發(fā)布時(shí)間：2018-01-24 17:14

  本文關(guān)鍵詞： 網(wǎng)球發(fā)球 稀疏表示 最佳擊球點(diǎn) 支持向量機(jī) 粒子群算法 網(wǎng)球發(fā)球模型　出處：《浙江理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：基于視頻的人體運(yùn)動(dòng)分析是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要研究方向,它是從視頻序列中檢測出運(yùn)動(dòng)物體,提取出人體關(guān)鍵部位,獲得人體運(yùn)動(dòng)的有用信息,實(shí)現(xiàn)對人體動(dòng)作、姿態(tài)等的進(jìn)一步分析和識別。傳統(tǒng)的網(wǎng)球發(fā)球訓(xùn)練模式已經(jīng)根深蒂固的存在于現(xiàn)在的訓(xùn)練之中。對于運(yùn)動(dòng)員來說,要想熟練地掌握技術(shù)動(dòng)作要領(lǐng)就必須根據(jù)教練員的指導(dǎo)意見進(jìn)行長時(shí)間的,反復(fù)的練習(xí)。長時(shí)間的采用以經(jīng)驗(yàn)為主的訓(xùn)練方法,憑借教練員的主觀意識對運(yùn)動(dòng)員技術(shù)動(dòng)作進(jìn)行指導(dǎo)和監(jiān)督,這種情況嚴(yán)重制約了網(wǎng)球水平的提高。針對此問題,本文作者在充分了解相關(guān)研究工作的基礎(chǔ)上,以網(wǎng)球的平擊發(fā)球?yàn)檠芯勘尘?主要研究內(nèi)容如下:(1)為了提高網(wǎng)球平擊發(fā)球的準(zhǔn)確率和訓(xùn)練效率。本文首先對發(fā)球手臂的關(guān)節(jié)點(diǎn)進(jìn)行顏色標(biāo)記,通過高速攝像機(jī)采集網(wǎng)球發(fā)球視頻,以每一幀圖片中標(biāo)記點(diǎn)坐標(biāo)代替關(guān)節(jié)點(diǎn)坐標(biāo),來研究發(fā)球手臂的運(yùn)動(dòng)軌跡。在視頻處理過程中,對一系列噪聲圖構(gòu)造字典后,由稀疏表示思想重構(gòu)出無干擾的發(fā)球圖,采用混合高斯背景建模進(jìn)行運(yùn)動(dòng)前景提取。獲得運(yùn)動(dòng)前景后,通過顏色特征提取出標(biāo)記點(diǎn),并對其進(jìn)行二值化操作,接著進(jìn)行標(biāo)記點(diǎn)輪廓查找,用最小圓包圍輪廓,返回的圓心坐標(biāo)作為關(guān)節(jié)點(diǎn)坐標(biāo)。實(shí)驗(yàn)數(shù)據(jù)表明,擊球點(diǎn)和身高的比值在[1.37,1.44]范圍內(nèi),發(fā)球成功率達(dá)到97.24%。(2)為了對標(biāo)記點(diǎn)軌跡進(jìn)行進(jìn)一步研究,本文將肩部標(biāo)記點(diǎn)的發(fā)球軌跡作為研究對象,建立了基于改進(jìn)支持向量機(jī)的網(wǎng)球發(fā)球模型。針對傳統(tǒng)的支持向量機(jī)沒有解決模型中懲罰參數(shù)c和核函數(shù)的參數(shù)值σ如何確定的問題,本文以分類精度作為適應(yīng)度函數(shù),采用粒子群算法對其進(jìn)行改進(jìn)。通過用訓(xùn)練數(shù)據(jù)對該模型進(jìn)行訓(xùn)練之后,返回最優(yōu)的懲罰參數(shù)c和核參數(shù)σ。實(shí)驗(yàn)表明,該模型可以準(zhǔn)確可靠地對發(fā)球軌跡進(jìn)行分類,其準(zhǔn)確率為97.5%,接著對該模型與傳統(tǒng)SVM進(jìn)行了對比分析,PSO_SVM的分類誤差要遠(yuǎn)小于SVM。
[Abstract]:Human motion analysis based on video is an important research direction in the field of computer vision. It is used to detect moving objects from video sequences, extract key parts of human body and obtain useful information of human motion. To achieve the further analysis and recognition of human body movements and posture. The traditional tennis serve training mode has been deeply rooted in the current training. For athletes. In order to master the key points of technical action skillfully, it is necessary to practice for a long time and repeatedly according to the guidance of the coaches, and to adopt the experience-oriented training method for a long time. Relying on the subjective consciousness of coaches to guide and supervise the athletes' technical movements, this situation seriously restricts the improvement of tennis level. In view of this problem, the author of this paper fully understand the relevant research work on the basis. In order to improve the accuracy and training efficiency, this paper first carries on the color marking to the key node of the serve arm in order to improve the accuracy and the training efficiency of the tennis flat stroke serve as the research background, the main research content is as follows: 1) in order to improve the accuracy and training efficiency of the tennis flat stroke serve. The video of tennis serve is collected by high speed camera, and the coordinate of mark point in each frame is replaced by the coordinate of the node to study the track of the serve arm. In the process of video processing. After constructing a dictionary of a series of noise images, the non-interference serve map is reconstructed from sparse representation idea, and the motion foreground is extracted by using mixed Gao Si background modeling. The marking points are extracted from the color features and binary operation is carried out. Then the marking points are searched and the contour is surrounded by the smallest circle. The returned circular center coordinates are taken as the node coordinates. The experimental data show that. The ratio of hitting point to height is. [In the range of 1.37 / 1.44, the success rate of serve reached 97.24.2) in order to further study the track of the mark point, this paper takes the track of the shoulder mark point as the research object. A tennis serve model based on improved support vector machine (SVM) is established. The traditional SVM does not solve the problem of how to determine the penalty parameter c and the parameter value 蟽 of kernel function. In this paper, classification accuracy is taken as fitness function, particle swarm optimization algorithm is used to improve it. After training the model with training data, the optimal penalty parameter c and kernel parameter 蟽 are returned. The model can classify the serve track accurately and reliably, and the accuracy is 97.5. then the model is compared with the traditional SVM. The classification error of PSO_SVM is much smaller than that of SVM.
【學(xué)位授予單位】：浙江理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：G845;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張文;張藝鐘;;對網(wǎng)球發(fā)球體系的初步探究[J];繼續(xù)教育研究;2008年06期

2 李新鋒;;合作學(xué)習(xí)在普通高校網(wǎng)球發(fā)球技術(shù)教學(xué)中的實(shí)驗(yàn)研究[J];漯河職業(yè)技術(shù)學(xué)院學(xué)報(bào);2010年02期

3 余曦;;網(wǎng)球發(fā)球技術(shù)研究[J];科教導(dǎo)刊(中旬刊);2011年05期

4 陳華東;;網(wǎng)球發(fā)球體系的研究分析[J];三峽大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版);2011年S2期

5 穆海斌;王裕祥;;分段協(xié)調(diào)結(jié)構(gòu)教學(xué)法在網(wǎng)球發(fā)球技術(shù)教學(xué)中的實(shí)驗(yàn)研究[J];內(nèi)蒙古師范大學(xué)學(xué)報(bào)(自然科學(xué)漢文版);2013年01期

6 陳海春;網(wǎng)球發(fā)球動(dòng)作的生物力學(xué)與解剖學(xué)分析[J];福建體育科技;1998年05期

7 杜娟;;核心力量在網(wǎng)球發(fā)球動(dòng)作中的作用[J];體育研究與教育;2014年02期

8 樊琪;;淺談網(wǎng)球發(fā)球技術(shù)[J];青春歲月;2013年08期

9 ;您的教練——家用網(wǎng)球發(fā)球機(jī)[J];網(wǎng)球天地;1996年02期

10 嚴(yán)波濤,吳延禧,苑廷剛,盧競榮;網(wǎng)球發(fā)球技術(shù)的生物力學(xué)分析[J];體育科學(xué);2000年04期

相關(guān)會(huì)議論文 前7條

1 方興;;網(wǎng)球發(fā)球的三維錄像分析[A];第八屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)會(huì)議論文摘要[C];1996年

2 紀(jì)仲秋;王會(huì)會(huì);李旭龍;張茜;張海龍;;彈力帶訓(xùn)練對提高大學(xué)生網(wǎng)球發(fā)球的績效研究[A];第十六屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)（CABS 2013）論文集[C];2013年

3 王釗;戶子悅;;網(wǎng)球發(fā)球技術(shù)的生物力學(xué)分析[A];第十六屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)（CABS 2013）論文集[C];2013年

4 呂媛媛;于佃光;;心率監(jiān)控評價(jià)網(wǎng)球發(fā)球質(zhì)量的可行性研究[A];2013年全國競技體育科學(xué)論文報(bào)告會(huì)論文摘要集[C];2013年

5 陶志翔;祁兵;胡亞斌;裘榮;董保健;;對網(wǎng)球發(fā)球體系的探究[A];第七屆全國體育科學(xué)大會(huì)論文摘要匯編（二）[C];2004年

6 寇嘉琪;周繼和;;莫亞和艾諾伊網(wǎng)球發(fā)球技術(shù)比較分析[A];第十六屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)（CABS 2013）論文集[C];2013年

7 蔣川;李玉剛;崔鑫;曹正峰;;阿加西與楊意民網(wǎng)球發(fā)球技術(shù)的運(yùn)動(dòng)學(xué)特征對比分析[A];第十三屆全國運(yùn)動(dòng)生物力學(xué)學(xué)術(shù)交流大會(huì)論文匯編[C];2009年

相關(guān)碩士學(xué)位論文 前10條

1 李瑩;運(yùn)用Observer行為觀察系統(tǒng)研究自我控制的反語效應(yīng)對網(wǎng)球發(fā)球的影響[D];成都體育學(xué)院;2015年

2 馮燕輝;自我談話對網(wǎng)球發(fā)球表現(xiàn)的影響[D];北京體育大學(xué);2016年

3 周志湖;基于視頻圖像處理的網(wǎng)球發(fā)球行為分析[D];浙江理工大學(xué);2017年

4 于佃光;網(wǎng)球發(fā)球質(zhì)量與心率水平及肌肉用力特點(diǎn)分析[D];北京體育大學(xué);2011年

5 裴若忠;智能網(wǎng)球發(fā)球機(jī)[D];長春理工大學(xué);2006年

6 劉亞平;功能動(dòng)作訓(xùn)練體系在高校體育教育專業(yè)網(wǎng)球發(fā)球教學(xué)中的應(yīng)用研究[D];遼寧師范大學(xué);2014年

7 劉偉超;應(yīng)用網(wǎng)球發(fā)球機(jī)對教學(xué)效果的研究[D];華中師范大學(xué);2014年

8 路鵬;采用多媒體手段提高大學(xué)生網(wǎng)球發(fā)球技術(shù)水平的實(shí)驗(yàn)研究[D];陜西師范大學(xué);2009年

9 張曦元;網(wǎng)球發(fā)球中上肢環(huán)節(jié)鏈鞭打動(dòng)作的生物力學(xué)研究[D];南京體育學(xué)院;2013年

10 干福志;高校選修課中網(wǎng)球發(fā)球技術(shù)教學(xué)優(yōu)化研究[D];武漢體育學(xué)院;2014年

，

本文編號：1460563