CN112966571B - 一种基于机器视觉的立定跳远腾空高度量测方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的立定跳远腾空高度量测方法，其步骤包括：1摄像机采集立定跳远样本视频并利用OpenPose检测模型得到立定跳远人体关键点；2根据所述关键点构建躯干姿态向量；3利用所述人体躯干姿态向量对起跳帧和落地帧进行判别；4根据检测视频最高处漏帧状况采取不同方法量测高度；5对于非最高处漏帧状况采取OpenPose高度直接量测方法；6对于最高处漏帧状况通过OpenPose得到的位置点进行最小二乘法拟合二次函数，反向计算腾空高度。本发明利用机器视觉实现了对立定跳远高度的测量，减少了设备仪器成本，且不受天气、背景等外部因素的影响，具有较好的鲁棒性和检测准确率。

Description

一种基于机器视觉的立定跳远腾空高度量测方法

技术领域

本发明涉及图像识别领域，具体的说是一种基于机器视觉的立定跳远腾空高度量测方法。

背景技术

立定跳远是国家体质健康监测的必测项目，它能有效发展学生的速度、协调、力量等身体素质，改善神经系统、心血管系统的功能。在影响学生的跳远成绩的诸多因素中，跳远的起跳高度是重中之重。因此，对学生立定跳远的腾空高度测量是十分必要的。

高度测量是模式识别中的一个很重要的特征，除了立定跳远外，在视频监控、交通管理等中均有广泛的应用。传统的高度测量方法是在监视场景中放一个标尺，参照标尺对目标物高度进行估计，这种方法主观性强误差太大，已经逐渐被舍弃。

目前，主要的高度测量方法主要有激光测距、单目视觉测量和双目视觉测量。激光测距的原理可分为两种，一种利用光速和往返时间的计算得到，另一种是依据激光位移传感器原理为基础的方法。激光测距的优势是在任何照明条件下都能够正常使用，同时保证对距离的高度灵敏。但是它也存在不可忽视的缺点，比如成本较高，受到近光调频的干扰，同时对大气和气象的测距条件苛刻；单目测量使用相机，将相机参数和三维场景进行线形转换所获得的参数，来计算目标物体的高度。然而这种方法必须知道相机参数和图片之间的关联性，且需要大量的矩阵计算，对场景的几何要求也较高；双目视觉测量通过两台相机模拟双目，通过拍摄的不同位置的检测物图像进行分析，确定距离。但其精度要受相机性能、光照和基线长度(两台相机之间距离)影响，同时因为算法复杂，所以在应用上会有很多限制。

发明内容

针对现有技术的不足，本发明旨在解决现有高度测量方法存在的所需测距条件苛刻、成本高、精度低、操作繁琐等问题，提出一种基于机器视觉的立定跳远腾空高度测量方法，以期实现对立定跳远高度的测量，减少设备仪器成本，提高鲁棒性和检测准确率。

本发明为解决技术问题采用如下技术方案：

本发明一种基于机器视觉的立定跳远腾空高度量测方法的特点是按如下步骤进行：

步骤一、对固定机位相机采集的立定跳远人体RGB图像信息进行处理，得到人体姿态关键点；

步骤1.1、使用固定机位相机采集不同时间、不同人群的立定跳远人体RGB图像视频；

步骤1.2、采用基于BODY_25模型的OpenPose神经网络模型，从立定跳远人体RGB图像视频中获得人体关键点，通过与标准人体立定跳远动作进行对比，得到立定跳远的n个特征关键点；

步骤二、基于所述立定跳远的n个特征关键点构建主躯干及手臂的姿态向量，包括左臂姿态向量V_left-hand、右臂姿态向量V_right-hand和主躯干姿态向量V_body；

步骤三、基于主躯干及手臂的姿态向量，计算一帧图像中主躯干及手臂的偏移角，并作为表征立定跳远起始帧姿态的关键动态量，以判断立定跳远起始帧；

步骤3.1、利用式(4)得到左臂姿态向量V_left-hand的偏移角θ_left-hand：

式(4)中，

表示单位垂直向量；(·,·)表示向量内积；

步骤3.2、利用式(5)得到右臂姿态向量V_right-hand的偏移角θ_right-hand：

步骤3.3、利用式(6)得到主躯干姿态向量V_body的偏移角θ_body：

若左臂姿态向量V_left-hand的偏移角θ_left-hand或右臂姿态向量V_right-hand的偏移角θ_right-hand与主躯干姿态向量V_body的偏移角θ_body的夹角α小于夹角阈值τ，且主躯干姿态向量V_body的偏移角θ_body与垂直向量V_vertical的夹角η小于阈值τ时，判定当前帧图像为起始帧；

步骤四、记录起始帧之后，根据主躯干位置变化判断立定跳远动作终止帧；

判断立定跳远起始帧之后，记录每一帧图像中踝部的位置坐标为k，当k在连续多帧内没有变化，则判定相应连续多帧的第一帧为终止帧，并根据终止帧和起始帧截取相应的视频段；

步骤五、读取所述视频段中每一帧图像的尾椎位置坐标y，并记录最高点为y_max，检查最高点y_max的前后帧图像是否有缺失，若缺失，则表示未记录立定跳远腾空最高点，并执行步骤六；否则，执行步骤七；

步骤六、记录计算最高点y_max的前一帧图像的尾椎位置坐标y_pre和后一帧图像的尾椎位置坐标y_next的误差

并判断δ＞μ是否成立，若成立，则表示最高点y_max不是立定跳远腾空最高点，并执行步骤七，否则，执行步骤八；其中，μ表示误差阈值；

步骤七、根据每一帧图像的尾椎位置坐标计算出立定跳远过程中的最高点位置；

令第i帧图像的尾椎垂直方向位置坐标为y_i，并根据相机的每帧时间间隔k计算出第i帧图像的尾椎垂直方向位置的时间t_i，从而得出时间和高度的对应关系；

利用最小二乘法对时间和高度的对应关系进行拟合从而计算出曲线的最高点，记为y_max；

步骤八、令立定跳远腾空最高点为H＝y_max。

与已有技术相比，本发明的有益效果体现在：

1、本发明将基于机器视觉获取的骨架关键点数据应用于人体立定跳远腾空高度测量，将视频数据转化为人体骨架序列数据，并根据关键点坐标识别结果计算出腾空高度；相比于传统方法，无需增加额外的设备仪器，大大减少了检测的成本。

2、本发明通过openpose获取的人体姿态关键点数据，不受天气、光照条件、背景等因素的影响，模型的鲁棒性较好。

3、本发明通过计算人体主躯干及手臂的偏移角和躯干与垂直向量偏移角判断起始或终止帧，确保了本方法具有较高的高度距离识别准确率与精确率，具备良好的应用价值。

附图说明

图1为本发明OpenPose检测点位图；

图2为本发明立定跳远腾空高度测量方法的流程图。

具体实施方式

本实施例中，参照图2，一种基于机器视觉的立定跳远腾空高度量测方法，是以摄像机采集图像信息，以人体骨骼关键点坐标表征人体姿态动态特征，以人体主躯干及手臂的偏移角和躯干与垂直向量偏移角作为判断起始或终止帧，以最小拟成法拟合跳跃轨迹得到腾空高度，具体的说，按如下步骤进行：

步骤一、对固定机位相机采集的立定跳远人体RGB图像信息进行处理，得到人体姿态关键点；

步骤1.1、使用固定机位相机采集不同时间、不同人群的立定跳远人体RGB图像视频；

步骤1.2、采用基于BODY_25模型的OpenPose神经网络模型，从立定跳远人体RGB图像视频中获得人体关键点，通过与标准人体立定跳远动作进行对比，得到立定跳远的n个特征关键点。如图1所示，即使用OpenPose获得颈部坐标(1点)，尾椎坐标(8点)，肩部坐标(3、5点)，肘部坐标(4、6点)，踝部坐标(11、14点)。

步骤二、基于立定跳远的n个特征关键点构建主躯干及手臂的姿态向量，包括左臂姿态向量V_left-hand、右臂姿态向量V_right-hand和主躯干姿态向量V_body；

步骤2.1、利用式(1)构建左臂姿态向量V_left-hand：

步骤2.2、利用式(2)构建右臂姿态向量V_right-hand：

步骤2.3、利用式(3)构建主躯干姿态向量V_body：

步骤三、基于主躯干及手臂的姿态向量，计算一帧图像中主躯干及手臂的偏移角，并作为表征立定跳远起始帧姿态的关键动态量，以判断立定跳远起始帧；

步骤3.1、利用式(4)得到左臂姿态向量V_left-hand的偏移角θ_left-hand：

式(4)中，

表示单位垂直向量；(·,·)表示向量内积；

步骤3.2、利用式(5)得到右臂姿态向量V_right-hand的偏移角θ_right-hand：

步骤3.3、利用式(6)得到主躯干姿态向量V_body的偏移角θ_body：

若左臂姿态向量V_left-hand的偏移角θ_left-hand或右臂姿态向量V_right-hand的偏移角θ_right-hand与主躯干姿态向量V_body的偏移角θ_body的夹角α小于夹角阈值τ，且主躯干姿态向量V_body的偏移角θ_body与垂直向量V_vertical的夹角η小于阈值τ时，判定当前帧图像为起始帧；

步骤四、记录起始帧之后，根据主躯干位置变化判断立定跳远动作终止帧；

判断立定跳远起始帧之后，记录每一帧图像中踝部的位置坐标为k，当k在连续多帧内没有变化，则判定相应连续多帧的第一帧为终止帧，并根据终止帧和起始帧截取相应的视频段；

步骤五、读取视频段中每一帧图像的尾椎位置坐标y，并记录最高点为y_max，检查最高点y_max的前后帧图像是否有缺失，若缺失，则表示未记录立定跳远腾空最高点，并执行步骤六；否则，执行步骤七；

步骤六、记录计算最高点y_max的前一帧图像的尾椎位置坐标y_pre和后一帧图像的尾椎位置坐标y_next的误差

并判断δ＞μ是否成立，若成立，则表示最高点y_max不是立定跳远腾空最高点，并执行步骤七，否则，执行步骤八；其中，μ表示误差阈值；

步骤七、根据每一帧图像的尾椎位置坐标计算出立定跳远过程中的最高点位置；

设截取视频段总帧数为m，令第i帧图像的尾椎垂直方向位置坐标为y_i，并根据相机的每帧时间间隔k计算出第i帧图像的尾椎垂直方向位置的时间t_i，从而得出时间和高度的对应关系如表1所示；

表1

i	1	2	3	……	m
						t<sub>i</sub>	t<sub>1</sub>＝k×1	t<sub>2</sub>＝k×2	t<sub>3</sub>＝k×3	……	t<sub>m</sub>＝k×m
y<sub>i</sub>	y<sub>1</sub>	y<sub>2</sub>	y<sub>3</sub>	……	y<sub>m</sub>

利用最小二乘法对时间和高度的对应关系进行拟合从而计算出曲线的最高点，记为y_max；

步骤八、令立定跳远腾空最高点为H＝y_max。

Claims (1)

1.一种基于机器视觉的立定跳远腾空高度量测方法，其特征是按如下步骤进行：

步骤一、对固定机位相机采集的立定跳远人体RGB图像信息进行处理，得到人体姿态关键点；

步骤1.1、使用固定机位相机采集不同时间、不同人群的立定跳远人体RGB图像视频；

步骤1.2、采用基于BODY_25模型的OpenPose神经网络模型，从立定跳远人体RGB图像视频中获得人体关键点，通过与标准人体立定跳远动作进行对比，得到立定跳远的n个特征关键点；

步骤二、基于所述立定跳远的n个特征关键点构建主躯干及手臂的姿态向量，包括左臂姿态向量V_left-hand、右臂姿态向量V_right-hand和主躯干姿态向量V_body；

步骤2.1、利用式(1)构建左臂姿态向量V_left-hand：

式(1)中，x₃表示左肩部特征关键点的横坐标，x₄表示左肘部特征关键点的横坐标，y₃表示左肩部特征关键点的纵坐标，y₄表示左肘部特征关键点的纵坐标；

步骤2.2、利用式(2)构建右臂姿态向量V_right-hand：

式(2)中，x₅表示右肩部特征关键点的横坐标，x₆表示右肘部特征关键点的横坐标，y₅表示右肩部特征关键点的纵坐标，y₆表示右肘部特征关键点的纵坐标；

步骤2.3、利用式(3)构建主躯干姿态向量V_body：

式(3)中，x₁表示颈部特征关键点的横坐标，x₈表示尾椎特征关键点的横坐标，y₁表示颈部特征关键点的纵坐标，y₈表示尾椎特征关键点的纵坐标；

步骤三、基于主躯干及手臂的姿态向量，计算一帧图像中主躯干及手臂的偏移角，并作为表征立定跳远起始帧姿态的关键动态量，以判断立定跳远起始帧；

步骤3.1、利用式(4)得到左臂姿态向量V_left-hand的偏移角θ_left-hand：

式(4)中，

表示单位垂直向量；(·,·)表示向量内积；

步骤3.2、利用式(5)得到右臂姿态向量V_right-hand的偏移角θ_right-hand：

步骤3.3、利用式(6)得到主躯干姿态向量V_body的偏移角θ_body：

若左臂姿态向量V_left-hand的偏移角θ_left-hand或右臂姿态向量V_right-hand的偏移角θ_right-hand与主躯干姿态向量V_body的偏移角θ_body的夹角α小于夹角阈值τ，且主躯干姿态向量V_body的偏移角θ_body与垂直向量V_vertical的夹角η小于阈值τ时，判定当前帧图像为起始帧；

步骤四、记录起始帧之后，根据主躯干位置变化判断立定跳远动作终止帧；

判断立定跳远起始帧之后，记录每一帧图像中踝部的位置坐标为k，当k在连续多帧内没有变化，则判定相应连续多帧的第一帧为终止帧，并根据终止帧和起始帧截取相应的视频段；

步骤五、读取所述视频段中每一帧图像的尾椎位置坐标y，并记录最高点为y_max，检查最高点y_max的前后帧图像是否有缺失，若缺失，则表示未记录立定跳远腾空最高点，并执行步骤六；否则，执行步骤七；

步骤六、记录计算最高点y_max的前一帧图像的尾椎位置坐标y_pre和后一帧图像的尾椎位置坐标y_next的误差

并判断δ＞μ是否成立，若成立，则表示最高点y_max不是立定跳远腾空最高点，并执行步骤七，否则，执行步骤八；其中，μ表示误差阈值；

步骤七、根据每一帧图像的尾椎位置坐标计算出立定跳远过程中的最高点位置；

令第i帧图像的尾椎垂直方向位置坐标为y_i，并根据相机的每帧时间间隔K计算出第i帧图像的尾椎垂直方向位置的时间t_i，从而得出时间和高度的对应关系；

利用最小二乘法对时间和高度的对应关系进行拟合从而计算出曲线的最高点，记为y_max；

步骤八、令立定跳远腾空最高点为H＝y_max。

Images