隨著人們對身體健康、生活質(zhì)量重視度的提升,越來越多的人熱衷于通過各類運動鍛煉身體,比如羽毛球這種老少皆宜的運動。而隨著新時代的發(fā)展,人工智能和機器人逐漸走進(jìn)人們的生活,其中羽毛球機器人便是一款能與人實時競技的智能機器人。該機器人不僅可以對高速運動的羽毛球進(jìn)行捕捉和追蹤,還具有高速的運動控制系統(tǒng)可以精準(zhǔn)地完成揮拍動作。除此之外,若在其基礎(chǔ)上增加對人體動作的捕捉、識別和分析模塊,便可將其升級為羽毛球教學(xué)機器人,解決現(xiàn)如今羽毛球?qū)W者眾而名師寡的局面。因此本文的主要研究內(nèi)容是基于羽毛球機器人視覺系統(tǒng),對羽毛球運動員揮拍動作進(jìn)行捕捉、識別和分析。主要研究工作如下:（1）提出了一種根據(jù)羽毛球飛行方向和位置獲取運動員揮拍動作視頻段的方法。利用羽毛球機器人的視覺系統(tǒng),采集并制作了包含8類常見羽毛球揮拍動作的數(shù)據(jù)集——羽毛球揮拍動作數(shù)據(jù)集（BSMDataset）;（2）改進(jìn)稠密軌跡算法,使其能更有效的對羽毛球揮拍動作（類內(nèi)動作）進(jìn)行識別。對稠密軌跡算法進(jìn)行研究,提出一種能更好表征類內(nèi)動作運動特性的非定長稠密軌跡特征,并運用人體檢測算法檢測出視頻幀中的運動員,通過只提取包含運動員的小范圍內(nèi)的特征點的軌跡的... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

視頻段的運動能量圖和運動歷史圖[20]

電子科技大學(xué)碩士學(xué)位論文8圖1-2基于部分的層次人體模型[63]近年來，除了前面這些人工提取的特征外，運用深度學(xué)習(xí)技術(shù)來學(xué)習(xí)視頻中的特征得到了越來越多研究者的注意。最近提出的深度網(wǎng)絡(luò)[69-72]在不同的數(shù)據(jù)集中都取得了較好的表現(xiàn)，特別是在大型的數(shù)據(jù)集中，比通過人工提取特征的方式要好很多。在動作識別任務(wù)中，主要有三種常用的網(wǎng)絡(luò)類型，分別是：時空網(wǎng)絡(luò)、多分枝網(wǎng)絡(luò)和混合網(wǎng)絡(luò)。時空網(wǎng)絡(luò)中最典型的是由Tran[69]等人提出的三維卷積神經(jīng)網(wǎng)絡(luò)(C3D)。該網(wǎng)絡(luò)通過將二維卷積擴展為三維卷積，以此將時間信息加入到學(xué)習(xí)網(wǎng)絡(luò)中。通過該網(wǎng)絡(luò)能從視頻中學(xué)習(xí)到更好的動作特征。但通過該方法訓(xùn)練特征其包含的視頻段都比較短，比如在[69]只有16幀，這樣就很難得到長時間的動作信息。雖然通過擴展三維卷積的時間長度能在一定程度上解決這以問題，但隨之而來的就是增加了每次卷積的參數(shù)，同時增加了計算量。多分枝網(wǎng)絡(luò)將多個卷積網(wǎng)絡(luò)運用到同一視頻中，對外觀信息和運動信息進(jìn)行建模。在[73]中成功的實現(xiàn)了這種方法，但其結(jié)果甚至不如[74]中人工提取特征的方法。Simonyan[75]等人提出了一種關(guān)于二流假設(shè)[76]的網(wǎng)絡(luò)結(jié)構(gòu)，能很好的解決[73]中的問題。該結(jié)構(gòu)包含兩個分離的網(wǎng)絡(luò)流，一個是空間卷積流，另一個是時間卷積流。其中第一個卷積流從靜態(tài)圖中獲取動作特征，另一個則是基于光流進(jìn)行識別。這種網(wǎng)絡(luò)結(jié)構(gòu)最大的問題是不允許網(wǎng)絡(luò)流中間進(jìn)行交互，而這種交互在學(xué)些時空特征時是非常重要的。最后一種網(wǎng)絡(luò)則是通過將循環(huán)層添加到卷積層上，得到混合網(wǎng)絡(luò)[77,78]。這種類型的網(wǎng)絡(luò)同時具有卷積網(wǎng)絡(luò)和循環(huán)網(wǎng)絡(luò)的優(yōu)點，因此在學(xué)習(xí)具有空間運動特征、時間序列和長時間依賴關(guān)系的動作特征時能得到非常好的效果。綜上所述，深度網(wǎng)絡(luò)在人體動作識別的研?

第二章?lián)]拍動作的捕捉11第二章?lián)]拍動作的捕捉為了對羽毛球運動員的揮拍動作進(jìn)行識別與分析，首先需要捕獲羽毛球運動員揮拍動作視頻段，捕捉過程是指從羽毛球機器人視覺系統(tǒng)獲取的連續(xù)視頻流中獲取運動員揮拍動作視頻段作為后續(xù)動作識別與分析的視頻樣本。本研究是在羽毛球機器人的基礎(chǔ)上進(jìn)行的，因此本章首先對羽毛球機器人及其視覺系統(tǒng)進(jìn)行簡單的介紹，然后闡述如何運用該視覺系統(tǒng)對羽毛球運動員揮拍動作進(jìn)行捕捉，最后講述了羽毛球揮拍動作數(shù)據(jù)集的構(gòu)建過程及其特點，為后續(xù)的研究做準(zhǔn)備。2.1羽毛球機器人羽毛球機器人是一款能與人進(jìn)行實時競技的智能機器人，其系統(tǒng)照片如圖2-1所示：圖2-1羽毛球機器人該機器人由上位機視覺系統(tǒng)和下位機小車兩部分組成。上位機視覺系統(tǒng)[3](如圖2-2（a）所示)，該系統(tǒng)運用目標(biāo)檢測和追蹤算法在競技開始時對羽毛球運動軌跡進(jìn)行檢測，然后運用軌跡預(yù)測算法對羽毛球落點進(jìn)行預(yù)測，接著將預(yù)測到的落點坐標(biāo)通過無線通信傳模塊送給下位機小車；下位機小車[4](圖2-2（b）所示)是擊球動作的執(zhí)行部分，當(dāng)接收到來自上位機的羽毛球落點位置坐標(biāo)后，運用自身的全場定位系統(tǒng)和伺服控制系統(tǒng)精準(zhǔn)的完成

【參考文獻(xiàn)】：
期刊論文
[1]基于HMM的羽球動作實時識別[J]. 雷玉超,業(yè)茜,吳怡菲,吳栩博,李志揚.  計算機與數(shù)字工程. 2019(09)
[2]基于改進(jìn)ENN算法的多生物特征 融合的身份驗證[J]. 劉紅毅,王蘊紅,譚鐵牛.  自動化學(xué)報. 2004(01)

碩士論文
[1]球拍類運動的動作識別與軟件實現(xiàn)[D]. 張一天.大連理工大學(xué) 2019



本文編號：3514507