CN115861381B - 球体协同运动中鱼跃救球动作标准性的检测方法及系统 - Google Patents

Abstract

本发明属于动作检测技术领域，公开了一种球体协同运动中鱼跃救球动作标准性的检测方法及系统，通过分别对测试者和示范者在鱼跃救球动作中的肢体动作进行特征提取，并采用曲线段的方式进行抽象描述；再结合助跑救球阶段、跃出腾空阶段和落地缓冲阶段过程中的技术要点，在测试者和示范者的动作特征曲线段上划分相应的特征检测区域，采用二次匹配的方式对测试者的动作曲线与示范者的动作曲线进行特征匹配，从而实现对测试者在做鱼跃救球动作时动作是否标准进行检测。

Description

球体协同运动中鱼跃救球动作标准性的检测方法及系统

技术领域

本发明涉及动作检测技术领域，具体而言，涉及一种球体协同运动中鱼跃救球动作标准性的检测方法及系统。

背景技术

由鱼跃救球动作的技术特点可以看出，该动作在一定程度上增加了运动员的关节负荷，特别是在落地缓冲阶段，由身体重量和重力加速度的作用下，地面反作用力增大了对运动员上肢关节的负荷，一旦在鱼跃救球过程中出现动作变形将导致运动员受伤。因此，针对于排球运动中的鱼跃救球动作，对运动员在训练过程中的动作标准性进行检测十分必要，有助于对运动员进行训练指导，帮助运动员纠正不规范动作，减小运动员在运动过程中的受伤概率。

现有的针对鱼跃救球动作标准性的检测是通过采集运动员的肌电参数，通过肌电参数对相关肌群进行生物力学检测，分析出运动员在鱼跃救球过程中的动作特征，根据动作特征分析其动作的标准性。现有技术提供的分析方法需要依据大量的生物力学数据，对数据精度要求较高，且数据分析方法复杂。

有鉴于此，特提出本申请。

发明内容

本发明所要解决的技术问题是：现有的关于鱼跃救球动作标准性的检测方法需要依据大量的生物力学数据，对数据精度要求较高，且数据分析方法复杂。目的在于提供一球体协同运动中鱼跃救球动作标准性的检测方法及系统，通过分别对测试者和示范者在鱼跃救球动作中的肢体动作进行特征提取，并采用曲线段的方式进行抽象描述；再结合助跑救球阶段、跃出腾空阶段和落地缓冲阶段过程中的技术要点，在测试者和示范者的动作特征曲线段上划分相应的特征检测区域，采用二次匹配的方式对测试者的动作曲线与示范者的动作曲线进行特征匹配，从而无需基于大量的检测数据和复杂的分析模型，可实现对测试者在做鱼跃救球动作时动作是否标准进行检测。

本发明通过下述技术方案实现：

一方面，本发明提供一种球体协同运动中鱼跃救球动作标准性的检测方法，包括以下步骤：获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像；逐帧解析每个三维运动图像，得到测试者的动作曲线集合 A和每名示范者的动作曲线集合 B _m ， m=1,2,..., M， M表示示范者人数；将动作曲线集合 A与每个动作曲线集合 B _m 初次匹配，得到最近似动作曲线集合 E；S1：在助跑救球阶段的每条动作曲线 A _n 上标记特征线段 L ₁₁ ，特征线段 L ₁₁ 包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节，在特征线段 L ₁₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，若匹配成功，则执行S2，否则判定动作不标准； n=1,2,…, N， N表示测试者的三维运动图像帧数；S2：在跃出腾空阶段的每条动作曲线 A _n 上标记特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ ；特征线段 L ₂₁ 包含寰锥至第七颈椎，特征线段 L ₂₂ 包含第一胸椎至第十二胸椎，特征线段 L ₂₃ 包含第五腰椎、髋关节和膝关节，特征线段 L ₂₄ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；分别在特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配；若均匹配成功，则执行S3，否则判定动作不标准；S3：在落地缓冲阶段的每条动作曲线 A _n 上标记特征线段 L ₃₁ ，特征线段 L ₃₁ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在特征线段 L ₃₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配；若匹配成功，则判定动作标准，否则，判定动作不标准。

另一方面，本发明提供一种球体协同运动中鱼跃救球动作标准性的检测系统，包括：图像采集模块，用于获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像；图像解析模块，用于逐帧解析每个三维运动图像，得到测试者的动作曲线集合 A和每名示范者的动作曲线集合 B _m ， m=1,2,..., M， M表示示范者人数；第一匹配模块，用于将动作曲线集合 A与每个动作曲线集合 B _m 初次匹配，得到最近似动作曲线集合 E；图像标记模块，用于在助跑救球阶段的每条动作曲线 A _n 上标记特征线段 L ₁₁ ，特征线段 L ₁₁ 包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节；在跃出腾空阶段的每条动作曲线 A _n 上标记特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ ；特征线段 L ₂₁ 包含寰锥至第七颈椎，特征线段 L ₂₂ 包含第一胸椎至第十二胸椎，特征线段 L ₂₃ 包含第五腰椎、髋关节和膝关节，特征线段 L ₂₄ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在落地缓冲阶段的每条动作曲线 A _n 上标记特征线段 L ₃₁ ，特征线段 L ₃₁ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；第二匹配模块，用于在特征线段 L ₁₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，分别在特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，在特征线段 L ₃₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配； n=1,2,…, N， N表示测试者的三维运动图像帧数；控制及判定模块，用于对助跑救球阶段的二次匹配结果进行分析，若匹配成功，则对跃出腾空阶段的二次匹配结果进行分析，否则判定动作不标准；对跃出腾空阶段的二次匹配结果进行分析，若均匹配成功，则对落地缓冲阶段的二次匹配结果进行分析，否则判定动作不标准；对落地缓冲阶段的二次匹配结果进行分析，若匹配成功，则判定动作标准，否则，判定动作不标准。

本发明具有如下的优点和有益效果：

1、一方面，本发明采用对运动员在鱼跃救球全过程中的三维运动图像逐帧地进行特征提取，并采用曲线段的形式对运动员的肢体形态进行特征描述，可准确地表达出运动员在鱼跃救球动作的每个阶段的动作细节；另一方面，采集了多名示范者的三维运动图像，增加了样本的多样性，可作为不同身体比例的测试者的测试样本；再一方面，本发明对获得的动作曲线先后进行了两次匹配，通过第一次匹配从众多示范者的动作曲线中筛选出最佳匹配样本，第二次匹配在最佳匹配样本的基础上针对动作细节进行精准匹配，从而在保证匹配速率的同时提高了匹配精度；再一方面，在第二次匹配中，将鱼跃救球各个阶段的动作要点与人体结构特征相结合，采用连接与技术要点相关的骨骼关键点形成特征线段的方式，对人体重点检测部位进行划分，使检测更具有针对性且符合鱼跃救球动作技术要点，进而提高检测精度。2、布置了全方位的测试区域，并在测试区域内建立了空间直角坐标系，二者共同构成空间测试域，实现从不同视角方位对运动员的动作进行检测，扩大了检测维度，更有利于捕获运动员的动作细节，提高检测的精准度。3、增加了对运动员的肢刚度进行检测的技术手段，从运动力学的角度对鱼跃救球动作的标准性进行评价，克服了仅通过图形匹配的片面性。

附图说明

为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例1提供的布置后的检测环境俯视图；

图2为本发明实施例1提供的人体结构模型示意图；

图3为本发明实施例1提供的空间测试域示意图；

图4为本发明实施例1提供的助跑救球阶段的动作曲线侧视图；

图5为本发明实施例1提供的跃出腾空阶段的动作曲线侧视图；

图6为本发明实施例1提供的跃出腾空阶段身体向一侧倾斜的动作曲线俯视图；

图7为本发明实施例1提供的助跑救球阶段包含特征线段 L ₁₁ 的动作曲线侧视图；

图8为本发明实施例1提供的落地缓冲阶段初期、中期和后期包含特征线段 L ₃₁ 的动作曲线侧视图；

图9为本发明实施例1提供的建立特征描述集的原理示意图。

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明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

鱼跃救球动作包括助跑救球、跃出腾空和落地缓冲这三个阶段。在助跑救球阶段，运动员快速向球落地方向助跑，助跑过程中保持上体前倾，重心降低；在球落地前，前脚用力蹬地，同时将两手臂插入球下方，向上用力将球垫起。在跃出腾空阶段，运动员在前脚蹬地产生的助推力作用下向前跃出，腾空过程中，身体呈平行于地面或倾斜向下的角度，双臂由垫球时的合拢状态向左右两侧打开。在落地缓冲阶段，运动员双手先着地支撑，随后双肘屈曲，同时下颌抬起、扩胸、挺腹，膝关节弯曲使身体呈反弓形，整个落地缓冲阶段中手臂、胸部、腹部、大腿依次着地。

由鱼跃救球动作的技术特点可以看出，该动作在一定程度上增加了运动员的关节负荷，特别是在落地缓冲阶段，由身体重量和重力加速度的作用下，地面反作用力增大了对运动员上肢关节的负荷，一旦在鱼跃救球过程中出现动作变形将导致运动员受伤。因此，针对于排球运动中的鱼跃救球动作，对运动员在训练过程中的动作标准性进行检测十分必要，有助于对运动员进行训练指导，帮助运动员纠正不规范动作，减小运动员在运动过程中的受伤概率。

为了准确检测排球运动员在鱼跃救球各个阶段的动作是否标准，本实施例提供一种用于检测排球运动中鱼跃救球动作标准性的方法，通过分别对测试者和示范者在鱼跃救球动作中的肢体动作进行特征提取，并采用曲线段的方式进行抽象描述；再结合助跑救球阶段、跃出腾空阶段和落地缓冲阶段过程中的技术要点，在测试者和示范者的动作特征曲线段上划分相应的特征检测区域，采用二次匹配的方式对测试者的动作曲线与示范者的动作曲线进行特征匹配，实现对测试者在做鱼跃救球动作时动作是否标准进行检测，可帮助运动员纠正不规范动作，减小运动员在运动过程中的受伤概率。该方法的具体实现步骤如下：

步骤1：选取半个排球场作为测试区域，在测试区域的每一个顶角上分别安装一台高速红外摄像头，在测试区域的每条边上分别等间距地安装多台高速红外摄像头，在测试区域内安装三维测力台。

此步骤的目的是获得全方位的检测环境，实现从不同方位对测试者的动作进行检测，从而可更好地捕获测试者的肢体特征和动作细节。图1为布置后的检测环境俯视图。需说明的是，高速红外摄像头的作用是获取运动员在鱼跃救球全过程中的三维运动图像，也可选用Vicon三维红外动作捕捉系统，包含10个高分辨率红外摄像头，采样频率设置为200Hz；三维测力台可选用Kistler三维测力台（型号：9287B，尺寸90×60×10cm），包括两块嵌入地面的测力板，外置信号放大器，可与Vicon同步采集运动员的运动学参数，采样频率设置为1000Hz。

步骤2：获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像和手掌触及三维测力台时的底面反作用力。

测试开始时，测试陪同人员朝三维测力台的上方抛球，测试者从场地的某一方向朝球的方向助跑救球、跃出腾空，最终在三维测力台上完成落地缓冲动作。另外，本实施例选择多名（如1000名）示范者的目的是增加测试样本的多样性，以适应不同测试人员的身材比例、身体素质、年龄差异等，从而获得更合适的比对样本，可提高检测的准确度。

步骤3：对获得的所有三维运动图像（包括测试者的三维运动图像和示范者的三维运动图像）进行时间同步和帧同步。由于测试者和不同示范者的技术水平差异，身体反应速度的差异，以及抛球高度和位置差异等，造成各三维运动图像的起始时间、结束时间和每一帧都存在不统一的问题。因此，对所有三维运动图像进行时间同步和帧同步处理，有助于后续对三维运动图像进行处理。

步骤4：逐帧解析每个三维运动图像，得到测试者的动作曲线集合 A和每名示范者的动作曲线集合 B _m ， m=1,2,..., M， M表示示范者人数。

需说明的是，本实施例采用对每个三维运动图像进行逐帧解析。由于鱼跃救球动作从助跑至落地是一个连续的过程，时间长度较短；并且在整个过程中运动员的身体各部位时刻处于运动当中，相互配合完成不同的技术动作。因此运动员在整个鱼跃救球动作过程中各身体部位、各关节及肌肉的变化是不同的，可能存在某一时刻因动作不协调、肌肉过于紧张或过于松弛导致动作变形。所以本实施例以帧为单位对运动员的动作进行解析，实现无缝检测。

需进一步详细阐述的是，逐帧解析每个三维运动图像通过以下步骤实现：

步骤4.1：利用三维步态分析软件从每个三维运动图像的每一帧中解析出相应动作的人体结构模型。可选用Visual3D三维步态分析软件对获取到的三维运动图像进行自动解析，解析得到的人体结构模型是包含与每一帧图像的动作对应的人体全身骨骼框架结构，可参考图2，但需说明的是，图2仅仅为了说明人体结构模型的表现形式，并不表示本实施例所述的鱼跃救球动作的任一阶段的任一动作对应。

步骤4.2：建立空间直角坐标系，将该空间直角坐标系的原点对准该测试区域的其中一个顶角，将所述空间直角坐标系的x轴和y轴分别与所述测试区域的两条相邻直角边重合，得到空间测试域。本实施例建立的空间测试域如图3所示。在该空间测试域中，不仅可全方位地获取人体结构模型对应的动作特征，扩大检测维度，有利于捕获运动员的动作细节，提高检测的精准度，还能获取到各骨骼关键点的坐标。

步骤4.3：将解析出的所有人体结构模型映射到该空间测试域。通过映射实现了对所有人体结构模型的标准化处理。

步骤4.4在空间测试域中，在侧视角度上对每个人体结构模型的所有骨骼关键点按照人体结构特征连线，并对连线进行平滑处理，得到动作曲线集合 A和每名示范者的动作曲线集合 B _m 。

本实施例对所有骨骼关键点进行连线的目的在于：一方面，由于图形的角点反应了该图像的轮廓信息，而人体的做出的不同动作可通过各骨骼的不同相对位置关系来表征，但人体结构模型较复杂，不利于对其所表征的动作进行特征提取。因此本实施例采用将各骨骼关键点进行连线的方式来对某一动作进行抽象描述，不仅能够提取出运动员在某一动作下的肢体特征，还可降低了轮廓信息的复杂度。以助跑救球阶段的动作为例，可抽象出的动作曲线如图4所示。

另外，得到的动作曲线集合 A包含鱼跃救球动作的每一个阶段的每一帧对应的动作曲线，动作曲线集合 B _m 代表第m个示范者的动作曲线集合，每个动作曲线集合中包含了鱼跃救球动作的每一个阶段的每一帧对应的动作曲线，本实施例共得到m+1个曲线集合。以1名测试者和1000名示范者为例，通过表1对所得到的曲线结合 A和动作曲线集合 B _m 。

步骤4.5：在所述空间测试域中，在俯视角度上对每个人体结构模型的所有骨骼关键点按照人体结构特征连线，并对连线进行平滑处理，得到动作曲线集合 C和每名示范者的动作曲线集合 D _m 。

步骤4.4是从侧视角度上获取的各阶段每一帧的动作曲线，本步骤是在空间测试域中，从俯视角度上获取测试者和每名示范者在鱼跃救球各个阶段的每一帧图像对应的动作曲线。侧视角度上可对测试者的每个动作整体的标准性进行检查，但仅从一个侧面反映了测试者的动作特征，虽然能够得出检查结果，但该结果并不完善。例如，在跃出腾空阶段要求运动员在前脚蹬地的助推力作用下向前跃出，腾空过程中，身体呈平行于地面或倾斜向下的角度，双臂由垫球时的合拢状态向左右两侧打开，如图2。通过在侧视角度上对测试者的动作进行检测，可能会出现以下情况，在侧视角度上测试者的身体各个关键部位的姿态已符合动作标准，当可能从俯视角度上看，测试者的脊柱可能出现向一侧弯曲或倾斜，该特征无法从侧视角度上检测到，如图5和图6所示。因此，本实施例采用从侧视角度和俯视角度上对测试者的姿态进行检测，实现从不同视角方位对运动员的动作进行检测，扩大了检测维度，更有利于捕获运动员的动作细节，提高检测的精准度。

同样以1名测试者和1000名示范者为例，最后可得到如表2所示的动作曲线集合。

从表2中可以看出，针对测试者的侧视角度上的动作曲线集合 A和动作曲线集合 C，二者的各个元素是按帧对应的。同理，示范者的侧视角度上的动作曲线集合 B _m 和动作曲线集合 D _m ，二者的各个元素也是按帧对应的。

步骤5：将动作曲线集合 A与每个动作曲线集合 B _m 初次匹配，得到最近似动作曲线集合 E。本实施例采用先后两次将测试者的动作曲线与每名示范者的每个动作曲线进行匹配的方式。本步骤是进行第一次匹配，第一次匹配的目的是从众多示范者的动作曲线中筛选出最佳匹配样本。由于本实施例采集到的示范者的动作曲线较多，而每名示范者的身材比例、技术特点等不完全相同，因此需要进行初步筛选，找到与测试者的动作曲线最接近的一条曲线，以此作为比对样本，再进行后续的二次匹配，从而在保证匹配速率的同时提高了匹配精度。

初次匹配的具体实现方式包括以下步骤：

步骤5.1：将所述动作曲线集合 A的每条动作曲线 A _n 与每个动作曲线集合 B _m 的每条动作曲线 B _mk 进行轮廓比对，得到与每条动作曲线 A _n 对应的多条候选曲线 E _mk 。例如，结合表1或表2，将动作曲线 A ₁ 分别与动作曲线集合 B ₁ 中的动作曲线 B ₁ ~B _n 进行轮廓比对，得到候选曲线 E _1k ， k=1,2,…, K， K表示示范者的三维运动图像的帧数， E _1k 即表示动作曲线集合 B ₁ 中第 k帧的动作曲线与动作曲线 A ₁ 初次匹配成功。对应动作曲线 A ₂ ~A _n 同理。最终可得到 n条候选特征曲线。

步骤5.2：针对每条动作曲线 A _n ，从对应的多条候选曲线 E _mk 中筛选出最近似的动作曲线 E _n 。根据表2，由于示范者的侧视角度上的动作曲线集合 B _m 和动作曲线集合 D _m ，二者的各个元素是按帧对应的，因此，从 B _m 中筛选出候选曲线 E _mk 后，根据帧对应，即可快速从 D _m 中筛选出 n条与多条候选曲线 E _mk 一一对应的俯视角度上的动作曲线，得到最近似动作曲线集合 F。

其中，步骤5.1中提到的轮廓对比又可通过以下步骤实现：

步骤5.1.1：在所空间测试域中，分别获取动作曲线 A _n 和动作曲线 E _n 的所有骨骼关键点坐标。

步骤5.1.2：根据骨骼关键点坐标建立动作曲线 A _n 的特征矩阵和动作曲线 E _n 的特征矩阵，根据所述特征矩阵和所述特征矩阵建立匹配矩阵。特征矩阵和特征矩阵的矩阵均可通过表达式（1）表征：

；

其中，， a=1,2,…, u， b=1,2,…, u， u表示骨骼关键点的数量， d _a,b 表示第 a个骨骼关键点与第 b个骨骼关键点之间的欧式距离；， i=1,2,…, u， j=1,2,…, u；

所述匹配矩阵的矩阵表达式为：

，其中， p表示动作曲线 An中与动作曲线 En匹配的骨骼关键点， q表示动作曲线 En中与动作曲线 An匹配的骨骼关键点；

所述相似度度量模型 W的表达式为。

步骤5.1.4：设置相似度阈值和匹配维度，建立所述特征矩阵的维子矩阵。通常取匹配维度≥2，的取值过大，可能会漏掉曲线上一些匹配的部分；另外，相似度阈值可根据实际情况而定，本实施例中设置为=0.1。

步骤5.1.5：将子矩阵沿所述特征矩阵的主对角线遍历，每遍历一次利用所述相似度度量模型计算相似度值，得到多个相似度值。

步骤5.1.6：若，则执行=+1，并返回步骤5.1.5，直到找到满足的最大匹配维度，得到候选匹配曲线 E _nk ；若，则匹配失败。

步骤6：在助跑救球阶段的每条动作曲线 A _n 上标记特征线段 L ₁₁ ；如图7所示，特征线段 L ₁₁ 包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节，在特征线段 L ₁₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，若匹配成功，则执行S2，否则判定动作不标准； n=1,2,…, N， N表示测试者的三维运动图像帧数。

助跑救球阶段的动作要点在于：保持上体前倾和降低重心，目的是增加身体的稳定性，同时将跃出腾空的腾空高度限制在安全的高度范围内。因此，步骤6中标记了包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节的特征线段 L ₁₁ ，用于整体表征助跑救球阶段运动员的身体姿态。其中，第一胸椎至第五腰椎的线段可表征运动员的脊柱的伸展和弯曲状态，用于检测运动员的上体是否表现为前倾；第五腰椎、髋关节、膝关节和踝关节的线段可表征运动员的上体前期程度及腿部弯曲状态，用于检测运动员是否降低了重心。

步骤7：在跃出腾空阶段的每条动作曲线 A _n 上标记特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ ；特征线段 L ₂₁ 包含寰锥至第七颈椎，特征线段 L ₂₂ 包含第一胸椎至第十二胸椎，特征线段 L ₂₃ 包含第五腰椎、髋关节和膝关节，特征线段 L ₂₄ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；分别在特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配；若均匹配成功，则执行S3，否则判定动作不标准。

跃出腾空阶段的动作要点在于：身体呈平行于地面或倾斜向下的角度、下颌上抬、胸部挺起、双腿上翘，同时双臂向左右两侧打开，手掌上翘。其中，身体呈平行于地面或倾斜向下的角度是为了在落地缓冲阶段的初期，保证双臂首先触地，通过双臂用力来缓冲地面对身体的冲击力；若在跃出腾空阶段运动员的身体保持倾斜向上跃出，则在落地缓冲阶段的初期，首先与地面接触的身体部位为腹部或髋关节，在地面反作用力下容易造成挫，即使运动员试图用双臂触地，也容易因双臂伸展角度问题导致肩关节、肘关节及腕关节屈曲受阻，造成手臂扭伤等。下颌上抬的目的是防止落地时下颌受到地面的撞击而受伤，胸部挺起、双腿上翘的目的是为了在落地时保证手掌、胸部、腹部、大腿依次触地。双臂向左右两侧打开的目的是为了双臂能够更好地发力，若保持双臂平行或内交叉的姿势，在触地时必然容易造成手臂受伤。手掌上翘同样处于保护手腕的目的。

因此，步骤7标记了包含寰锥至第七颈椎的特征线段 L ₂₁ ，用于检测下颌是否上抬；标记了包含第一胸椎至第十二胸椎的特征线段 L ₂₂ ，用于检测胸部是否挺起；通过特征线段 L ₂₁ 和 L ₂₂ 的组合可以检测出身体呈平行于地面或倾斜向下的角度；标记了包含第五腰椎、髋关节和膝关节的特征线段 L ₂₃ ，用于检测双腿是否上翘；标记了包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎的特征线段 L ₂₄ ，用于检测双臂的伸展状态，即检测上臂是否向两侧以一定角度展开，肘关节和腕关节是否发生一定角度屈曲。

步骤8：在落地缓冲阶段的每条动作曲线 A _n 上标记特征线段 L ₃₁ ；如图8所示，特征线段 L ₃₁ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在特征线段 L ₃₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配；若匹配成功，则判定动作标准，否则判定动作不标准。

落地缓冲阶段运动员双手先着地支撑，随后双肘屈曲，同时下颌抬起、扩胸、挺腹，膝关节弯曲使身体呈反弓形，整个落地缓冲阶段形成手臂、胸部、腹部、大腿依次着地。因此，在落地缓冲阶段，需同步检测从手掌触地到整体躯干触地过程中运动员的腕关节、肘关节和肩关节是否满足如图8的活动轨迹。运动员在双手掌触地到整个身体触地过程中，腕关节外旋，肘关节屈曲，同时肩关节外展，手掌、小臂及大臂发力以减小俯冲带来的冲击力；胸部触地后，肘关节屈曲至最大角度，同时肩关节外展至最大角度；随后，身体开始在地面上向前滑行，滑行过程中，腕关节持续外翻，肘关节由屈曲逐渐外展，肩关节由外展逐渐屈曲；直至运动员腹部及大腿触地后，腕关节内旋离地，完成整个鱼跃救球动作。

因此，步骤8标记了包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎的特征线段 L ₃₁ ，通过与示范者在缓存落地阶段的多帧动作曲线进行对比，从而检测运动员在此过程中腕关节、肘关节和肩关节是否满足活动轨迹。

进一步的，上述步骤6至步骤8中，二次匹配通过以下步骤实现：

S1：在所述空间测试域中，在动作曲线 A _n 上建立特征线段的特征描述集，在动作曲线 E _n 上建立特征线段的特征描述集。

建立特征描述集又可通过以下步骤实现：

S1.1：连接特征线段的首端和末端，得到直线段 L ₁ 。

S1.2：作直线段 L ₁ 的中垂线 L ₂ ，中垂线 L ₂ 与直线段 L ₁ 相交于点 O，中垂线 L ₂ 与特征线段相交与点 P，连接点 O与点 P得到线段 OP。

S1.3：以点 P为中心，以直线段 L ₁ 为边长，以线段 OP为对称轴，作正方形的匹配区域。

S1.4：以点 P为中心，以为边长，以线段 OP为对称轴，作多个正方形的子区域，子区域与特征线段相交于点 P _e,g ， e=1,2,…, t， g=1,2， t表示子边界的个数。

S1.5：在相邻两个子区域中，分别计算夹角、和，利用、、和 L _e 组成所述特征描述集，表示线段 PP _e,1 与线段 PP _e,2 的夹角，表示线段 PP _e,2 与线段 PP _(e+1),2 的夹角，表示线段 PP _e,1 与线段 PP _(e+1),1 的夹角。

按照步骤S1.1~S1.5所述的步骤，得到特征描述集的通用表达式为。

以跃出腾空阶段的动作曲线为例，针对特征线段 L ₂₂ 至 L ₂₃ ，上述S1.1至S1.5的实施步骤可通过图9表示。

S2：建立特征描述集的差异度度量模型 Dif1和特征描述集的差异度度量模型 Dif2；设置差异度阈值，将所述差异度度量模型 Dif1与所述差异度度量模型 Dif2融合求解，得到匹配结果；若匹配结果≤，则匹配成功；否则，匹配失败。

差异度度量模型 Dif1的表达式为：，

差异度度量模型 Dif2的表达式为：

，

其中，、和分别表示特征描述集对应交底的第 i个元素，、和分别表示特征描述集对应交底的第 i个元素；

所述融合求解的模型表达式为：，为权值，。

此外，为进一步提高检测的准确度，本实施例还从俯视角度上对运动员在鱼跃救球各阶段的动作标准性进行检测，扩大了检测维度，更有利于捕获运动员的动作细节。例如：

助跑救球阶段：在每条动作曲线 C _n 上标记特征线段 L ₁₂ ，特征线段 L ₁₂ 包含第一胸椎至第五腰椎；在特征线段 L ₁₂ 上将动作曲线 C _n 与对应的动作曲线 F _n 二次匹配，若匹配成功，则执行S12，否则判定动作不标准；S12：获取每条动作曲线 An的重心高度 h _A ，获取所述最近似动作曲线集合 E中所有动作曲线 En的重心高度最大值 h _max 和重心高度最小值 h _min ；若 h _min ≤ h _A ≤ h _max ，则执行S2，否则判定动作不标注。

需说明的是，动作曲线Cn是俯视角度上的动作曲线，在动作曲线 C _n 上标记包含第一胸椎至第五腰椎的特征线段 L ₁₂ ，是为了进一步检测运动员的上身是否发生左右倾斜；而重心高度最小值和重心高度最大值分别对应的是经初次匹配后得到的多条候选曲线 E _mk 的最小重心高度和最大重心高度。

跃出腾空阶段：在每条动作曲线 C _n 上标记特征线段 L ₂₅ ；特征线段 L ₂₅ 包含第一胸椎至第五腰椎，在特征线段 L ₂₅ 上将动作曲线 C _n 与对应的动作曲线 F _n 二次匹配；若均匹配成功，则执行S3，否则判定动作不标准。在动作曲线 C _n 上标记包含第一胸椎至第五腰椎的特征线段 L ₂₅ ，同样是为了进一步检测运动员的上身是否发生左右倾斜。

除此之外，本实施例在落地缓冲阶段特别增加了对运动员的肢刚度进行检测的技术手段，从运动力学的角度对鱼跃救球动作的标准性进行评价，以克服仅通过图形匹配的片面性。由于缓冲落地阶段是整个鱼跃救球动作中最容易导致运动员受伤的阶段，此过程中需要运动员通过手臂的力量来缓冲地面的反作用力。在此动作阶段，除了要求运动员的肢体动作符合动作标准外，还应对运动员的手臂如何发力有要求，而通过图形轮廓匹配的方式无法检测到运动员在落地缓冲阶段手臂的发力情况。而刚度可用于探究冲击性落地动作中运动员对肌肉的控制策略，一定水平的刚度对于提高竞技水平至关重要，但太大的刚度有可能会导致运动损伤。刚度的大小与反作用力极值与重心位移的比值有关，即G=Fmax/△h。因此，本实施例通过获取手掌触底时刻的地面反作用力 f和重心位移△ h，根据地面反作用力 f和重心位移△ h计算得到手掌触底时刻的上肢刚度 G；同时设置最大刚度阈值和最小刚度阈值，若，则判定动作标准，否则判断动作不标准。

综上，本实施例提供的一种球体协同运动中鱼跃救球动作标准性的检测方法，一方面，采用对运动员在鱼跃救球全过程中的三维运动图像逐帧地进行特征提取，并采用曲线段的形式对运动员的肢体形态进行特征描述，可准确地表达出运动员在鱼跃救球动作的每个阶段的动作细节；另一方面，采集了多名示范者的三维运动图像，增加了样本的多样性，可作为不同身体比例的测试者的测试样本；再一方面，对获得的动作曲线先后进行了两次匹配，通过第一次匹配从众多示范者的动作曲线中筛选出最佳匹配样本，第二次匹配在最佳匹配样本的基础上针对动作细节进行精准匹配，从而在保证匹配速率的同时提高了匹配精度；并且，在第二次匹配中，将鱼跃救球各个阶段的动作要点与人体结构特征相结合，采用连接与技术要点相关的骨骼关键点形成特征线段的方式，对人体重点检测部位进行划分，使检测更具有针对性且符合鱼跃救球动作技术要点，进而提高检测精度。另外，布置了全方位的测试区域，并在测试区域内建立了空间直角坐标系，二者共同构成空间测试域，实现从不同视角方位对运动员的动作进行检测，扩大了检测维度，更有利于捕获运动员的动作细节，提高检测的精准度。还增加了对运动员的肢刚度进行检测的技术手段，从运动力学的角度对鱼跃救球动作的标准性进行评价，克服了仅通过图形匹配的片面性。

实施例2

与实施例1对应的，本实施例提供一种球体协同运动中鱼跃救球动作标准性的检测系统，包括：

图像采集模块，用于获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像；

图像解析模块，用于逐帧解析每个三维运动图像，得到测试者的动作曲线集合 A和每名示范者的动作曲线集合 B _m ， m=1,2,..., M， M表示示范者人数；

第一匹配模块，用于将动作曲线集合 A与每个动作曲线集合 B _m 初次匹配，得到最近似动作曲线集合 E；

图像标记模块，用于在助跑救球阶段的每条动作曲线 A _n 上标记特征线段 L ₁₁ ，特征线段 L ₁₁ 包含第一胸椎至第五腰椎、髋关节和膝关节；在跃出腾空阶段的每条动作曲线 A _n 上标记特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ ；特征线段 L ₂₁ 包含寰锥至第七颈椎，特征线段 L ₂₂ 包含第一胸椎至第十二胸椎，特征线段 L ₂₃ 包含第五腰椎、髋关节和膝关节，特征线段 L ₂₄ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在落地缓冲阶段的每条动作曲线 A _n 上标记特征线段 L ₃₁ ，特征线段 L ₃₁ 包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；

第二匹配模块，用于在特征线段 L ₁₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，分别在特征线段 L ₂₁ 、 L ₂₂ 、 L ₂₃ 和 L ₂₄ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配，在特征线段 L ₃₁ 上将动作曲线 A _n 与对应的动作曲线 E _n 二次匹配； n=1,2,…, N， N表示测试者的三维运动图像帧数；

控制及判定模块，用于对助跑救球阶段的二次匹配结果进行分析，若匹配成功，则对跃出腾空阶段的二次匹配结果进行分析，否则判定动作不标准；对跃出腾空阶段的二次匹配结果进行分析，若均匹配成功，则对落地缓冲阶段的二次匹配结果进行分析，否则判定动作不标准；对落地缓冲阶段的二次匹配结果进行分析，若匹配成功，则判定动作标准，否则，判定动作不标准。

其中，第一匹配模块包括：

轮廓比对单元，用于将所述动作曲线集合 A的每条动作曲线 A _n 与每个动作曲线集合 B _m 的每条动作曲线 B _mk 进行轮廓比对，得到与每条动作曲线 A _n 对应的多条候选曲线 E _mk ；

筛选单元，用于针对每条动作曲线 A _n ，从对应的多条候选曲线 E _mk 中筛选出最近似的动作曲线 E _n ；

所述轮廓比对单元包括：

坐标获取机构，用于在所述空间测试域中，分别获取动作曲线 A _n 和动作曲线 E _n 的所有骨骼关键点坐标；

模型构建机构，用于根据骨骼关键点坐标建立动作曲线 A _n 的特征矩阵和动作曲线 E _n 的特征矩阵，根据所述特征矩阵和所述特征矩阵建立匹配矩阵；根据所述匹配矩阵建立相似度度量模型 W；设置相似度阈值和匹配维度，建立所述特征矩阵的维子矩阵；

数据处理机构，用于将子矩阵沿所述特征矩阵的主对角线遍历，每遍历一次利用所述相似度度量模型计算相似度值，得到多个相似度值；

逻辑控制机构，用于将相似度值与相似度阈值进行比较，若，则执行=+1，并返回S0，直到找到满足的最大匹配维度，得到候选匹配曲线 E _nk ；若，则匹配失败。

二次匹配模块包括：

特征描述集构建单元，用于在所述空间测试域中，在动作曲线 A _n 上建立特征线段的特征描述集，在动作曲线 E _n 上建立特征线段的特征描述集；

模型构建单元，用于建立特征描述集的差异度度量模型 Dif1和特征描述集的差异度度量模型 Dif2；

参数设置单元，用于设置差异度阈值；

融合求解单元，用于将所述差异度度量模型 Dif1与所述差异度度量模型 Dif2融合求解，得到匹配结果；

逻辑控制单元，用于对匹配结果进行分析，若匹配结果≤，则匹配成功；否则，匹配失败；

所述特征描述集构建单元包括：

辅助线绘制机构，用于连接特征线段的首端和末端，得到直线段 L ₁ ；作直线段 L ₁ 的中垂线 L ₂ ，中垂线 L ₂ 与直线段 L ₁ 相交于点 O，中垂线 L ₂ 与特征线段相交与点 P，连接点 O与点 P得到线段 OP；

特征区域绘制机构，用于以点 P为中心，以直线段 L ₁ 为边长，以线段 OP为对称轴，作正方形的匹配区域；以点 P为中心，以为边长，以线段 OP为对称轴，作多个正方形的子区域，子区域与特征线段相交于点 P _e,g ， e=1,2,…, t， g=1,2， t表示子边界的个数；

特征描述集构建机构，用于在相邻两个子区域中，分别计算夹角、和，利用、、和 L _e 组成所述特征描述集，表示线段 PP _e,1 与线段 PP _e,2 的夹角，表示线段 PP _e,2 与线段 PP _(e+1),2 的夹角，表示线段 PP _e,1 与线段 PP _(e+1),1 的夹角。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种球体协同运动中鱼跃救球动作标准性的检测方法，其特征在于，包括以下步骤：

获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像；

逐帧解析每个三维运动图像，得到测试者的动作曲线集合A和每名示范者的动作曲线集合B_m，m＝1,2,...,M，M表示示范者人数；

将动作曲线集合A与每个动作曲线集合B_m初次匹配，得到最近似动作曲线集合E；

所述初次匹配包括：将所述动作曲线集合A的每条动作曲线A_n与每个动作曲线集合B_m的每条动作曲线B_mk进行轮廓比对，得到与每条动作曲线A_n对应的多条候选曲线E_mk；针对每条动作曲线A_n，从对应的多条候选曲线E_mk中筛选出最近似的动作曲线E_n；

所述轮廓比对包括：在空间测试域中，分别获取动作曲线A_n和动作曲线E_n的所有骨骼关键点坐标；根据骨骼关键点坐标建立动作曲线A_n的特征矩阵Φ₁和动作曲线E_n的特征矩阵Φ2，根据所述特征矩阵Φ₁和所述特征矩阵Φ₂建立匹配矩阵Φ；根据所述匹配矩阵Φ建立相似度度量模型W；设置相似度阈值ε和匹配维度λ，建立所述特征矩阵Φ₂的λ维子矩阵

S0：将子矩阵

沿所述特征矩阵Φ₁的主对角线遍历，每遍历一次利用所述相似度度量模型计算相似度值W_λ，得到多个相似度值W_λ；若min(W_λ)＜ε，则执行λ＝λ+1，并返回S0，直到找到满足min(W_λ)＜ε的最大匹配维度λ，得到候选匹配曲线E_nk；若min(W_λ)＞ε，则匹配失败；

所述最近似的动作曲线E_n为多条候选曲线E_mk中min(W_λ)最小的一条；

所述特征矩阵Φ₁和所述特征矩阵Φ₂的矩阵表达式为：

其中，

u表示骨骼关键点的数量，d_a,b表示第a个骨骼关键点与第b个骨骼关键点之间的欧式距离；φ_i,j＝d_i,j/d_a,b，i＝1,2,…,u，j＝1,2,…,u；

所述匹配矩阵Φ的矩阵表达式为：

其中，p表示动作曲线An中与动作曲线En匹配的骨骼关键点，q表示动作曲线En中与动作曲线An匹配的骨骼关键点；

所述相似度度量模型W的表达式为

S1：在助跑救球阶段的每条动作曲线A_n上标记特征线段L₁₁，特征线段L₁₁包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节，在特征线段L₁₁上将动作曲线A_n与对应的动作曲线E_n二次匹配，若匹配成功，则执行S2，否则判定动作不标准；n＝1,2,…,N，N表示测试者的三维运动图像帧数；

二次匹配包括：在空间测试域中，在动作曲线A_n上建立特征线段的特征描述集Θ₁，在动作曲线E_n上建立特征线段的特征描述集Θ₂；建立特征描述集Θ₁的差异度度量模型Dif1和特征描述集Θ₂的差异度度量模型Dif2；设置差异度阈值δ，将所述差异度度量模型Dif1与所述差异度度量模型Dif2融合求解，得到匹配结果；若匹配结果≤δ，则匹配成功；否则，匹配失败；

所述差异度度量模型Dif1的表达式为：

所述差异度度量模型Dif2的表达式为：

其中，α_Ai、β_Ai和γ_Ai分别表示特征描述集Θ₁对应的第i个元素，α_Ei、β_Ei和γ_Ei分别表示特征描述集Θ₂对应的第i个元素；

所述融合求解的模型表达式为：Dif＝η·Dif1+(1-η)·Dif2，η为权值，η＞0.5；

建立特征描述集包括：连接特征线段的首端和末端，得到直线段L₁；作直线段L₁的中垂线L₂，中垂线L₂与直线段L₁相交于点O，中垂线L₂与特征线段相交与点P，连接点O与点P得到线段OP；以点P为中心，以直线段L₁为边长，以线段OP为对称轴，作正方形的匹配区域；以点P为中心，以

为边长，以线段OP为对称轴，作多个正方形的子区域，子区域与特征线段相交于点P_e,g，e＝1,2,…,t，g＝1,2，t表示子边界的个数；在相邻两个子区域中，分别计算夹角α_e、β_e和γ_e，利用α_e、β_e、γ_e和L_e组成所述特征描述集，α_e表示线段PP_e,1与线段PP_e,2的夹角，β_e表示线段PP_e,2与线段PP_(e+1),2的夹角，γ_e表示线段PP_e,1与线段PP_(e+1),1的夹角；

S2：在跃出腾空阶段的每条动作曲线A_n上标记特征线段L₂₁、L₂₂、L₂₃和L₂₄；特征线段L₂₁包含寰锥至第七颈椎，特征线段L₂₂包含第一胸椎至第十二胸椎，特征线段L₂₃包含第五腰椎、髋关节和膝关节，特征线段L₂₄包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；分别在特征线段L₂₁、L₂₂、L₂₃和L₂₄上将动作曲线A_n与对应的动作曲线E_n二次匹配；若均匹配成功，则执行S3，否则判定动作不标准；

S3：在落地缓冲阶段的每条动作曲线A_n上标记特征线段L₃₁，特征线段L₃₁包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在特征线段L₃₁上将动作曲线A_n与对应的动作曲线E_n二次匹配；若匹配成功，则判定动作标准，否则，判定动作不标准。

2.根据权利要求1所述的一种球体协同运动中鱼跃救球动作标准性的检测方法，其特征在于，

获取三维运动图像之前包括：选取半个排球场作为测试区域，在所述测试区域的每一个顶角上分别安装一台高速红外摄像头，在所述测试区域的每条边上分别等间距地安装多台高速红外摄像头；

获取三维运动图像之后包括：对所有三维运动图像进行时间同步和帧同步；

所述逐帧解析每个三维运动图像包括：利用三维步态分析软件从每个三维运动图像的每一帧中解析出相应动作的人体结构模型；建立空间直角坐标系，将所述空间直角坐标系的原点对准所述测试区域的其中一个顶角，将所述空间直角坐标系的x轴和y轴分别与所述测试区域的两条相邻直角边重合，得到空间测试域；将解析出的所有人体结构模型映射到空间测试域；在空间测试域中，在侧视角度上对每个人体结构模型的所有骨骼关键点按照人体结构特征连线，并对连线进行平滑处理，得到所述动作曲线集合A和每名示范者的动作曲线集合B_m。

3.根据权利要求2所述的一种球体协同运动中鱼跃救球动作标准性的检测方法，其特征在于，

获取三维运动图像之前还包括：在所述测试区域内安装三维测力台；

所述逐帧解析每个三维运动图像还包括：在空间测试域中，在俯视角度上对每个人体结构模型的所有骨骼关键点按照人体结构特征连线，并对连线进行平滑处理，得到动作曲线集合C和每名示范者的动作曲线集合D_m；

所述得到最近似动作曲线集合E之后还包括：从所有示范者的动作曲线集合D_m中提取出与所述最近似动作曲线集合E的多条动作曲线E_n对应帧的多条动作曲线D_mk，得到最近似动作曲线集合F，k＝1,2,…,K，K表示示范者的三维运动图像的帧数。

4.根据权利要求3所述的一种球体协同运动中鱼跃救球动作标准性的检测方法，其特征在于，

所述S1还包括：S11：在每条动作曲线C_n上标记特征线段L₁₂，特征线段L₁₂包含第一胸椎至第五腰椎；在特征线段L₁₂上将动作曲线C_n与对应的动作曲线F_n二次匹配，若匹配成功，则执行S12，否则判定动作不标准；S12：获取每条动作曲线An的重心高度h_A，获取所述最近似动作曲线集合E中所有动作曲线En的重心高度最大值h_max和重心高度最小值h_min；若h_min≤h_A≤h_max，则执行S2，否则判定动作不标注；

所述S2还包括：在每条动作曲线C_n上标记特征线段L₂₅；特征线段L₂₅包含第一胸椎至第五腰椎，在特征线段L₂₅上将动作曲线C_n与对应的动作曲线F_n二次匹配；若均匹配成功，则执行S3，否则判定动作不标准；

所述S3还包括：获取手掌触底时刻的地面反作用力f和重心位移△h，根据地面反作用力f和重心位移△h计算得到手掌触底时刻的上肢刚度G；设置最大刚度阈值μ₁和最小刚度阈值μ₂，若μ₂≤G≤μ₁，则判定动作标准，否则判断动作不标准。

5.一种球体协同运动中鱼跃救球动作标准性的检测系统，其特征在于，包括：

图像采集模块，用于获取测试者和多名示范者在鱼跃救球全过程中的三维运动图像；

图像解析模块，用于逐帧解析每个三维运动图像，得到测试者的动作曲线集合A和每名示范者的动作曲线集合B_m，m＝1,2,...,M，M表示示范者人数；

第一匹配模块，用于将动作曲线集合A与每个动作曲线集合B_m初次匹配，得到最近似动作曲线集合E；

图像标记模块，用于在助跑救球阶段的每条动作曲线A_n上标记特征线段L₁₁，特征线段L₁₁包含第一胸椎至第五腰椎、髋关节、膝关节和踝关节；在跃出腾空阶段的每条动作曲线A_n上标记特征线段L₂₁、L₂₂、L₂₃和L₂₄；特征线段L₂₁包含寰锥至第七颈椎，特征线段L₂₂包含第一胸椎至第十二胸椎，特征线段L₂₃包含第五腰椎、髋关节和膝关节，特征线段L₂₄包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；在落地缓冲阶段的每条动作曲线A_n上标记特征线段L₃₁，特征线段L₃₁包含中指远节指骨、腕关节、肘关节、肩关节和第一胸椎；

第二匹配模块，用于在特征线段L₁₁上将动作曲线A_n与对应的动作曲线E_n二次匹配，分别在特征线段L₂₁、L₂₂、L₂₃和L₂₄上将动作曲线A_n与对应的动作曲线E_n二次匹配，在特征线段L₃₁上将动作曲线A_n与对应的动作曲线E_n二次匹配；n＝1,2,…,N，N表示测试者的三维运动图像帧数；

控制及判定模块，用于对助跑救球阶段的二次匹配结果进行分析，若匹配成功，则对跃出腾空阶段的二次匹配结果进行分析，否则判定动作不标准；对跃出腾空阶段的二次匹配结果进行分析，若均匹配成功，则对落地缓冲阶段的二次匹配结果进行分析，否则判定动作不标准；对落地缓冲阶段的二次匹配结果进行分析，若匹配成功，则判定动作标准，否则，判定动作不标准；

所述第一匹配模块包括：

轮廓比对单元，用于将所述动作曲线集合A的每条动作曲线A_n与每个动作曲线集合B_m的每条动作曲线B_mk进行轮廓比对，得到与每条动作曲线A_n对应的多条候选曲线E_mk；

筛选单元，用于针对每条动作曲线A_n，从对应的多条候选曲线E_mk中筛选出最近似的动作曲线E_n；

所述轮廓比对单元包括：

坐标获取机构，用于在空间测试域中，分别获取动作曲线A_n和动作曲线E_n的所有骨骼关键点坐标；

模型构建机构，用于根据骨骼关键点坐标建立动作曲线A_n的特征矩阵Φ₁和动作曲线E_n的特征矩阵Φ2，根据所述特征矩阵Φ₁和所述特征矩阵Φ₂建立匹配矩阵Φ；根据所述匹配矩阵Φ建立相似度度量模型W；设置相似度阈值ε和匹配维度λ，建立所述特征矩阵Φ₂的λ维子矩阵

数据处理机构，用于将子矩阵

沿所述特征矩阵Φ₁的主对角线遍历，每遍历一次利用所述相似度度量模型计算相似度值W_λ，得到多个相似度值W_λ；

逻辑控制机构，用于将相似度值W_λ与相似度阈值ε进行比较，若min(W_λ)＜ε，则执行λ＝λ+1，并返回数据处理器，直到找到满足min(W_λ)＜ε的最大匹配维度λ，得到候选匹配曲线E_nk；若min(W_λ)＞ε，则输出匹配失败；

所述第二匹配模块包括：

特征描述集构建单元，用于在空间测试域中，在动作曲线A_n上建立特征线段的特征描述集Θ₁，在动作曲线E_n上建立特征线段的特征描述集Θ₂；

模型构建单元，用于建立特征描述集Θ₁的差异度度量模型Dif1和特征描述集Θ₂的差异度度量模型Dif2；

参数设置单元，用于设置差异度阈值δ；

融合求解单元，用于将所述差异度度量模型Dif1与所述差异度度量模型Dif2融合求解，得到匹配结果；

逻辑控制单元，用于对匹配结果进行分析，若匹配结果≤δ，则匹配成功；否则，匹配失败；

所述特征描述集构建单元包括：

辅助线绘制机构，用于连接特征线段的首端和末端，得到直线段L₁；作直线段L₁的中垂线L₂，中垂线L₂与直线段L₁相交于点O，中垂线L₂与特征线段相交与点P，连接点O与点P得到线段OP；

特征区域绘制机构，用于以点P为中心，以直线段L₁为边长，以线段OP为对称轴，作正方形的匹配区域；以点P为中心，以

为边长，以线段OP为对称轴，作多个正方形的子区域，子区域与特征线段相交于点P_e,g，e＝1,2,…,t，g＝1,2，t表示子边界的个数；

特征描述集构建机构，用于在相邻两个子区域中，分别计算夹角α_e、β_e和γ_e，利用α_e、β_e、γ_e和L_e组成所述特征描述集，α_e表示线段PP_e,1与线段PP_e,2的夹角，β_e表示线段PP_e,2与线段PP_(e+1),2的夹角，γ_e表示线段PP_e,1与线段PP_(e+1),1的夹角；

所述特征矩阵Φ₁和所述特征矩阵Φ₂的矩阵表达式为：

其中，

u表示骨骼关键点的数量，d_a,b表示第a个骨骼关键点与第b个骨骼关键点之间的欧式距离；φ_i,j＝d_i,j/d_a,b，i＝1,2,…,u，j＝1,2,…,u；

所述匹配矩阵Φ的矩阵表达式为：

其中，p表示动作曲线An中与动作曲线En匹配的骨骼关键点，q表示动作曲线En中与动作曲线An匹配的骨骼关键点；

所述相似度度量模型W的表达式为

所述差异度度量模型Dif1的表达式为：

所述差异度度量模型Dif2的表达式为：

其中，α_Ai、β_Ai和γ_Ai分别表示特征描述集Θ₁对应的第i个元素，α_Ei、β_Ei和γ_Ei分别表示特征描述集Θ₂对应的第i个元素；

所述融合求解的模型表达式为：Dif＝η·Dif1+(1-η)·Dif2，η为权值，η＞0.5。

Images