CN111265835A - 一种投掷运动训练设备及其控制方法 - Google Patents
一种投掷运动训练设备及其控制方法 Download PDFInfo
- Publication number
- CN111265835A CN111265835A CN202010140493.4A CN202010140493A CN111265835A CN 111265835 A CN111265835 A CN 111265835A CN 202010140493 A CN202010140493 A CN 202010140493A CN 111265835 A CN111265835 A CN 111265835A
- Authority
- CN
- China
- Prior art keywords
- shot
- image
- throwing
- module
- angle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012549 training Methods 0.000 title claims abstract description 58
- 230000009471 action Effects 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000001914 filtration Methods 0.000 claims description 41
- 238000011084 recovery Methods 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 238000001035 drying Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000009193 crawling Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 238000012512 characterization method Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4007—Scaling of whole images or parts thereof, e.g. expanding or contracting based on interpolation, e.g. bilinear interpolation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/757—Matching configurations of points or features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
- A63B2024/0015—Comparing movements or motion sequences with computerised simulations of movements or motion sequences, e.g. for generating an ideal template as reference to be achieved by the user
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Physical Education & Sports Medicine (AREA)
- Psychiatry (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Social Psychology (AREA)
- Image Processing (AREA)
Abstract
本发明属于科学训练技术领域，公开了一种投掷运动训练设备及其控制方法，投掷运动训练设备的控制方法包括采用视频监控、图像提取、图像增强、图像智能分析等手段实现运动训练过程中对运动员运动动作、运动角度速度、仿真模拟的实时监测。本发明结构简单，可以快速捕捉到运动员投掷铅球时运动员的出手动作、铅球出手时的角度及速度，可以经过分析计算出出手时投掷的力，并且可以通过运动仿真模拟在此力的作用下，铅球达到最远距离的投掷角度与实际情况中运动员投掷铅球时出手的角度进行对比，通过对比对运动员的投掷动作进行纠正，达到最优的投掷效果。同时，通过图像增强模块利用图像的低尺度信息，可减少时间复杂度，提高计算效率。
Description
技术领域
本发明属于科学训练技术领域，尤其涉及一种投掷运动训练设备及其控制方法。
背景技术
目前，最接近的现有技术：在国内，随着体育事业的蓬勃发展，铅球运动具有技术性高、力量要求高等特点，而这些特点也决定了其投掷的复杂性，然而在实际的训练当中，铅球运动的核心目标是投掷距离，而最佳路径是指当铅球运动员的出手高度和速度固定不变时，通过身体各个环节的运动形成固定的路径能使铅球推出更远的距离。由于最佳路径对铅球的成绩影响较大，而现有技术中将投掷运动训练设备与投掷时最佳路径规划相结合的技术还尚未见报道。因此，如何快速有效地检测铅球投掷时最佳路径成为体育领域亟待解决的主要问题。
综上所述，现有技术存在的问题是：现有技术中将投掷运动训练设备与投掷时最佳路径规划相结合的技术还尚未见报道。
发明内容
针对现有技术存在的问题，本发明提供了一种投掷运动训练设备及其控制方法。
本发明是这样实现的，一种投掷运动训练设备的控制方法，所述投掷运动训练设备的控制方法包括以下步骤：
步骤一，通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录：(I)正面图像采集设备和侧面图像采集设备同时采集目标区域的运动图像；
(II)正面图像采集设备采集正面图像，并检测出正面图像中待监控铅球的第一运动方向；
当正面图像中包含多个运动目标时，通过特征点匹配算法和/或坐标位置匹配算法将正面图像中的运动目标与侧面图像的运动目标进行匹配，将匹配出的且具有垂直运动方向的运动铅球作为待跟踪的待监控的铅球；
(III)侧面图像采集设备采集铅球运动侧面图像及运动员运动动作和铅球出手动作图像，并检测出所述侧面图像中待监控铅球的第二运动方向。
步骤二，通过主控制器的去燥单元对步骤一采集的图像进行去噪处理：(1)去燥单元收集图像原始数据；
(2)基于图像原始数据，对预设概念所隶属的类型，进行网络图像数据库上的图像三元组的爬取和解析；
(3)爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组；
其中，预设子类即对图像原始数据进行预设概念所隶属的类型确定，预设概念所隶属的类型包括图像格式、大小以及类型；
(4)计算图像三元组初始相似度；
(5)对图像三元组标签添加图片类型距离，并根据初始相似度，通过搜索识别按照预设方法获取图像三元组目标相似度；
(6)根据图像三元组目标相似度进行图像去燥。
步骤三，利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理：1)对采集的图像进行预处理；
2)构建非线性导向滤波，并计算非线性导向滤波的系数；
3)生成滤波增强图：根据步骤2)生成滤波图像，然后根据输入图得出滤波增强图。
步骤四，通过主控制器控制最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离：(a)组建最佳路径变化规律推导模型；
(b)计算铅球在运动过程中水平和竖直方向的阻力；
(c)计算投掷后铅球从抛出点到落地点的时间以及铅球最佳投掷角。
步骤五，利用距离传感器将铅球投掷的距离进行收集：a)当第一只铅球落地后，距离传感器获取投掷起点到铅球后端的直线距离，并标记为X1；
b)当第二只铅球落地后，距离传感器获取投掷起点到铅球后端的直线距离，并标记为X2，以此类推；
c)将所检测的数据与图像采集模块1按顺序采集的图像进行一一匹配。
进一步，步骤三、步骤四之间，需进行：步骤I，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；
步骤II，利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度。
步骤五之后，还需进行：
步骤1，将运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见；
步骤2，通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；铅球回收设备包括驱动电机和导向杆；
步骤3，通过蓄电池对投掷运动训练设备进行供电；
步骤4，通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
进一步，步骤三中，所述非线性导向滤波的构建方法如下：
设I是输入图像，g是导向图像，Iout是导向滤波后的图像，在s点的非线性导向滤波用以s点为中心的窗口ws中的输入像素非线性表征，具体表征如下：Iout(s)＝asI2(k)+bsI(k)+cs，k∈ws，如果系数as为0，非线性导向滤波就退化成线性导向滤波。
进一步，步骤三中，所述非线性导向滤波的系数的计算方法包括：
非线性导向滤波图像Iout和输入图像I的关系是I＝Iout+n，所述的n是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因此需要两者的能量差尽可能小，具体表达式如下：
将所述能量函数正则化，则：
其中，δ和ε分别是对as，bs的正则化惩罚参数，为了获得系数as，bs，cs值，须要对代价函数分别对as，bs，cs求偏导，并令对应的导数为零，即：
其中，mus 3分别表示在以s为中心的窗口ws内的图像I3，I2，I，g的平均值，var(Is 2)和var(Is)分别表示在以s为中心的窗口ws内的图像I3和I的方差。
进一步，步骤I中，所述利用微处理对采集的图像进行分析获取投掷出铅球的出手角度的方法如下：
(I)微处理器对增强后的图像进行前后对比；
(II)根据坐标系和微分分析计算出铅球出手时的角度。
进一步，步骤II中，所述利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度的方法如下：
(a)微处理器对增强后的图像进行前后对比；
(b)根据前后图像之间的间隔时间及铅球的位置变化，计算出铅球出手的速度。
进一步，步骤四中，所述通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离的方法，具体如下：
(1)组建最佳路径变化规律推导模型，如下：
式中，e代表实际远度，C(x，y)代表铅球落地C点时的坐标，
代表铅球在水平方向的投掷力，
代表铅球推力角度的衰减系数，
代表推力和衰减系数间的关系，ζ(y)代表在铅球投掷时形成的水平方向应力；
(2)假设由
代表铅球在运动过程中某一瞬间，速度v和水平方向的夹角，计算铅球在运动过程中水平和竖直方向的阻力，计算关系式如下：
式中，F代表空气阻力；
计算出铅球在运动至斜上位置时受到空气阻力时的微分方程，如下：
式中，dvx和dvy分别代表铅球在运动过程中竖直分速度方向和阻力，mg代表不同方向阻力分量的关系系数，m代表方向系数；
(3)由
代表铅球在运动过程中的上升段，
代表铅球在运动过程中的下降段，获取空气阻力和速度的关系，如下：
式中，κ*代表铅球在运动初始时刻受到的空气阻力，γx*代表铅球抛出点离地面的高度，by*代表空气阻力与速度的平方比，η代表给定的基本参数；
(4)投掷后铅球从抛出点到落地点的时间计算如下：
式中，ωz代表铅球离手瞬间速度；
(5)铅球最佳投掷角的计算方式如下：
式中，aΔ代表铅球平均飞行时间，λ(x)代表铅球最佳投掷角。
本发明的另一目的在于提供一种应用所述的投掷运动训练设备的控制方法的投掷运动训练设备，其特征在于，所述投掷运动训练设备包括：
图像采集模块、图像处理模块、图像增强模块、主控模块、角度计算模块、速度计算模块、最佳路径仿真模块、投掷距离收集模块、投掷训练分析模块、铅球回收模块、供电模块、显示模块。
图像采集模块，与主控模块连接，用于通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录；
图像处理模块，与主控模块连接，通过主控制器的去燥单元对采集的图像进行去噪处理，保证在有效滤除噪声的前提下，又能保持图像的细节；
图像增强模块，与主控模块连接，利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理；
主控模块，与图像采集模块、图像处理模块、图像增强模块、角度计算模块、速度计算模块、最佳路径仿真模块、投掷距离收集模块、投掷训练分析模块、铅球回收模块、供电模块、显示模块连接，用于通过主控制器控制各模块的运行状态；
角度计算模块，与主控模块连接，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；
速度计算模块，与主控模块连接，利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度；
最佳路径仿真模块，与主控模块连接，用于通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离；
投掷距离收集模块，与主控模块连接，利用距离传感器将铅球投掷的距离进行收集；
投掷训练分析模块，与主控模块连接，用于运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见；
铅球回收模块，与主控模块连接，用于通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；所述铅球回收设备包括驱动电机和导向杆；
供电模块，与主控模块连接，用于通过蓄电池对投掷运动训练设备进行供电；
显示模块，与主控模块连接，用于通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的投掷运动训练设备的控制方法。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的投掷运动训练设备的控制方法。
综上所述，本发明的优点及积极效果为：本发明结构简单，可以快速捕捉到运动员投掷铅球时运动员的出手动作、铅球出手时的角度及速度，可以经过分析计算出出手时投掷的力，并且可以通过运动仿真模拟在此力的作用下，铅球达到最远距离的投掷角度与实际情况中运动员投掷铅球时出手的角度进行对比，通过对比对运动员的投掷动作进行纠正，达到最优的投掷效果。
本发明通过图像增强模块构建局部非线性导向滤波模型，接着求解对应的导向滤波系数。为了进一步提高效率，减少时间复杂度，本发明对输入图像子采样后非线性导向滤波，接着通过双线性插值的方式进行恢复到原始图像大小。本发明可以应用很多不同的计算机视觉领域，如较好保持边缘的图象平滑，图像细节增强，HDR图像压缩及去除均匀雾等操作。本发明利用了图像的低尺度信息，减少时间复杂度，提高了计算效率，同时本发明计算简便，可实现性好，因此可以很方便应用到计算机，甚至优化后可以移植到嵌入式系统中。本发明可以被广泛地应用于了军事、交通、航天和遥感的等户外作业用途。
附图说明
图1是本发明实施例提供的投掷运动训练设备的控制方法流程图。
图2是本发明实施例提供的投掷运动训练设备结构框图；
图中：1、图像采集模块；2、图像处理模块；3、图像增强模块；4、主控模块；5、角度计算模块；6、速度计算模块；7、最佳路径仿真模块；8、投掷距离收集模块；9、投掷训练分析模块；10、铅球回收模块；11、供电模块；12、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种投掷运动训练设备及其控制方法，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的投掷运动训练设备的控制方法包括以下步骤：
S101，通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录；通过主控制器的去燥单元对采集的图像进行去噪处理。
S102，利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理；通过主控制器控制投掷运动训练设备的运行状态。
S103，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度。
S104，通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离。
S105，利用距离传感器将铅球投掷的距离进行收集；将运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见。
S106，通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；所述铅球回收设备包括驱动电机和导向杆；通过蓄电池对投掷运动训练设备进行供电。
S107，通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
如图2所示，本发明实施例提供的投掷运动训练设备包括：图像采集模块1、图像处理模块2、图像增强模块3、主控模块4、角度计算模块5、速度计算模块6、最佳路径仿真模块7、投掷距离收集模块8、投掷训练分析模块9、铅球回收模块10、供电模块11、显示模块12。
图像采集模块1，与主控模块4连接，用于通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录；
图像处理模块2，与主控模块4连接，通过主控制器的去燥单元对采集的图像进行去噪处理，保证在有效滤除噪声的前提下，又能保持图像的细节；
图像增强模块3，与主控模块4连接，利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理；
主控模块4，与图像采集模块1、图像处理模块2、图像增强模块3、角度计算模块5、速度计算模块6、最佳路径仿真模块7、投掷距离收集模块8、投掷训练分析模块9、铅球回收模块10、供电模块11、显示模块12连接，用于通过主控制器控制各模块的运行状态；
角度计算模块5，与主控模块4连接，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；
速度计算模块6，与主控模块4连接，利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度；
最佳路径仿真模块7，与主控模块4连接，用于通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离；
投掷距离收集模块8，与主控模块4连接，利用距离传感器将铅球投掷的距离进行收集；
投掷训练分析模块9，与主控模块4连接，用于运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见；
铅球回收模块10，与主控模块4连接，用于通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；所述铅球回收设备包括驱动电机和导向杆；
供电模块11，与主控模块4连接，用于通过蓄电池对投掷运动训练设备进行供电；
显示模块12，与主控模块4连接，用于通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
下面结合具体实施例对本发明作进一步描述。
实施例1
本发明实施例提供的投掷运动训练设备的控制方法如图1所示，作为优选实施例，本发明实施例提供的通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录的方法如下：
(I)正面图像采集设备和侧面图像采集设备同时采集目标区域的运动图像。
(II)正面图像采集设备采集正面图像，并检测出正面图像中待监控铅球的第一运动方向。
当正面图像中包含多个运动目标时，通过特征点匹配算法和/或坐标位置匹配算法将正面图像中的运动目标与侧面图像的运动目标进行匹配，将匹配出的且具有垂直运动方向的运动铅球作为待跟踪的待监控的铅球。
(III)侧面图像采集设备采集铅球运动侧面图像及运动员运动动作和铅球出手动作图像，并检测出所述侧面图像中待监控铅球的第二运动方向。
实施例2
本发明实施例提供的投掷运动训练设备的控制方法如图1所示，作为优选实施例，本发明实施例提供的通过主控制器的去燥单元对采集的图像进行去噪处理的方法如下：
(1)通过去燥单元收集图像原始数据。
(2)基于图像原始数据，对预设概念所隶属的类型，进行网络图像数据库上的图像三元组的爬取和解析。
(3)爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组。
其中，预设子类即对图像原始数据进行预设概念所隶属的类型确定，预设概念所隶属的类型包括图像格式、大小以及类型。
(4)计算图像三元组初始相似度。
(5)对图像三元组标签添加图片类型距离，并根据初始相似度，通过搜索识别按照预设方法获取图像三元组目标相似度。
(6)根据图像三元组目标相似度进行图像去燥。
实施例3
本发明实施例提供的投掷运动训练设备的控制方法如图1所示，作为优选实施例，本发明实施例提供的利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理的方法如下：
1)对采集的图像进行预处理。
2)构建非线性导向滤波：
设I是输入图像，g是导向图像，Iout是导向滤波后的图像，在s点的非线性导向滤波用以s点为中心的窗口ws中的输入像素非线性表征，具体表征如下：Iout(s)＝asI2(k)+bsI(k)+cs，k∈ws，如果系数as为0，非线性导向滤波就退化成线性导向滤波。
3)计算非线性导向滤波的系数：
非线性导向滤波图像Iout和输入图像I的关系是I＝Iout+n，所述的n是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因此需要两者的能量差尽可能小，具体表达式如下：
将所述能量函数正则化，则：
其中，δ和ε分别是对as，bs的正则化惩罚参数，为了获得系数as，bs，cs值，须要对代价函数分别对as，bs，cs求偏导，并令对应的导数为零，即：
其中，mus 3分别表示在以s为中心的窗口ws内的图像I3，I2，I，g的平均值，var(Is 2)和var(Is)分别表示在以s为中心的窗口ws内的图像I3和I的方差。
4)生成滤波增强图：根据步骤2)生成滤波图像，然后根据输入图得出滤波增强图。
实施例4
本发明实施例提供的投掷运动训练设备的控制方法如图1所示，作为优选实施例，本发明实施例提供的通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离的方法，具体如下：
(1)组建最佳路径变化规律推导模型，如下：
式中，e代表实际远度，C(x，y)代表铅球落地C点时的坐标，
代表铅球在水平方向的投掷力，
代表铅球推力角度的衰减系数，
代表推力和衰减系数间的关系，ζ(y)代表在铅球投掷时形成的水平方向应力。
(2)假设由
代表铅球在运动过程中某一瞬间，速度v和水平方向的夹角，计算铅球在运动过程中水平和竖直方向的阻力，计算关系式如下：
式中，F代表空气阻力；
计算出铅球在运动至斜上位置时受到空气阻力时的微分方程，如下：
式中，dvx和dvy分别代表铅球在运动过程中竖直分速度方向和阻力，mg代表不同方向阻力分量的关系系数，m代表方向系数。
(3)由
代表铅球在运动过程中的上升段，
代表铅球在运动过程中的下降段，获取空气阻力和速度的关系，如下：
式中，κ*代表铅球在运动初始时刻受到的空气阻力，γx*代表铅球抛出点离地面的高度，by*代表空气阻力与速度的平方比，η代表给定的基本参数。
(4)投掷后铅球从抛出点到落地点的时间计算如下：
式中，ωz代表铅球离手瞬间速度。
(5)铅球最佳投掷角的计算方式如下：
式中，aΔ代表铅球平均飞行时间，λ(x)代表铅球最佳投掷角。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种投掷运动训练设备的控制方法，其特征在于，所述投掷运动训练设备的控制方法包括以下步骤：
步骤一，正面图像采集设备和侧面图像采集设备同时采集目标区域的运动图像；
步骤二，正面图像采集设备采集正面图像，并检测出正面图像中待监控铅球的第一运动方向；
当正面图像中包含多个运动目标时，通过特征点匹配算法和/或坐标位置匹配算法将正面图像中的运动目标与侧面图像的运动目标进行匹配，将匹配出的且具有垂直运动方向的运动铅球作为待跟踪的待监控的铅球；
步骤三，侧面图像采集设备采集铅球运动侧面图像及运动员运动动作和铅球出手动作图像，并检测出所述侧面图像中待监控铅球的第二运动方向；
步骤四，通过主控制器的去燥单元对步骤三检测出的侧面图像信息再进行收集图像原始数据；
步骤五，基于图像原始数据，对预设概念所隶属的类型，进行网络图像数据库上的图像三元组的爬取和解析；
步骤六，爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组；预设子类即对图像原始数据进行预设概念所隶属的类型确定，预设概念所隶属的类型包括图像格式、大小以及类型；
步骤七，计算图像三元组初始相似度；
步骤八，对图像三元组标签添加图片类型距离，并根据初始相似度，通过搜索识别按照预设方法获取图像三元组目标相似度；
步骤九，根据图像三元组目标相似度进行图像去燥；
步骤十，利用非线性导向滤波图像增强方法对步骤九去燥的图像进行投掷运动训练中运动动作、铅球出手动作图像的预处理；
步骤十一，构建非线性导向滤波，并计算非线性导向滤波的系数；
步骤十二，根据步骤十一生成滤波图像，然后根据输入图得出滤波增强图；
步骤十三，通过主控制器控制最佳路径仿真程序基于铅球出手的速度计算不同出手角度下步骤十二滤波增强图中铅球投掷的最优距离，并组建最佳路径变化规律推导模型；
步骤十四，计算铅球在运动过程中水平和竖直方向的阻力；
步骤十五，计算投掷后铅球从抛出点到落地点的时间以及铅球最佳投掷角；
步骤十六，利用距离传感器将步骤十五投掷后铅球投掷的距离进行收集：当第一只铅球落地后，距离传感器获取投掷起点到铅球后端的直线距离，并标记为X1；
步骤十七，当第二只铅球落地后，距离传感器获取投掷起点到铅球后端的直线距离，并标记为X2，以此类推；
步骤十八，将所检测的数据与图像采集模块按顺序采集的图像进行一一匹配。
2.如权利要求1所述的投掷运动训练设备的控制方法，其特征在于，步骤十一中，所述非线性导向滤波的构建方法如下：
设I是输入图像，g是导向图像，Iout是导向滤波后的图像，在s点的非线性导向滤波用以s点为中心的窗口ws中的输入像素非线性表征，具体表征如下：Iout(s)＝asI2(k)+bsI(k)+cs，k∈ws，如果系数as为0，非线性导向滤波就退化成线性导向滤波。
3.如权利要求1所述的投掷运动训练设备的控制方法，其特征在于，步骤十一中，所述非线性导向滤波的系数的计算方法包括：
非线性导向滤波图像Iout和输入图像I的关系是I＝Iout+n，所述的n是噪声、云雾或纹理，为了使滤波后的图像和输入图像尽可能接近，因此需要两者的能量差尽可能小，具体表达式如下：
将所述能量函数正则化，则：
其中，δ和ε分别是对as，bs的正则化惩罚参数，为了获得系数as，bs，cs值，须要对代价函数分别对as，bs，cs求偏导，并令对应的导数为零，即：
其中，mus 3分别表示在以s为中心的窗口ws内的图像I3，I2，I，g的平均值，var(Is 2)和var(Is)分别表示在以s为中心的窗口ws内的图像I3和I的方差。
4.如权利要求1所述的投掷运动训练设备的控制方法，其特征在于，步骤十三中，所述通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离的方法，具体如下：
(1)组建最佳路径变化规律推导模型，如下：
式中，e代表实际远度，C(x，y)代表铅球落地C点时的坐标，
代表铅球在水平方向的投掷力，ι(μ)代表铅球推力角度的衰减系数，vi *代表推力和衰减系数间的关系，ζ(y)代表在铅球投掷时形成的水平方向应力；
(2)假设由θ″代表铅球在运动过程中某一瞬间，速度v和水平方向的夹角，计算铅球在运动过程中水平和竖直方向的阻力，计算关系式如下：
式中，F代表空气阻力；
计算出铅球在运动至斜上位置时受到空气阻力时的微分方程，如下：
式中，dvx和dvy分别代表铅球在运动过程中竖直分速度方向和阻力，mg代表不同方向阻力分量的关系系数，m代表方向系数；
(3)由
代表铅球在运动过程中的上升段，
代表铅球在运动过程中的下降段，获取空气阻力和速度的关系，如下：
式中，κ*代表铅球在运动初始时刻受到的空气阻力，γx*代表铅球抛出点离地面的高度，by*代表空气阻力与速度的平方比，η代表给定的基本参数；
(4)投掷后铅球从抛出点到落地点的时间计算如下：
式中，ω1代表铅球离手瞬间速度；
(5)铅球最佳投掷角的计算方式如下：
式中，αΔ代表铅球平均飞行时间，λ(x)代表铅球最佳投掷角。
5.如权利要求1所述的投掷运动训练设备的控制方法，其特征在于，步骤十三进一步包括：步骤I，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；
步骤II，利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度；
步骤十八后，还需进行：
步骤1，将运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见；
步骤2，通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；铅球回收设备包括驱动电机和导向杆；
步骤3，通过蓄电池对投掷运动训练设备进行供电；
步骤4，通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
6.如权利要求5所述的投掷运动训练设备的控制方法，其特征在于，步骤I中，所述利用微处理对采集的图像进行分析获取投掷出铅球的出手角度的方法如下：
(I)微处理器对增强后的图像进行前后对比；
(II)根据坐标系和微分分析计算出铅球出手时的角度。
7.如权利要求5所述的投掷运动训练设备的控制方法，其特征在于，步骤II中，所述利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度的方法如下：
(a)微处理器对增强后的图像进行前后对比；
(b)根据前后图像之间的间隔时间及铅球的位置变化，计算出铅球出手的速度。
8.一种应用如权利要求1～7任意一项所述的投掷运动训练设备的控制方法的投掷运动训练设备，其特征在于，所述投掷运动训练设备包括：
图像采集模块、图像处理模块、图像增强模块、主控模块、角度计算模块、速度计算模块、最佳路径仿真模块、投掷距离收集模块、投掷训练分析模块、铅球回收模块、供电模块、显示模块；
图像采集模块，与主控模块连接，用于通过摄像机对运动员在投掷铅球运动过程中的运动动作、铅球出手动作进行图像记录；
图像处理模块，与主控模块连接，通过主控制器的去燥单元对采集的图像进行去噪处理，保证在有效滤除噪声的前提下，又能保持图像的细节；
图像增强模块，与主控模块连接，利用非线性导向滤波图像增强方法进行投掷运动训练中运动动作、铅球出手动作图像的增强处理；
主控模块，与图像采集模块、图像处理模块、图像增强模块、角度计算模块、速度计算模块、最佳路径仿真模块、投掷距离收集模块、投掷训练分析模块、铅球回收模块、供电模块、显示模块连接，用于通过主控制器控制各模块的运行状态；
角度计算模块，与主控模块连接，利用微处理对采集的图像进行分析获取投掷出铅球的出手角度；
速度计算模块，与主控模块连接，利用微处理器对采集的图像进行分析获取投掷出铅球的出手速度；
最佳路径仿真模块，与主控模块连接，用于通过最佳路径仿真程序基于铅球出手的速度计算不同出手角度下铅球投掷的最优距离；
投掷距离收集模块，与主控模块连接，利用距离传感器将铅球投掷的距离进行收集；
投掷训练分析模块，与主控模块连接，用于运动员实际的投掷角度与最佳角度之间进行对比，并给出运动员出手方式的改进意见；
铅球回收模块，与主控模块连接，用于通过铅球回收设备将投掷出的铅球进行自动化回收至投掷处；所述铅球回收设备包括驱动电机和导向杆；
供电模块，与主控模块连接，用于通过蓄电池对投掷运动训练设备进行供电；
显示模块，与主控模块连接，用于通过显示装置显示铅球的投掷距离、出手动作及铅球的运动参数的实时数据；所述显示装置包括显示屏及操作按钮。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求1～7任意一项所述的投掷运动训练设备的控制方法。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述的投掷运动训练设备的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010140493.4A CN111265835A (zh) | 2020-03-03 | 2020-03-03 | 一种投掷运动训练设备及其控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010140493.4A CN111265835A (zh) | 2020-03-03 | 2020-03-03 | 一种投掷运动训练设备及其控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111265835A true CN111265835A (zh) | 2020-06-12 |
Family
ID=70992419
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010140493.4A Withdrawn CN111265835A (zh) | 2020-03-03 | 2020-03-03 | 一种投掷运动训练设备及其控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111265835A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833439A (zh) * | 2020-07-13 | 2020-10-27 | 郑州胜龙信息技术股份有限公司 | 基于人工智能的弹药投掷分析及移动仿真训练方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101077450A (zh) * | 2007-06-22 | 2007-11-28 | 河北师范大学 | 一种用于运动员动力学信息测试的铁饼 |
| CN104524749A (zh) * | 2015-01-09 | 2015-04-22 | 李漩 | 数字化智能篮球 |
| CN104618650A (zh) * | 2015-01-30 | 2015-05-13 | 苏州阔地网络科技有限公司 | 一种正面、侧面图像采集设备联合的运动检测方法与设备 |
| CN105184743A (zh) * | 2015-08-19 | 2015-12-23 | 常州工学院 | 一种基于非线性导向滤波的图像增强方法 |
| CN105999670A (zh) * | 2016-05-31 | 2016-10-12 | 山东科技大学 | 基于kinect的太极拳动作判定和指导系统及其指导方法 |
| WO2016172463A1 (en) * | 2015-04-22 | 2016-10-27 | Alcatel-Lucent Usa Inc. | Wearable interactive learning devices |
| CN106178452A (zh) * | 2016-07-28 | 2016-12-07 | 田雨庭 | 一种羽毛球步法训练器材 |
| EP3485947A1 (en) * | 2016-07-18 | 2019-05-22 | Shenzhen Microteam Information Technology Co., Ltd | Ball-game data processing method and system |
| CN110085299A (zh) * | 2019-04-19 | 2019-08-02 | 合肥中科离子医学技术装备有限公司 | 一种图像识别去燥方法、系统及图像库 |
-
2020
- 2020-03-03 CN CN202010140493.4A patent/CN111265835A/zh not_active Withdrawn
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101077450A (zh) * | 2007-06-22 | 2007-11-28 | 河北师范大学 | 一种用于运动员动力学信息测试的铁饼 |
| CN104524749A (zh) * | 2015-01-09 | 2015-04-22 | 李漩 | 数字化智能篮球 |
| CN104618650A (zh) * | 2015-01-30 | 2015-05-13 | 苏州阔地网络科技有限公司 | 一种正面、侧面图像采集设备联合的运动检测方法与设备 |
| WO2016172463A1 (en) * | 2015-04-22 | 2016-10-27 | Alcatel-Lucent Usa Inc. | Wearable interactive learning devices |
| CN105184743A (zh) * | 2015-08-19 | 2015-12-23 | 常州工学院 | 一种基于非线性导向滤波的图像增强方法 |
| CN105999670A (zh) * | 2016-05-31 | 2016-10-12 | 山东科技大学 | 基于kinect的太极拳动作判定和指导系统及其指导方法 |
| EP3485947A1 (en) * | 2016-07-18 | 2019-05-22 | Shenzhen Microteam Information Technology Co., Ltd | Ball-game data processing method and system |
| CN106178452A (zh) * | 2016-07-28 | 2016-12-07 | 田雨庭 | 一种羽毛球步法训练器材 |
| CN110085299A (zh) * | 2019-04-19 | 2019-08-02 | 合肥中科离子医学技术装备有限公司 | 一种图像识别去燥方法、系统及图像库 |
Non-Patent Citations (1)
| Title |
|---|
| 白光斌等: "铅球运动员投掷最佳路径优化检测仿真", 《计算机仿真》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111833439A (zh) * | 2020-07-13 | 2020-10-27 | 郑州胜龙信息技术股份有限公司 | 基于人工智能的弹药投掷分析及移动仿真训练方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107481270B (zh) | 乒乓球目标跟踪和轨迹预测方法、装置、存储介质和计算机设备 | |
| CN105654512B (zh) | 一种目标跟踪方法和装置 | |
| CN106056053B (zh) | 基于骨骼特征点提取的人体姿势识别方法 | |
| CN107103613B (zh) | 一种三维手势姿态估计方法 | |
| CN109919981A (zh) | 一种基于卡尔曼滤波辅助的多特征融合的多目标跟踪方法 | |
| CN111311666A (zh) | 一种融合边缘特征和深度学习的单目视觉里程计方法 | |
| CN110929596A (zh) | 一种基于智能手机和人工智能的投篮训练系统与方法 | |
| CN104794737B (zh) | 一种深度信息辅助粒子滤波跟踪方法 | |
| CN109816692A (zh) | 一种基于Camshift算法的运动目标跟踪方法 | |
| CN108447091A (zh) | 目标定位方法、装置、电子设备及存储介质 | |
| CN102855470A (zh) | 基于深度图像的人体姿态估计方法 | |
| CN101794384A (zh) | 一种基于人体轮廓图提取与分组运动图查询的投篮动作识别方法 | |
| CN112861808B (zh) | 动态手势识别方法、装置、计算机设备及可读存储介质 | |
| CN106127145A (zh) | 瞳孔定位及跟踪方法 | |
| CN110675453A (zh) | 一种已知场景中运动目标的自定位方法 | |
| CN106327528A (zh) | 无人机运动目标跟踪方法及无人机的工作方法 | |
| CN105184229A (zh) | 一种动态场景下基于在线学习的实时行人检测方法 | |
| CN111899345B (zh) | 一种基于2d视觉图像的三维重建方法 | |
| CN111265835A (zh) | 一种投掷运动训练设备及其控制方法 | |
| CN112785564B (zh) | 一种基于机械臂的行人检测跟踪系统与方法 | |
| CN113837063A (zh) | 一种基于强化学习的冰壶运动现场分析和辅助决策方法 | |
| CN114093030B (zh) | 一种基于人体姿态学习的射击训练分析方法 | |
| CN114550219B (zh) | 行人追踪方法及装置 | |
| CN109544597A (zh) | 一种基于视觉的四旋翼无人机目标跟踪方法、系统及装置 | |
| CN110287957A (zh) | 一种低慢小目标的定位方法及定位装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200612 |