，李杨，等.车辆出行轨迹调查分析中的丢点轨迹还原[J].计算机应用研究，2014，31（1）：162?165.
[8] 彭国金，刘嫚婷，韩璐.基于飞行试验采集的FC数据检测分析技术[J].现代电子技术，2016，39（2）：92?94.
[9] 张敏，刘永新，杜奇伟，等.多功能测控装置电参量测量算法融合方法[J].电力系统自动化，2014，38（8）：104?107.
摘 要： 对于网球运动视频目标丢失点的特征补偿，传统方法有效性不足的缺陷，提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。首先构建三维检测目标模型，利用帧间差分消除算法从运动视频图像中提取背景，预测目标运动轨迹，通过希尔伯特变换分析图像前景的轨迹相位差值特性，检测出目标丢失点。通过观察目标丢失点顶点结构，给出目标丢失点补偿措施。实验实测数据表明，所提方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升，对丢失点的特征补偿精度更高，并且反应时间有效缩短。
关键词： 网球； 运动视频； 目标丢失点； 特征补偿
中图分类号： TN948.4?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2017）23?0069?04
Abstract： The traditional method doesn′t have sufficient effectiveness for feature compensation of the tennis video target loss point， so an interframe difference elimination algorithm based feature compensation method of tennis video target loss points is proposed. The three?dimensional target detection model is constructed. The interframe difference elimination algorithm is used to extract the background in moving video image， and predict the target motion trajectory. The trajectory phase difference characteristic of image foreground is analyzed by means of Hilbert transform to detect the target loss point. The vertex structure of the target lost point is observed to provide the compensation measures of the target loss point. The data measured in experiment shows that the proposed method can greatly improve the resolution of the target loss points of the tennis motion video， and has high feature compensation precision for loss point and short response time.
Keywords： tennis； motion video； target loss point； feature compensation
0 引 言
网球比赛的观赏性强，运动过程动作优美且激烈，盛行于全世界。优秀的网球运动员能够准确、快速地感知到对手的发球目标方位，并实时估计出制胜接球方法，果断地控制网球运动方向。网球比赛的胜利与否与运动员对目标丢失点的分辨与反应能力密切相关[1]，但并非所有运动员都具有这两项能力，为提高网球队的整体素质，需要借助一些特殊方法对网球运动视频目标丢失点情况进行特征补偿。文献[2]构建了一种网球运动仿真训练模型，使用虚拟人技术将运动员运动情况与训练环境进行整合，当一方运动员发球后，模型对目标网球的运动轨迹进行检测，给出目标丢失点补偿措施，运动员依据补偿措施进行训练，逐步提高对目标丢失点的分辨与反应能力，取得了较成功的训练结果。但模型检测时间过长，而且补偿措施与实际情况存在差异，使用起来很不方便。文献[3?4]中提出的最小方差滤波和差分二次平均修正方法对上述情况进行了修正，但始终未能走出误区，原因在于对网球运动视频目标丢失点的数据修正不足，检测结果本就存在偏差，造成补偿措施的失效。为解决以上问题，提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法。
1 网球运动视频目标丢失点特征补偿方法研究
1.1 目标丢失点检测模型
图1描述的是网球运动视频目标丢失点检测模型，模型在一个三维坐标系中建立起來，使用摄像机采集网球运动员运动图像，图像与[x]轴、[y]轴平行，与[z]轴垂直，图像最高点与三维坐标系原点之间[z]轴平面距离为[f。]如果[（x，y，z）]为三维图像坐标点，则[（x，y）]就表示图像在[z]轴平面的坐标点，[XYZ]表示图像三维矩阵点。
网球运动视频目标丢失点检测模型从网球运动员运动图像中提取背景，预测出运动轨迹，随后进行实时跟踪，将背景删除留下含有目标（即运动中的网球）的前景[5]，检测目标丢失点情况，图2为检测模型工作流程。
将求得的目标丢失点补偿值填充到网球运动图像前景中，再还原图像背景，经滤波后得到完整的运动图像，输出供网球运动员训练使用。
3 实验分析
3.1 实验描述
网球比赛实际上是一种靠经验取胜的比赛，为了使实验数据更为合理，所选择的实验对象都是无经验或者经验度不高的新手运动员，将完全无经验的网球运动员分在第二组，其他人员分在第一组，每组运动员的年龄结构和比赛素质均相似。
本次实验的主要目的是分析本文所提基于帧间差分消除的网球运动视频目标丢失点特征补偿方法对网球运动的帮助作用，包括运动员对目标丢失点的分辨能力、反应时间以及补偿措施的有效性。由于补偿措施有效性的定义比较模糊，实验以补偿前后运动员对目标丢失点做出反应的轨迹相位差值作为分析对象，描述方法补偿措施的有效性。运动员对目标丢失点的分辨能力则以分辨准确率替代，分辨能力和反应时间也间接表达了方法对目标丢失点的检测效果。
本次实验共进行三次，实验方法分别为本文方法、最小方差滤波和差分二次平均修正，所得实验结果汇总后统一进行分析。对网球运动员运动过程行为数据进行采集的软件是E?PRIME 2.0，这是一款依赖心理学原理进行运动行为信息化转换的软件，采集精度高，且能够在短时间内构建繁杂的实验程序，可同时对一维文字以及二维和三维多媒体数据进行采集[9]。对采集数据进行汇总和分析的软件是SPSS 22.0。
3.2 实验结果分析
经实验统计和分析后，SPSS 22.0软件给出了网球运动员行为数据分析结果，用表1描述。表1中汇总了在本文方法、最小方差滤波和差分二次平均修正的特征补偿下，网球运动员对目标丢失点的分辨能力与反应时间。
分析表1中的实测数据能够得知：在相同的实验条件下，三种方法对有一些经验的网球运动员运动过程目标丢失点的检测效果要好于完全无经验的网球运动员，但无太大差别，表明三种方法都能够提升网球运动员的综合素质，其中，本文方法的分辨准确率最高、反应时间最短，检测效果最好。
由于三种方法对两组网球运动员的检测效果差异性不大，因此，在补偿措施有效性的分析中只对第一组网球运动员进行了实验。图3给出了三种方法在进行网球运动视频目标丢失点补偿前后的轨迹相位差值，经分析能够得知，经补偿后，网球运动员反应出的轨迹相位差值已逐渐趋于稳定，并且丢点面积更小，本文方法表现出了最佳的补偿效果，有效性最强。
4 结 论
本文提出基于帧间差分消除的网球运动视频目标丢失点特征补偿方法，在三维空间坐标系上建模获取目标丢失点检测模型，利用帧间差分消除算法校正模型检测流程，分两种情况介绍了补偿方法。实验以实际测量数据为依据，对比了本文方法与最小方差滤波、差分二次平均修正的各项性能，实验结果表明，本文方法对网球运动视频目标丢失点的分辨能力得到了大幅度提升，对丢失点的特征补偿精度更高。
参考文献
[1] 叶会英，朱君瑶，王珍雪.基于条纹丢失补偿的自混合干涉位移测量算法[J].郑州大学学报（工学版），2014，35（6）：56?59.
[2] 陈智香，薛红.双分数跳?扩散过程下幂期权定价模型[J].西安工程大学学报，2016，30（2）：262?267.
[3] 田凡凡，崔宝同.带丢包的一致性最小方差滤波[J].计算机工程与应用，2016，52（12）：123?126.
[4] 戴文舒，陈亚，陈新华，等.差分二次平均修正的频域相位补偿线谱检测方法[J].兵工学报，2014，35（10）：1630?1637.
[5] 陸振宇，赵为汉，何珏杉，等.基于变模式分解和频谱特性的自适应降噪算法[J].现代电子技术，2016，39（16）：1?5.
[6] 袁慎芳，宋帅，高尚，等.网络编码在无线数据传输补偿机制中的运用[J].振动、测试与诊断，2014，34（6）：1094?1098.
[7] 王龙飞，陈红，李杨，等.车辆出行轨迹调查分析中的丢点轨迹还原[J].计算机应用研究，2014，31（1）：162?165.
[8] 彭国金，刘嫚婷，韩璐.基于飞行试验采集的FC数据检测分析技术[J].现代电子技术，2016，39（2）：92?94.
[9] 张敏，刘永新，杜奇伟，等.多功能测控装置电参量测量算法融合方法[J].电力系统自动化，2014，38（8）：104?107.
