体育训练过程中的运动视频分析与识别研究

现代电子技术

Modern Electronics Technique

2017年6月1日第40卷第11期

Jun.2017Vol.40No.11

doi ：10.16652/j.issn.1004?373x.2017.11.018

0引言随着科学技术的快速发展，采用科技手段提高体育训练质量逐渐引起人们的关注。以往的体育训练过程中，训练员使用难度较小的视频重播与解析管理方式为运动员讲解动作要领不够直观和科学，缺乏真实性和互动性，不能符合对运动员动作规范与训练成果的基本评估要求[1]。但运动视频却能够提取运动员训练参数，还可以通过构建模型以及观察训练动作等手段进一步分析训练参数，获取运动员训练动作优劣程度的分析结果[2]，确保运动员直观了解自身存在的缺点，按照教练的指导，提高体育训练质量。

1体育训练过程中的运动视频分析与识别

1.1粒子滤波预测的自适应阈值运动目标分离

体育训练运动视频中的运动目标分离可将视频中

的运动目标从动态背景中采集处理，是运动视频分析的基础[3]。体育训练视频序列分离中的运动目标是视频中的运动员，采用基于粒子滤波预测的自适应阈值运动目标分离算法增强运动目标采集的准确性。具体过程是：先通过三帧差分法对视频中的前景图进行分离，依据摄像机稳态运动模型把背景投影到相邻的视频帧内，得到每帧的背景分离图。采用删减背景的处理方式进一步分离得到运动目标分离[4]。并且由于前景图与背景图存在一定的相似性，为了避免处于视频前景图中的运动目标被错误地融合到背景图中出现分离的情况，需要分离出前景图的坐标范围，并依据粒子滤波方法获取未处于

体育训练过程中的运动视频分析与识别研究

南秋红

（黄河科技学院，河南郑州

450003）

摘

要：当前的体育训练过程中，训练员使用难度较小的视频重播与解析管理方式为运动员讲解动作要领，不够直观

和科学，不能满足训练员对运动效果评估的需求。针对该问题，研究了体育训练过程中的运动视频分析与识别过程，采用基于粒子滤波预测的自适应阈值运动目标分离算法实现运动目标的自适应分离。通过粒子滤波技术跟踪运动员的运动，塑造运动模型，并依据运动模型预测后续运动视频帧内不同重要关节点的位置，完成后续运动视频帧的跟踪。采用条件随机场方法实现体育训练视频中的动作识别。实验结果说明该方法具有较高的动作识别率和较低的误分离率。

关键词：体育训练；运动视频；分析与识别方法；粒子滤波技术中图分类号：TN948.43?34；TP391

文献标识码：A

文章编号：1004?373X （2017）11?0068?04

Study on analysis and recognition of moving video in physical training

NAN Qiuhong

（Huanghe Science &Technology College ，Zhengzhou 450003，China ）

Abstract ：The trainer replays the low difficulty action video and uses the analysis management way to explain the action es?sential for athletes in physical training ，which is not intuitive and scientific enough ，and can′t meet the demand of trainers for sports effect assessment.Aiming at the above problems ，the motion video analysis and recognition process in sports training are studied ，and the adaptive threshold moving target segmentation algorithm based on particle filtering prediction is employed to realize the adaptive segmentation of moving target.The movement of athlete is tracked with particle filtering technology to shape the mo?tion model ，and predict the locations of articulation?points with different importance in the subsequent moving video frame ac?cording to the motion model ，so as to track the subsequent moving video frame.The condition random field method is adopted to realize the movement recognition in sports training video.The experimental results indicate that the method has high movement

recognition rate and low false separation rate.

Keywords ：physical training ；moving video ；analysis and recognition method ；particle filtering technology

收稿日期：2016?08?25

基金项目：河南省科技厅科技攻关项目（132102310462）

68万方数据