CN108479042B - 一种基于音频信息的拍球计数方法 - Google Patents

Abstract

本发明公开了一种基于音频信息的拍球计数方法，属于健身运动技术领域，利用录音设备对整个拍球过程进行录音，也可采用高清摄录设备(如:智能手机等)，对包括拍球人在内的整个拍球过程进行录制，然后提取出音频信息，将音频波动图绘制到坐标系中，且以时间帧为横轴，排除掉自然弹跳后根据音频波形图的峰值的数量来计算拍球次数。运用听觉感观的机理分析，将音频信息进行判断，来实现对拍球进行自动计数，提高了精确度。该方法不需要采用专用皮球即可实现自动精确计数，不仅可以即时计数，也可以进行录像回放。尤其随着移动摄录设备的广泛采用，该方法将具有更强的实用性。

Description

一种基于音频信息的拍球计数方法

技术领域

本发明涉及健身运动技术领域，具体地说，涉及一种基于音频信息的拍球计数方法。

背景技术

拍皮球对小孩子来说是一项有益身体健康的活动，它不仅能促进孩子手眼动作的协调，增强体质，而且能促进左右脑的平衡，培养孩子的耐力和坚持性等良好品质，对孩子的发展有不可低估的作用，因此各地幼儿园常常会组织这类的比赛游戏。但拍球的过程中需要有专人统计计数，幼儿园小孩人数众多，对每人计数会很耽误老师的宝贵时间；而且有时当拍球速度快或者人注意力不集中的时候，很容易出现计数错误，因此，迫切需要一种能自动计数的办法。

现有技术中，公布号为CN106474718A的中国专利文献公开了一种击球计数方法及装置，通过检测手臂或手腕的当前运动轨迹确定当前运动是否击球成功，若击球成功，则在上次统计的击球成功次数的基础上加一，以此来对击球次数进行计数。该方法能够有效提高统计的精确度，但对于手握球拍的运动，比如乒乓球、羽毛球比较合适，但不适用于统计拍皮球运动。

公告号为CN 205198858U的中国专利文献公开了一种具有拍球数计数功能的智能皮球，以及公告号为CN205198855U的中国专利文献公开了一种智能皮球玩具，这两篇专利文献都是通过对皮球本身进行改进，通过在皮球上安装传感器来实现精确计数的目的，在拍球的过程中很有可能对传感器造成破坏，影响计数结果。

发明内容

本发明的目的为提供一种基于音频信息的拍球计数方法，通过对人在拍球计数过程中运用听觉感观的机理分析，对音频信息进行判断，来实现对拍球进行自动精确计数。

为了实现上述目的，本发明提供的拍球计数方法包括以下步骤：

1)获取拍球动作的音频数据；

2)对音频数据采用连续小波变换的方法进行滤波处理；3)从音频数据中提取出音频的采样频率，以时间为横坐标，频率为纵坐标绘制音频波形图；

4)沿横坐标找出每个拍球周期，并排除自然弹跳后计入拍球次数。

上述技术方案中，利用录音设备对整个拍球过程进行录音，也可采用高清摄录设备(如:智能手机等)，对包括拍球人在内的整个拍球过程进行录制，然后提取出音频信息，将音频波动图绘制到坐标系中，且以时间帧为横轴，排除掉自然弹跳后根据音频波形图的峰值的数量来计算拍球次数。运用听觉感观的机理分析，将音频信息进行判断，来实现对拍球进行自动计数，提高了精确度。

具体的方案为步骤1)首先利用摄录设备对拍球动作进行录制，然后从录制的视频文件中提取出音频数据。

另一个具体的方案为步骤2)采用连续小波变换(the Continuous WaveletTransform,CWT)的方法对音频数据进行滤波处理。

将具有等时间步长δt的离散时间系列x_n′(n′＝1,…,N)的连续小波变换定义为小波函数ψ₀尺度化以及转换下的x_n′的卷积：

式中，Ψ是要选择的小波函数，*表示共轭复数，N是时间系列的总数据个数，是一个用于小波函数标准化的因子，从而使得小波函数在每个小波尺度s上具有的单位能量。通过转换小波尺度s并沿着时间指数n进行局部化，最终可得到一幅展示时间系列在某一尺度上波动特征及其随时间变化的图谱，即小波功率谱。

在matlab中，连续小波变换方法为：

coefs＝cwt(x,scales,′wname′)

wname即为小波基的类别，如Haar，db2，coif3，sym2等；coefs为连续小波变换后的返回系数矩阵，系数以行方式存储在矩阵中；cwt为实现一维连续小波变换的函数；x是要进行连续小波变换的函数；scales为连续小波变换的尺度向量。

对一个时间系列进行小波转换时，小波基的选择显得尤为重要，matlab支持的小波基多达15种。本发明选取了Complex Morlet小波，这是一种改造后的Morlet小波。Morlet小波在时间与频率的局部化之间有着很好的平衡。此外，Morlet小波中还包含着更多的振动信息，改造后的小波非常适合用于分析声音信号。

Morlet小波是高斯包络下的正弦函数，其表达式为：

式中t表示时间，e表示自然常数，e≈2.71828。

Complex Morlet表达式为：

式中F_b是带宽参数，F_c是小波中心频率，t表示时间。

需要说明的是，本发明采用该方法对音频数据进行滤波处理，不仅限于matlab软件，其他软件中也有类似函数，同时不限于这种方法。

另一个具体的方案为步骤3)中所提取的采样频率为44.1Khz。提取出的采样频率储存在FS里，为44100，提取出的数据储存在audidata里。

音频中除了击球的声音还有噪声和人声，峰值较高的部分为球接触地板的时候的声音，可以直接通过高峰值判断是否击球。

直接分析频谱含量，如果范围内的频谱含量大于一定阈值的话，就认为这是一次有效的碰撞：

coefs是小波变化后的能量谱矩阵，在选定的范围内(即fmin与fmax之间)数值和大于最小值D。

该方法简单有效。

再一个具体的方案为步骤4)中排除自然弹跳的方法如下：

记不同高度自然弹跳的两次弹跳之间声音强度的差值为ΔL(b)，并作为特征储存起来；

设第n次弹跳的声音强度为L(n)，将该次弹跳的声音强度与下一次弹跳的声音强度L(n+1)的差值ΔL与ΔL(b)进行比较，如果ΔL大于或等于ΔL(b)，则第n次弹跳认作一次自然弹跳，予以排除。

在实际拍球过程中，发现拍球声音的强度在两次拍球中的差值比较接近，而自然弹跳的话，两次弹跳声音的强度相差就很大。

ΔL＝|L(n)-L(n+1)|

如果ΔL>＝ΔL(b)，则判断是一次自然弹跳。

不同高度自然弹跳的两次弹跳之间声音强度的差值ΔL(b)可以经过学习获得，作为特征存起来。在实际计算中，考虑到时间限制，作为优选，ΔL(b)可以取一个定值ΔL(Limit)，则第n次弹跳的声音强度为L(n)与下一次弹跳的声音强度L(n+1)的差值ΔL大于或等于ΔL(Limit)时，第n次弹跳为自然弹跳。即ΔL>＝ΔL(Limit)，则判断是一次自然弹跳。

与现有技术相比，本发明的有益效果为：

本发明的智能拍球计数方法不需要采用专用皮球即可实现自动精确计数，不仅可以即时计数，也可以进行录音回放。尤其随着移动摄录设备的广泛采用，该方法将具有更强的实用性。

附图说明

图1为本发明实施例的基于音频信息的拍球计数方法的流程图；

图2为本发明实施例的音频波形图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合实施例及其附图对本发明作进一步说明。

实施例

参见图1，本实施例的基于音频信息的拍球计数方法包括以下步骤：

获取步骤S1，通过录像设备获取拍球动作的原始视频数据(.avi)。

提取步骤S2，从原始视频数据(.avi)中提取出音频数据；

滤波步骤S3，对音频数据进行滤波处理：

将具有等时间步长δt的离散时间系列x_n′(n′＝1,…,N)的连续小波变换定义为小波函数ψ₀尺度化以及转换下的x_n′的卷积：

式中Ψ是要选择的小波函数，*表示共轭复数，N是时间系列的总数据个数，是一个用于小波函数标准化的因子从而使得小波函数在每个小波尺度s上具有的单位能量。通过转换小波尺度s并沿着时间指数n进行局部化，最终可得到一幅展示时间系列在某一尺度上波动特征及其随时间变化的图谱，即小波功率谱。

在matlab中，连续小波变换方法为：

coefs＝cwt(x,scales,′wname′)

wname即为小波基的类别，如Haar，db2，coif3，sym2等；coefs为连续小波变换后的返回系数矩阵，系数以行方式存储在矩阵中；cwt为实现一维连续小波变换的函数；x是要进行连续小波变换的函数；scales为连续小波变换的尺度向量。

对一个时间系列进行小波转换时，小波基的选择显得尤为重要，matlab支持的小波基多达15种。本发明选取了Complex Morlet小波，这是一种改造后的Morlet小波。Morlet小波在时间与频率的局部化之间有着很好的平衡。此外，Morlet小波中还包含着更多的振动信息，改造后的小波非常适合用于分析声音信号。

Morlet小波是高斯包络下的正弦函数，其表达式为：

式中t表示时间，e表示自然常数，e≈2.71828。

Complex Morlet表达式为：

式中F_b是带宽参数，F_c是小波中心频率，t表示时间。

需要说明的是，本实施例采用该方法对音频数据进行滤波处理，不仅限于matlab软件，其他软件中也有类似函数，同时不限于这种方法。

音频处理步骤S4，从音频数据中提取出音频的采样频率，以时间为横坐标，频率为纵坐标绘制音频波形图，参见图2。

所提取的采样频率为44.1Khz。提取出的采样频率储存在FS里，为44100，提取出的数据储存在audidata里。

音频中除了击球的声音还有噪声和人声，峰值较高的部分为球接触地板的时候的声音，可以直接通过高峰值判断是否击球。

直接分析频谱含量，如果范围内的频谱含量大于一定阈值的话，就认为这是一次有效的碰撞：

coefs是小波变化后的能量谱矩阵，在选定的范围内(在即fmin与fmax之间)数值和大于最小值D。

判断步骤S5，沿横坐标找出每个拍球周期，并排除自然弹跳后计入拍球次数。

记不同高度自然弹跳的两次弹跳之间声音强度的差值为ΔL(b)，并作为特征储存起来，将ΔL(b)取一定值ΔL(Limit)；

设第n次弹跳的声音强度为L(n)，将该次弹跳的声音强度与下一次弹跳的声音强度L(n+1)的差值ΔL与ΔL(Limit)进行比较，如果ΔL大于或等于ΔL(Limit)，则第n次弹跳认作一次自然弹跳，予以排除；

即如果ΔL>＝ΔL(Limit)，则判断是一次自然弹跳不计入拍球次数中，如果该条件不成立，则依次计入拍球次数。

输出步骤S6，将计数结果输出并显示。

Claims (4)

1.一种基于音频信息的拍球计数方法，其特征在于，包括以下步骤：

1)获取拍球动作的音频数据；

2)对音频数据进行滤波处理；

3)从音频数据中提取出音频的采样频率，以时间为横坐标，频率为纵坐标绘制音频波形图；

4)沿横坐标找出每个拍球周期，并排除自然弹跳后计入拍球次数；

步骤1)首先利用摄录设备对拍球动作进行录制，然后从录制的视频文件中提取出音频数据；

步骤2)采用连续小波变换的方法对音频数据进行滤波处理：

将具有等时间步长δt的离散时间系列xn′(n′＝1,…,N)的连续小波变换定义为小波函数ψ₀尺度化以及转换下的xn′的卷积：

式中，Ψ是要选择的小波函数，*表示共轭复数，N是时间系列的总数据个数，是一个用于小波函数标准化的因子，从而使得小波函数在每个小波尺度s上具有的单位能量；通过转换小波尺度s并沿着时间指数n进行局部化，最终可得到一幅展示时间系列在某一尺度上波动特征及其随时间变化的图谱，即小波功率谱。

2.根据权利要求1所述的基于音频信息的拍球计数方法，其特征在于：

步骤3)中所提取的采样频率为44.1Khz。

3.根据权利要求1所述的基于音频信息的拍球计数方法，其特征在于：

步骤4)中所述的排除自然弹跳的方法如下：

记不同高度自然弹跳的两次弹跳之间声音强度的差值为ΔL(b)，并作为特征储存起来；

设第n次弹跳的声音强度为L(n)，将该次弹跳的声音强度与下一次弹跳的声音强度L(n+1)的差值ΔL与ΔL(b)进行比较，如果ΔL大于或等于ΔL(b)，则第n次弹跳认作一次自然弹跳，予以排除。

4.根据权利要求3所述的基于音频信息的拍球计数方法，其特征在于：

所述的ΔL(b)取一定值ΔL(Limit)，则第n次弹跳的声音强度为L(n)与下一次弹跳的声音强度L(n+1)的差值ΔL大于或等于ΔL(Limit)时，第n次弹跳为自然弹跳。