伴隨著互聯(lián)網技術的飛速發(fā)展,可以準確對用戶動作姿態(tài)進行評估與反饋的“高爾夫智能化系統(tǒng)”已呈現(xiàn)出了巨大的市場潛力。然而,當前高爾夫智能化產品由于缺乏系統(tǒng)的指導以及規(guī)范用戶動作的能力,并且市面上現(xiàn)有智能系統(tǒng)對人體動作的分析大多依賴于三維深度信息,還存在著系統(tǒng)成本高、獲取數據受環(huán)境干擾大以及重建三維信息的算法實時性差等缺點。因此,設計一種高效且專業(yè)的高爾夫球示教輔助分析系統(tǒng)具有重要意義。在本論文中,使用普通單目攝像機對采集的高爾夫運動圖像進行目標追蹤,對提取出的人體運動特征進行建模比對,并快速對用戶姿態(tài)進行實時分析與評估。具體技術包括以下三點:（1）提出了一種基于像素特征的目標追蹤方法�；诟郀柗蚯驐U運動速度快,桿身顏色淺淡且細小的目標特性,利用目標運動軌跡信息自動更新前景與背景區(qū)域,采用自適應雙閾值的三幀差法對圖像前景進行提取與處理。在此基礎上,利用前景目標的像素特征,引入桿-體區(qū)域判定、運動區(qū)域檢測以及像素特征疏密性三個輔助算法,循環(huán)遞進對球桿目標進行實時追蹤定位。最后,設計了一種基于目標矢量方向的區(qū)域追蹤算法,對球桿定位特征進行修正,以保證后續(xù)特征輸出的完整性與規(guī)范性。（2）提出了一種... 

【文章來源】：南京郵電大學江蘇省

【文章頁數】：86 頁

【學位級別】：碩士

【部分圖文】：

_2Klnect沿各妥焦RGB_D折據視角示竟圖

些方法中的一些在工程中仍具有非常重要的應用價值，并且經常被關濾波的目標追蹤算法的跟蹤算法，開始于 2012 年由 P.Martins 所提出的利用內核進行循ructure of Tracking-by-Detection with Kernels，CSK）的方法[33]。文章速傅立葉變換加快了目標追蹤檢測速度，很好的解決了密集采樣的理論認為正樣本通常更加接近目標位置，而負樣本離目標更遠。簡刻兩個信號相似的程度。波用于視覺跟蹤領域，就是在視覺目標區(qū)域被設計產生一個相關峰接近于零 ，如圖 2-4 所示。由于時域相關對應于頻域像素方向上質的特征就是在頻域里計算相關性，主要是避免卷積操作帶來的時

KNN 算法的描述如下所示：據，與所有的訓練數據之間的距離大小進行計算；到的距離，按照遞增的關系來依次進行排序；最小的 k 個點；屬的類別的出現(xiàn)頻率進行確認；中出現(xiàn)頻率最高的類別來作為測試數據的預測分類算法（K-means）：一種非常典型的基于距離的聚類算法。使用距離用對象之間的距離越近，相似度越大。該算法認為聚此而產生緊湊和獨立的集群是算法需要實現(xiàn)的最終同一聚類的聚類中的對象的相似性相對較高，而不

【參考文獻】：
期刊論文
[1]結合穩(wěn)健估計和Meanshift的視頻目標跟蹤算法[J]. 朱聞亞.  沈陽工業(yè)大學學報. 2017(02)
[2]高校高爾夫球教練揮桿動作技術分析[J]. 毛建勛.  運動. 2013(13)
[3]基于優(yōu)化的DTW算法的人體運動數據檢索[J]. 劉賢梅,趙丹,郝愛民.  模式識別與人工智能. 2012(02)
[4]一種基于改進幀差法的運動目標檢測[J]. 嚴曉明.  莆田學院學報. 2011(05)
[5]幀差法和Mean-shift相結合的運動目標自動檢測與跟蹤[J]. 湯中澤,張春燕,申傳家,孟曉.  科學技術與工程. 2010(24)
[6]用于運動人體檢測的改進的幀差法[J]. 梁國山,朱秀昌.  電視技術. 2009(S1)
[7]基于改進運動歷史圖像的多運動目標實時跟蹤[J]. 劉軍學,屈楨深,任行行,郭雋,聞帆.  計算機應用. 2008(S1)
[8]紋線跟蹤及其在細化指紋后處理中的應用[J]. 劉文星,王肇圻,母國光.  光電子·激光. 2002(02)

博士論文
[1]三維人體運動分析與動作識別方法[D]. 蔡美玲.中南大學 2013



本文編號：3521199