基于图像分析技术的运动员上肢力量参数分析
常超
摘 要： 为了提高运动员上肢力量参数的在线准确评估能力，提出基于图像分析技术的运动员上肢力量参数分析方法。对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，对上肢肌肉的边缘特征输出结果进行Harris角点检测，结合肌肉力学参量信息进行上肢力量评估，实现基于图像分析的运动员上肢力量估计。仿真结果表明，采用该方法进行运动员上肢力量参数估计简单可靠，估计精度比传统的传感器测量技术要高。
关键词： 图像分析； 边缘轮廓检测； 上肢力量； 参数分析
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）09?0036?03
Abstract： In order to improve the online accurate evaluation capacity of the athletic upper limb strength parameter， an athletic upper limb strength parameter analysis method based on image analysis technology is proposed. The edge contour detection of the upper limb muscle feature was performed for the acquired athlete dynamic image. The Harris corner detection is conducted for the edge feature output result of the upper limb muscle. The upper strength is evaluated in combination with the muscle mechanics parameter information to realize the athlete upper limb strength estimation based on image analysis. The simulation results show that the method is simple and reliable for estimation of the athletic upper limb strength parameter， and its estimation accuracy is higher than that of the traditional sensor measuring technology.
Keywords： image analysis； edge contour detection； upper limb strength； parameter analysis
在对运动员的上肢力量估计中，传统的方法主要有传感器检测方法、测力计测量方法等，通过安装在运动员身上的测量仪器进行上肢力量参数估计，这类方法具有简单实用的优点，但是在大型的比赛项目中，受观赏效果等因素的影响，传统的传感器测力计不能得到有效应用[1?2]。而且，由于传统测力计需要佩戴在运动员身上，可能影响比赛发挥，测力精度受到限制。对此，需要研究一种无接触式的力量参数测量和分析方法，采用图像分析技术进行运动员上肢的发力图形变化特征分析，使力量参数分析具有可行性。
1 运动员上肢发力运动图像采集
1.1 运动图像的量化
采用图像分析技术进行运动员的上肢力量估计，需要进行原始运动图像的特征采集，对采集的图像进行降噪预处理[3]，通过对图像的边缘轮廓检测和上肢发力的角点标定，进行力学参数估计，实现过程如图1所示。
3 實验测试分析
仿真实验开发环境为Matlab R2009a的仿真软件，为了更好地体现运动员的上肢发力特征，运动项目选择为举重项目。运动员上肢发力运动图像研究样本的采集分辨率为500×500，大小为532×445，对采集的运动员举重上肢图像通过Creator的Raster to DED工具转化为所需的DED数据。为了更好地体现运动员的上肢发力性能，在图像数据采集时，分别从正面和侧面进行图像采集，然后采用本文设计的图像处理方法进行力学分析，得到原始图像采集如图2所示。
对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，结合肌肉力学参量信息进行上肢力量评估，图像的边缘轮廓检测结果见图3。
对上述边缘轮廓检测结果进行力学测量，通过肌肉力学参量信息估计进行上肢力量评估，实现了基于图像分析的运动员上肢力量估计。图4描述的是不同方法进行上肢力量参数估计的精度对比结果。从图4可见，采用本文方法进行上肢力量参数估计的误差较小，精度较高，实现过程简单可靠。
4 结 语
本文提出图像分析技术的运动员上肢力量参数分析方法，对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，对上肢肌肉的边缘特征输出结果进行Harris角点检测，结合肌肉力学参量信息进行上肢力量评估，实现了基于图像分析的运动员上肢力量估计。研究得出，采用该方法进行运动员上肢力量参数估计的准确度较高，可靠性较好，具有优越性。
参考文献
[1] 张传锦，李璐璐.基于模糊C均值聚类的无线传感器网络节点定位算法[J].电子设计工程，2016，24（8）：58?60.
[2] 李志丹，和红杰，尹忠科，等.基于块结构稀疏度的自适应图像修复算法[J].电子学报，2013，41（3）：549?554.
[3] 王俊，朱利.基于图像匹配?点云融合的建筑物立面三维重建[J].计算机学报，2012，35（10）：2072?2079.
[4] 许开宇，冯德瀛.海空背景下红外弱小目标检测方法[J].哈尔滨工程大学学报，2009，30（9）：996?1000.
[5] 胡光波，周勇，徐骞.改进向量量化算法的图像压缩研究[J].科学技术与工程，2010，10（14）：3517?3519.
[6] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.
[7] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.
[8] 王云烨，李勃，董蓉，等.基于透射率空间与色彩纹理相关性的图像分割[J].电子测量技术，2015，38（1）：41?46.
摘 要： 为了提高运动员上肢力量参数的在线准确评估能力，提出基于图像分析技术的运动员上肢力量参数分析方法。对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，对上肢肌肉的边缘特征输出结果进行Harris角点检测，结合肌肉力学参量信息进行上肢力量评估，实现基于图像分析的运动员上肢力量估计。仿真结果表明，采用该方法进行运动员上肢力量参数估计简单可靠，估计精度比传统的传感器测量技术要高。
关键词： 图像分析； 边缘轮廓检测； 上肢力量； 参数分析
中图分类号： TN911.73?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）09?0036?03
Abstract： In order to improve the online accurate evaluation capacity of the athletic upper limb strength parameter， an athletic upper limb strength parameter analysis method based on image analysis technology is proposed. The edge contour detection of the upper limb muscle feature was performed for the acquired athlete dynamic image. The Harris corner detection is conducted for the edge feature output result of the upper limb muscle. The upper strength is evaluated in combination with the muscle mechanics parameter information to realize the athlete upper limb strength estimation based on image analysis. The simulation results show that the method is simple and reliable for estimation of the athletic upper limb strength parameter， and its estimation accuracy is higher than that of the traditional sensor measuring technology.
Keywords： image analysis； edge contour detection； upper limb strength； parameter analysis
在对运动员的上肢力量估计中，传统的方法主要有传感器检测方法、测力计测量方法等，通过安装在运动员身上的测量仪器进行上肢力量参数估计，这类方法具有简单实用的优点，但是在大型的比赛项目中，受观赏效果等因素的影响，传统的传感器测力计不能得到有效应用[1?2]。而且，由于传统测力计需要佩戴在运动员身上，可能影响比赛发挥，测力精度受到限制。对此，需要研究一种无接触式的力量参数测量和分析方法，采用图像分析技术进行运动员上肢的发力图形变化特征分析，使力量参数分析具有可行性。
1 运动员上肢发力运动图像采集
1.1 运动图像的量化
采用图像分析技术进行运动员的上肢力量估计，需要进行原始运动图像的特征采集，对采集的图像进行降噪预处理[3]，通过对图像的边缘轮廓检测和上肢发力的角点标定，进行力学参数估计，实现过程如图1所示。
3 實验测试分析
仿真实验开发环境为Matlab R2009a的仿真软件，为了更好地体现运动员的上肢发力特征，运动项目选择为举重项目。运动员上肢发力运动图像研究样本的采集分辨率为500×500，大小为532×445，对采集的运动员举重上肢图像通过Creator的Raster to DED工具转化为所需的DED数据。为了更好地体现运动员的上肢发力性能，在图像数据采集时，分别从正面和侧面进行图像采集，然后采用本文设计的图像处理方法进行力学分析，得到原始图像采集如图2所示。
对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，结合肌肉力学参量信息进行上肢力量评估，图像的边缘轮廓检测结果见图3。
对上述边缘轮廓检测结果进行力学测量，通过肌肉力学参量信息估计进行上肢力量评估，实现了基于图像分析的运动员上肢力量估计。图4描述的是不同方法进行上肢力量参数估计的精度对比结果。从图4可见，采用本文方法进行上肢力量参数估计的误差较小，精度较高，实现过程简单可靠。
4 结 语
本文提出图像分析技术的运动员上肢力量参数分析方法，对采集的运动员动态图像进行上肢肌肉特征的边缘轮廓检测，对上肢肌肉的边缘特征输出结果进行Harris角点检测，结合肌肉力学参量信息进行上肢力量评估，实现了基于图像分析的运动员上肢力量估计。研究得出，采用该方法进行运动员上肢力量参数估计的准确度较高，可靠性较好，具有优越性。
参考文献
[1] 张传锦，李璐璐.基于模糊C均值聚类的无线传感器网络节点定位算法[J].电子设计工程，2016，24（8）：58?60.
[2] 李志丹，和红杰，尹忠科，等.基于块结构稀疏度的自适应图像修复算法[J].电子学报，2013，41（3）：549?554.
[3] 王俊，朱利.基于图像匹配?点云融合的建筑物立面三维重建[J].计算机学报，2012，35（10）：2072?2079.
[4] 许开宇，冯德瀛.海空背景下红外弱小目标检测方法[J].哈尔滨工程大学学报，2009，30（9）：996?1000.
[5] 胡光波，周勇，徐骞.改进向量量化算法的图像压缩研究[J].科学技术与工程，2010，10（14）：3517?3519.
[6] STOEAN C， PREUSS M， STOEAN R， et al. Multimodal optimization by means of a topological species conservation algorithm [J]. IEEE transactions on evolutionary computation， 2010， 14（6）： 842?864.
[7] LIANG J J， QU B Y， MAO X B， et al. Differential evolution based on fitness Euclidean?distance ratio for multimodal optimization [J]. Neurocomputing， 2014， 137（8）： 252?260.
[8] 王云烨，李勃，董蓉，等.基于透射率空间与色彩纹理相关性的图像分割[J].电子测量技术，2015，38（1）：41?46.
