体育训练的视频分析系统设计与实现
王雪
摘 要： 设计基于TMS320DM642的体育训练视频分析系统，系统以数字处理器TMS320DM642为核心进行体育训练视频的快速存储、数据采集与目标跟踪，设计了系统硬件结构，介绍了多媒体接口与TMS320DM642之间的连接方式，给出基于马尔科夫链的体育训练视频目标跟踪模型，并在Visual Studio 2015的开发环境上实现了体育训练视频同步播放以及多动态目标同步跟踪两大重要功能。实验结果表明设计的系统目标跟踪能力强，应用成本低。
关键词： 数字处理器； 体育训练； 视频分析； 系统设计
中图分类号： TN948.4?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2017）15?0029?04
Abstract： A TMS320DM642?based video analysis system of sports training was designed. The digital processor TMS320DM642 is taken as the core of system to perform the fast storage， data acquisition and target tracking of the sports training video. The hardware structure of the system was designed. The connection mode between the multimedia interface and TMS320DM642 is introduced. The Markov chain based video target tracking model of sports training is given. Two important functions of video synchronous broadcasting and dynamic multi?object synchronous tracking of sports training were implemented in the development environment of Visual Studio 2015. The experimental results show that the system has strong target tracking ability， and low application cost.
Keywords： digital processor； sports training； video analysis； system design
0 引 言
改革开放以来，体育竞技越来越受到民众的欢迎，体育训练也开始依附于科技成果进行大力发展，可以说，体育竞技成绩与科技发展密不可分。强化体育训练是提高体育竞技成绩的关键，体育训练视频是分析竞技战术与运动员个人素质的重要关联介质，随着机器视觉、智能识别技术以及形态学的发展，针对体育训练的视频分析系统将在不久的将来逐渐取缔传统肉眼分析方法，为体育竞技找寻到更加合理的训练方式，以提高竞技水平，增强民族荣誉感。
1 体育训练视频分析系统设计
1.1 系统核心组件设计
设计体育训练视频分析系统的核心是数字处理器[1]，所选数字处理器型号为TMS320DM642，其实物图如图1所示，数字处理器TMS320DM642由德州仪器于2004年推出，至今為止，其强大的性能仍领先于持续革新的新型数字处理器。TMS320DM642是一种专门针对多媒体信息处理的解决方案，内核为C64x，寄存器共计64个，可进行8通道并行运算。如图2所示，TMS320DM642拥有6段存储空间，每段存储空间均有各自的存储地址，最高时钟频率为650 MHz，计算速率特别快。其内部的快速缓冲贮存区为双级缓冲架构[2]，存储空间以及数字信号处理区域各涉及到一级缓冲架构，不同的是，存储空间缓冲架构只对体育训练视频进行快速存储，而数字信号处理区域缓冲架构既可以进行体育训练视频快速存储，还能将体育训练视频映射到其他存储器。由于同步动态随机存储器的存在，TMS320DM642在突然上电或断电的瞬间不会丢失体育训练视频数据[3]。TMS320DM642为体育训练视频提供多个存储方案，便于进行视频内容与格式整理，其在调取视频内容时统一使用多媒体接口进行实现，故要求多媒体接口必须为高清接口且兼容大量视频格式。
1.2 系统硬件结构设计
本文体育训练视频分析系统结构如图3所示，其中除最核心的TMS320DM642及其周边组件之外，系统还包括视频采集与处理模块、电源模块、通用异步收发传输器控制端、网络控制芯片、存储总线和JTAG（Joint Test Action Group，联合测试工作组）等。系统采集到的体育训练视频均通过存储总线进行存储地址分配[4]，由TMS320DM642及其周边组件实现功能性存储，当需要进行视频分析时，存储总线再将所需视频传输给视频采集与处理模块。网络控制芯片的作用是进行网络带宽调节，JTAG的作用是时刻调整TMS320DM642运行状态，包括寄存器、时钟、复位的同步测试与校正。
本文体育训练视频分析系统的电源模块为视频采集与处理模块提供5.5 V电源，为TMS320DM642提供3.5 V电源，为存储总线提供2.0 V电源。为各组件、模块单独设置不同规格的电源，可维持系统稳定运行[5]。为确保系统各组件与模块的安全性，当需要关闭系统时，应先关闭存储总线电源，随后关闭TMS320DM642电源，最后关闭视频采集与处理模块电源。启动系统的上电顺序与关闭系统电源顺序相同。多媒体接口是体育训练视频的惟一输出端，分析视频之前必须明确多媒体接口与TMS320DM642的连接关系，以确保视频内容完整无误。图4是多媒体接口与TMS320DM642连接简图，TMS320DM642承载网络受网络控制芯片管理，由存储总线将其连接到多媒体接口进行7位或19位寻址。TMS320DM642通用输入/输出接口与多媒体接口中的A20地址线连接，用来解决不同视频格式无法进行同步传输的问题。
1.3 体育训练视频目标跟踪模型设计
体育训练视频目标跟踪是视频分析中最重要的环节之一，也是所有分析内容的基础数据。体育训练视频中的目标与背景会随着拍摄条件的变化而出现视觉角度变化，不同的视觉角度给出的目标分析数据不同，分析结果便会出现不一致性，但这些不一致性数据对体育竞技来说都是有效数据，可反映运动员行为姿态[6]，因此，在进行目标跟踪时不能只使用单一跟踪器，而是需要利用多个跟踪器全方位采集体育训练视频中的多角度数据，如图5所示。
体育训练视频目标跟踪模型可细化为行为观察模型与基本运动模型两个子模型：基本运动模型的作用是对目标运动规律进行整体提取；行为观察模型是对基本运动模型的目标行为细化[7]。体育训练视频目标跟踪模型在两个子模型上分别安置了多个目标跟踪器，对跟踪数据进行交互与采样，得到跟踪结果。基本运动模型的目标跟踪器分为两类：一类用来针对高速运动目标进行跟踪；另一类则用来进行普通行为跟踪[8]。基本运动模型的函数表述为：
式中：表示目标行为规律函数，是时刻的目标行为数据，是目标跟踪器序列；为正态分布函数，表示的是一个目标行为数据为行为方差为的正态分布规律。
行为观察模型的基本思想是在基本运动模型上建立一个马尔科夫链[9]，先假设一个目标行为方向，再对这个方向的可行性进行验证。行为观察模型的目标行为方向假设函数表述为：
式中：表示行為方向假设函数；是指对时刻下第个目标跟踪器的基本运动状态进行假设而得到的方向。
行为观察模型的假设方向验证函数可表述为：
式中：函数表示求取某一范围内的最小值。设置一个阈值，当式（3）满足阈值时，便可将假设的体育训练视频分析方向作为视频分析结果输出。若需要进行深度分析，可从TMS320DM642的外部存储接口上连接相应的计算代码。
2 体育训练视频分析系统实现
本文体育训练视频分析系统的开发环境[10]为Visual Studio 2015，将重点对体育训练视频同步播放进程和多动态目标同步跟踪进程进行实现。实现视频同步播放的目的是将不同体育训练视频中的相同场景进行对比分析，具体进程如图6所示。
由图6可知，体育训练视频同步播放进程中包括两个功能插件：一个是播放状态测试插件；另一个是播放线程建立插件。如果两个体育训练视频中的任意一个或两个不能正常播放，则使用回调函数暂停视频内容的播放状态，重新进入视频播放步骤。在视频能够正常播放的状态下，建立一个播放线程，用来将两个视频中的目标行为调制成一致性。
多动态目标同步跟踪是为了确保多目标的多行为能够被同时提取，提高系统的目标跟踪精度与行为分析效率，具体进程如图7所示，当体育训练视频中的所有目标被确定出来后，多动态目标同步跟踪进程开始工作，通过截取多目标图像获取初步目标行为规律，在帧图像上标记目标点，直接对目标点进行全方位跟踪，最后将跟踪数据以日志形式保存并输出。
3 系统性能的测试
实验验证环境为：CPU为四核2 GHz，运行内存为3 GB，视频处理软件选用Halcon 12.0。将本文设计的体育训练视频分析系统与文献[5]中的视频分析系统进行实验验证。首先打开两段从不同视觉角度拍摄的篮球训练视频（视频内容由我国某市级篮球队提供），确定3号、5号和8号球员为视频分析目标，在帧上标记目标点实施跟踪。3号、5号和8号球员在两段视频上的同步帧数量分别为354个、121个和157个。表1对两个视频分析系统的目标跟踪能力进行统计，由表1可知，本文系统给出的跟踪帧数量与实际的同步帧数量几乎一致，而且只消耗了很短的时间，表示本文系统的跟踪精度与定位用时均要好于对比视频分析系统，在实验中表现出了很强的跟踪能力。
在体育训练视频分析系统的实际使用中，除系统跟踪能力之外，应用成本也是球队管理者需要着重考虑的重要问题，这与体育训练经费直接挂钩，符合我国国情。表2对比了本文系统与基于对比视频分析系统的应用成本。
由表2可知，实验从系统开发周期、维护周期、客户端扩展能力、开发难度以及基本经费5个方面入手，对本文系统与对比视频分析系统的应用成本进行了统计。其中，本文系统的开发周期比对比系统少3个月，维护周期则少6个月，而且由于本文系统的扩展性强，所以其并未花费太高的基本经费。特殊功能可在实际使用时自行添加，整体开发难度比较低，容易实现较高应用性能与较低应用成本的有机结合。
4 结 语
本文设计了一种新型的体育训练视频分析系统，其由TMS320DM642及其周边组件、视频采集与处理模块、电源模块、通用异步收发传输器控制端、网络控制芯片、存储总线和JTAG等组成，包括体育训练视频同步播放以及多动态目标同步跟踪两大重要功能。结果表明，本文系统是一种专门针对多媒体信息处理的解决方案，具有目标跟踪能力强、应用成本低的特点，未来发展前景非常好。
参考文献
[1] 廖圣龙，安居白.基于视频图像的电力线故障诊断仿真研究[J].计算机仿真，2016，33（9）：147?150.
[2] 邓光庆，周文.Multi?Agent模式下高校体育训练管理决策系统的设计与实现[J].电子设计工程，2016，24（23）：156?158.
[3] 朱明.三轴加速度传感器系统在运动技术分析领域的研究与应用[J].冰雪运动，2015，37（2）：89?96.
[4] 周克良，周利锋，章祖忠.FPGA在视频监控系统中的应用与设计[J].计算机测量与控制，2015，23（10）：3381?3384.
[5] 韩杰，陈耀武.基于Storm平台的实时视频分析系统[J].计算机工程，2015，41（12）：26?29.
[6] 周华东，李晶，周电波，等.基于智能视频分析技术的高压开关柜隐患预警与故障诊断方法[J].四川电力技术，2015，38（1）：36?39.
[7] 郑併斌，范新南，李敏，等.基于轨迹分段LDA主题模型的视频异常行为检测方法[J].计算机应用，2015，35（2）：515?518.
[8] 张剑杰.高强度运动训练下心肌损伤预防方法分析[J].科学技术与工程，2016，16（28）：158?162.
[9] 黄荣梅.视频帧色差突变图像的背景检测参量提取[J].科技通报，2015，31（8）：78?80.
[10] 刘溶剑，王赵玺.基于Linux系统的H.264标准的实时视频压缩及传输系统设计[J].现代电子技术，2015，38（22）：78?79.
摘 要： 设计基于TMS320DM642的体育训练视频分析系统，系统以数字处理器TMS320DM642为核心进行体育训练视频的快速存储、数据采集与目标跟踪，设计了系统硬件结构，介绍了多媒体接口与TMS320DM642之间的连接方式，给出基于马尔科夫链的体育训练视频目标跟踪模型，并在Visual Studio 2015的开发环境上实现了体育训练视频同步播放以及多动态目标同步跟踪两大重要功能。实验结果表明设计的系统目标跟踪能力强，应用成本低。
关键词： 数字处理器； 体育训练； 视频分析； 系统设计
中图分类号： TN948.4?34； TP391.41 文献标识码： A 文章编号： 1004?373X（2017）15?0029?04
Abstract： A TMS320DM642?based video analysis system of sports training was designed. The digital processor TMS320DM642 is taken as the core of system to perform the fast storage， data acquisition and target tracking of the sports training video. The hardware structure of the system was designed. The connection mode between the multimedia interface and TMS320DM642 is introduced. The Markov chain based video target tracking model of sports training is given. Two important functions of video synchronous broadcasting and dynamic multi?object synchronous tracking of sports training were implemented in the development environment of Visual Studio 2015. The experimental results show that the system has strong target tracking ability， and low application cost.
Keywords： digital processor； sports training； video analysis； system design
0 引 言
改革开放以来，体育竞技越来越受到民众的欢迎，体育训练也开始依附于科技成果进行大力发展，可以说，体育竞技成绩与科技发展密不可分。强化体育训练是提高体育竞技成绩的关键，体育训练视频是分析竞技战术与运动员个人素质的重要关联介质，随着机器视觉、智能识别技术以及形态学的发展，针对体育训练的视频分析系统将在不久的将来逐渐取缔传统肉眼分析方法，为体育竞技找寻到更加合理的训练方式，以提高竞技水平，增强民族荣誉感。
1 体育训练视频分析系统设计
1.1 系统核心组件设计
设计体育训练视频分析系统的核心是数字处理器[1]，所选数字处理器型号为TMS320DM642，其实物图如图1所示，数字处理器TMS320DM642由德州仪器于2004年推出，至今為止，其强大的性能仍领先于持续革新的新型数字处理器。TMS320DM642是一种专门针对多媒体信息处理的解决方案，内核为C64x，寄存器共计64个，可进行8通道并行运算。如图2所示，TMS320DM642拥有6段存储空间，每段存储空间均有各自的存储地址，最高时钟频率为650 MHz，计算速率特别快。其内部的快速缓冲贮存区为双级缓冲架构[2]，存储空间以及数字信号处理区域各涉及到一级缓冲架构，不同的是，存储空间缓冲架构只对体育训练视频进行快速存储，而数字信号处理区域缓冲架构既可以进行体育训练视频快速存储，还能将体育训练视频映射到其他存储器。由于同步动态随机存储器的存在，TMS320DM642在突然上电或断电的瞬间不会丢失体育训练视频数据[3]。TMS320DM642为体育训练视频提供多个存储方案，便于进行视频内容与格式整理，其在调取视频内容时统一使用多媒体接口进行实现，故要求多媒体接口必须为高清接口且兼容大量视频格式。
1.2 系统硬件结构设计
本文体育训练视频分析系统结构如图3所示，其中除最核心的TMS320DM642及其周边组件之外，系统还包括视频采集与处理模块、电源模块、通用异步收发传输器控制端、网络控制芯片、存储总线和JTAG（Joint Test Action Group，联合测试工作组）等。系统采集到的体育训练视频均通过存储总线进行存储地址分配[4]，由TMS320DM642及其周边组件实现功能性存储，当需要进行视频分析时，存储总线再将所需视频传输给视频采集与处理模块。网络控制芯片的作用是进行网络带宽调节，JTAG的作用是时刻调整TMS320DM642运行状态，包括寄存器、时钟、复位的同步测试与校正。
本文体育训练视频分析系统的电源模块为视频采集与处理模块提供5.5 V电源，为TMS320DM642提供3.5 V电源，为存储总线提供2.0 V电源。为各组件、模块单独设置不同规格的电源，可维持系统稳定运行[5]。为确保系统各组件与模块的安全性，当需要关闭系统时，应先关闭存储总线电源，随后关闭TMS320DM642电源，最后关闭视频采集与处理模块电源。启动系统的上电顺序与关闭系统电源顺序相同。多媒体接口是体育训练视频的惟一输出端，分析视频之前必须明确多媒体接口与TMS320DM642的连接关系，以确保视频内容完整无误。图4是多媒体接口与TMS320DM642连接简图，TMS320DM642承载网络受网络控制芯片管理，由存储总线将其连接到多媒体接口进行7位或19位寻址。TMS320DM642通用输入/输出接口与多媒体接口中的A20地址线连接，用来解决不同视频格式无法进行同步传输的问题。
1.3 体育训练视频目标跟踪模型设计
体育训练视频目标跟踪是视频分析中最重要的环节之一，也是所有分析内容的基础数据。体育训练视频中的目标与背景会随着拍摄条件的变化而出现视觉角度变化，不同的视觉角度给出的目标分析数据不同，分析结果便会出现不一致性，但这些不一致性数据对体育竞技来说都是有效数据，可反映运动员行为姿态[6]，因此，在进行目标跟踪时不能只使用单一跟踪器，而是需要利用多个跟踪器全方位采集体育训练视频中的多角度数据，如图5所示。
体育训练视频目标跟踪模型可细化为行为观察模型与基本运动模型两个子模型：基本运动模型的作用是对目标运动规律进行整体提取；行为观察模型是对基本运动模型的目标行为细化[7]。体育训练视频目标跟踪模型在两个子模型上分别安置了多个目标跟踪器，对跟踪数据进行交互与采样，得到跟踪结果。基本运动模型的目标跟踪器分为两类：一类用来针对高速运动目标进行跟踪；另一类则用来进行普通行为跟踪[8]。基本运动模型的函数表述为：
式中：表示目标行为规律函数，是时刻的目标行为数据，是目标跟踪器序列；为正态分布函数，表示的是一个目标行为数据为行为方差为的正态分布规律。
行为观察模型的基本思想是在基本运动模型上建立一个马尔科夫链[9]，先假设一个目标行为方向，再对这个方向的可行性进行验证。行为观察模型的目标行为方向假设函数表述为：
式中：表示行為方向假设函数；是指对时刻下第个目标跟踪器的基本运动状态进行假设而得到的方向。
行为观察模型的假设方向验证函数可表述为：
式中：函数表示求取某一范围内的最小值。设置一个阈值，当式（3）满足阈值时，便可将假设的体育训练视频分析方向作为视频分析结果输出。若需要进行深度分析，可从TMS320DM642的外部存储接口上连接相应的计算代码。
2 体育训练视频分析系统实现
本文体育训练视频分析系统的开发环境[10]为Visual Studio 2015，将重点对体育训练视频同步播放进程和多动态目标同步跟踪进程进行实现。实现视频同步播放的目的是将不同体育训练视频中的相同场景进行对比分析，具体进程如图6所示。
由图6可知，体育训练视频同步播放进程中包括两个功能插件：一个是播放状态测试插件；另一个是播放线程建立插件。如果两个体育训练视频中的任意一个或两个不能正常播放，则使用回调函数暂停视频内容的播放状态，重新进入视频播放步骤。在视频能够正常播放的状态下，建立一个播放线程，用来将两个视频中的目标行为调制成一致性。
多动态目标同步跟踪是为了确保多目标的多行为能够被同时提取，提高系统的目标跟踪精度与行为分析效率，具体进程如图7所示，当体育训练视频中的所有目标被确定出来后，多动态目标同步跟踪进程开始工作，通过截取多目标图像获取初步目标行为规律，在帧图像上标记目标点，直接对目标点进行全方位跟踪，最后将跟踪数据以日志形式保存并输出。
3 系统性能的测试
实验验证环境为：CPU为四核2 GHz，运行内存为3 GB，视频处理软件选用Halcon 12.0。将本文设计的体育训练视频分析系统与文献[5]中的视频分析系统进行实验验证。首先打开两段从不同视觉角度拍摄的篮球训练视频（视频内容由我国某市级篮球队提供），确定3号、5号和8号球员为视频分析目标，在帧上标记目标点实施跟踪。3号、5号和8号球员在两段视频上的同步帧数量分别为354个、121个和157个。表1对两个视频分析系统的目标跟踪能力进行统计，由表1可知，本文系统给出的跟踪帧数量与实际的同步帧数量几乎一致，而且只消耗了很短的时间，表示本文系统的跟踪精度与定位用时均要好于对比视频分析系统，在实验中表现出了很强的跟踪能力。
在体育训练视频分析系统的实际使用中，除系统跟踪能力之外，应用成本也是球队管理者需要着重考虑的重要问题，这与体育训练经费直接挂钩，符合我国国情。表2对比了本文系统与基于对比视频分析系统的应用成本。
由表2可知，实验从系统开发周期、维护周期、客户端扩展能力、开发难度以及基本经费5个方面入手，对本文系统与对比视频分析系统的应用成本进行了统计。其中，本文系统的开发周期比对比系统少3个月，维护周期则少6个月，而且由于本文系统的扩展性强，所以其并未花费太高的基本经费。特殊功能可在实际使用时自行添加，整体开发难度比较低，容易实现较高应用性能与较低应用成本的有机结合。
4 结 语
本文设计了一种新型的体育训练视频分析系统，其由TMS320DM642及其周边组件、视频采集与处理模块、电源模块、通用异步收发传输器控制端、网络控制芯片、存储总线和JTAG等组成，包括体育训练视频同步播放以及多动态目标同步跟踪两大重要功能。结果表明，本文系统是一种专门针对多媒体信息处理的解决方案，具有目标跟踪能力强、应用成本低的特点，未来发展前景非常好。
参考文献
[1] 廖圣龙，安居白.基于视频图像的电力线故障诊断仿真研究[J].计算机仿真，2016，33（9）：147?150.
[2] 邓光庆，周文.Multi?Agent模式下高校体育训练管理决策系统的设计与实现[J].电子设计工程，2016，24（23）：156?158.
[3] 朱明.三轴加速度传感器系统在运动技术分析领域的研究与应用[J].冰雪运动，2015，37（2）：89?96.
[4] 周克良，周利锋，章祖忠.FPGA在视频监控系统中的应用与设计[J].计算机测量与控制，2015，23（10）：3381?3384.
[5] 韩杰，陈耀武.基于Storm平台的实时视频分析系统[J].计算机工程，2015，41（12）：26?29.
[6] 周华东，李晶，周电波，等.基于智能视频分析技术的高压开关柜隐患预警与故障诊断方法[J].四川电力技术，2015，38（1）：36?39.
[7] 郑併斌，范新南，李敏，等.基于轨迹分段LDA主题模型的视频异常行为检测方法[J].计算机应用，2015，35（2）：515?518.
[8] 张剑杰.高强度运动训练下心肌损伤预防方法分析[J].科学技术与工程，2016，16（28）：158?162.
[9] 黄荣梅.视频帧色差突变图像的背景检测参量提取[J].科技通报，2015，31（8）：78?80.
[10] 刘溶剑，王赵玺.基于Linux系统的H.264标准的实时视频压缩及传输系统设计[J].现代电子技术，2015，38（22）：78?79.
