网球运动旋转特征的图像跟踪分析研究
向云平
摘 要： 针对传统的网球运动旋转特征的图像跟踪系统中跟踪图像数据分析误差较大的问题，提出一种网球运动旋转特征的图像跟踪分析系统。通过全息投影对数据进行处理，优化运动角度平均常量，引入波门跟踪算法跟踪图像的目标，计算阈值，实现对网球运动旋转特征的图像跟踪。实验数据表明，设计的方法能够有效地对网球运动图像进行跟踪分析，同时解决了图像数据分析误差较大的问题。
关键词： 网球旋转特征； 图像跟踪； 波门跟踪算法； 全息投影； 数据处理
中图分类号： TN911.73?34； TD712 文献标识码： A 文章编号： 1004?373X（2017）24?0134?03
Abstract： Since the traditional image tracking system of tennis ball′s motion and rotation features has big data analysis error of tracking image， an image tracking analysis system for motion and rotation characteristics of tennis ball is put forward. The data is processed by means of holographic projection to optimize the average constant of motion angle. The wave gate tracking algorithm is introduced to track the image target， calculate the threshold， and realize the image tracking of the motion and rotation characteristics of tennis ball. The experimental data shows that the proposed image tracking analysis system for motion and rotation characteristics of tennis ball can conduct the tracking analysis for the tennis ball′s movement image effectively， and reduce the analysis error of image data.
Keywords： tennis ball rotation feature； image tracking； wave gate tracking algorithm； holographic projection； data processing
0 引 言
现代网球运动比赛中，当运动员在比赛的时候，每次击球都要判断对方打来的球的方位[1?2]，可以说是否准确地进行了方位判断，在一定程度上会影响回击球的质量。只有准确判断，才能用最合理与有效地回击动作击出一个最高质量的回球，才能够使自己的水平发挥的淋漓尽致，取得比赛的胜利[3?4]。所以说，运动员对于对手击来的球的方向判断是不是准确[5?7]，在比赛中直接影响怎么接球。
在网球比赛中，击球的角度、高速运动中球的本身系数以及与球拍击球的速度的接触造就了网球的在运动中出现的旋转。网球的自身旋转运动会出现独特的跳跃运动弧线抛物线，给人以网球击球技术的轨迹美。网球依据旋转和轨迹分为四类：分别为上网球、上旋球、底线球和切削球[6?7]。不同的旋转运动轨迹类型会表现出不一样的飞行曲线、跳动频率和反弹角度，所以要想打出让对手措不及防的回击球则需要判断和使用不同的击球手法[8]。
为了能够有效地解决跟踪图像数据分析误差较大的问题，使用3D VLAN全息投影技术，并通过对比仿真试验进行验证，通过实验的验证，证明了设计的网球运动预测轨迹方向自动检测软件的准确性。
1 图像跟踪分析系统设计方案
1.1 数据处理分析
为了提高本文设计的网球运动旋转特征的图像跟踪分析系统的数据分析能力，本文可以通过全息投影精准地测出网球在运动过程中的半径、质量、旋角、速度等恒量以及变量，计算出摩擦、风速等影响因素。此技术的本质是把导入的测量出来的数据，转变成为一个非线性函数方程，将计算出的阈值、差和比等动量因子代入式中，模拟出网球走势，并让运动员根据走势打出高质量的回击球。具体变化参数之间的指标形式如下：
式中：z是目标网球像素数；u是网球特征系数；v是网球运动过程中变化的运动速度；l为网球运动水平距离；d，分别为网球半径以及形变半径。若有n个这样的像素，可得：
式中：为每一个数据在运动过程中变量可能产生的误差；x是自定义数值矩阵改变范围；y为阈值的改变范围；z为整合概率。则其网球运动过程中从初始点到落地点的距离为：
对3D VLAN全息投影，投影结果可表示为：
式中，x是加速地段的速度总和。可知该加速地段与平均阈值之间的相似度为：
式中： 为 p（yj）目标区域的边缘像素常量；表示位置ij处的动能总和。进行3D VLAN全息投影技术处理过后的网球运动图像，便可以进行3D重新建模。本文提出的网球运动图像自动检测软件系统的设计方法，为了保证3D重新建模过程的图像能够清晰显示，需要再次对图像进行像素还原补偿。补偿的像素和负离子分别表示为和，在A，B尺度内进行网球运动3D图像像素补偿，公式为：
式中：為关联属性算子；表示捕捉到的运动区饱和值；表示包含的运动能量空间。经过网球运动过程中的图像像素的补偿，可知修正特征结果为：
1.2 优化运动角度平均常量计算
把网球运动曲线抛物模型当作散点图序列，即V=[v1，v2，…，vn]，S=[s1，s2，…，sn]为测定加速初始运动的点集；λ是摩擦，可以选择参照文献[8]进行。Esmo，Esim，Edist分别表示实际划分的区域、微积分阈值与加速初始运动的关联性，以及区域上运动的点的分布特性。三者具体定义关系式为：
通过式（7）、式（8）可以得出：
本文使用改良后的通用函数，优化了关联运动方法中的图像显示不清现象。按式（9）计算数据的适用概率：
式中：为用过适用数据的概率点坐标；M为适用数据在关系函数中的排列序号。想要保证图像的准确，需要对平台记忆区数据运动传输速率进行限制，衡量重复率公式为：
通过对重复率的衡量，可以保证网球运动旋转特征的图像跟踪分析系统保持稳定的运行状态，同时图像像素的清晰程度有所上升。这样就可以从数据源上确定网球方向的未来走向。误差摩擦力计算公式为：
式中：V为网球运动速度；h为网球高度；s为网球与气层的接触面积；为空气对网球形成的摩擦系数。可以明显从公式看出误差摩擦力对于整体运行轨迹的影响。
式中；表示网球传输惯量；表示网球落地位置；表示击球位置；为击球力度系数；为网球转动的平动的转换系数。为了保证网球运动旋转特征的图像跟踪分析研究的准确性，需要对结果进行验证，如下：
式中：为网球惯性矩阵；为网球的离心力；为网球重力矩阵；为未知摩擦力有关的半正定矩阵；T为输入力矩。
本文提出的网球运动旋转特征的图像跟踪分析系统引进了波门跟踪算法。此算法既保证了网球的跟踪图像在进行目标阈值计算中的准确性，也避免了传统计算方法的局限性，很大程度上提升了图像跟踪目标的能力，优化了多尺度熵矢量计算。
2 试验验证
为了验证网球运动旋转特征的图像跟踪分析研究的准确性，设计了对比仿真实验。对某训练场运动员击球过程网球运动旋转特征图像跟踪分析进行关联挖掘试验。为了保证实验有效性，使用本文设计方法与传统方法同时进行。
2.1 参数设置
为了保证网球运动旋转特征的图像跟踪分析研究的准确性，设置波动极限为65.32；设置网球运动外围动能为9.3；保证捕捉到的运动区饱和值在[0.66，1.30]的值域内；分别设置S为10，T为50。根据上述仿真设定的参量，进行实验，结果如下。
2.2 实验数据的获取与分析
如图1所示，传统的方法中出现数据跳频的百分比及其的高，并且有些数据超过2.0%，严重影响了数据分析的能力。
如图2所示，本文设计的网球运动旋转特征的图像跟踪分析系统，能够保持较低的数据跳频百分比，平均数据都在1.0%以下，说明数据非常的稳定，分析的結果也十分的稳定，因此误差会非常的小。
3 结 语
本文提出一种网球运动旋转特征的图像跟踪分析系统，并进行了实验对比分析，结果表明，采用改进的方法在图像跟踪方面具有一定的优势。
参考文献
[1] 杨登红，李东光，申强，等.基于锁相跟踪和惯组的旋转弹滚转角估计方法[J].北京理工大学学报，2015，35（8）：810?815.
[2] 李寰宇，毕笃彦，杨源，等.基于深度特征表达与学习的视觉跟踪算法研究[J].电子与信息学报，2015，37（9）：2033?2039.
[3] 陆维，陈家瑜，王龙，等.基于三维图像体积融合技术的青少年特发性脊柱侧凸脊柱在体运动特点研究[J].中华创伤骨科杂志，2017（4）：311?316.
[4] 傅学怡，杨想兵，高颖，等.杭州奥体博览城网球中心钢结构移动屋盖设计关键技术[J].建筑结构学报，2017，38（1）：12?20.
[5] 余道江，赵天兰，伍丽君，等.应用健侧胸壁网球拍状皮下筋膜蒂皮瓣修复乳腺癌术后放射性溃疡[J].中华整形外科杂志，2015，31（3）：176?179.
[6] 王守觉，蒋寓文，谭乐怡.利用多级量化局部纹理特征的图像跟踪算法[J].计算机辅助设计与图形学学报，2015（2）：208?216.
[7] 汪洪桥，蔡艳宁，付光远，等.基于图像序列的地面慢动多目标识别与跟踪[J].激光与光电子学进展，2016（5）：247?255.
[8] 赵琳，王秋帆，刘源，等.基于HASH感知和小波变换的目标跟踪算法[J].系统工程与电子技术，2016，38（4）：739?745.
摘 要： 针对传统的网球运动旋转特征的图像跟踪系统中跟踪图像数据分析误差较大的问题，提出一种网球运动旋转特征的图像跟踪分析系统。通过全息投影对数据进行处理，优化运动角度平均常量，引入波门跟踪算法跟踪图像的目标，计算阈值，实现对网球运动旋转特征的图像跟踪。实验数据表明，设计的方法能够有效地对网球运动图像进行跟踪分析，同时解决了图像数据分析误差较大的问题。
关键词： 网球旋转特征； 图像跟踪； 波门跟踪算法； 全息投影； 数据处理
中图分类号： TN911.73?34； TD712 文献标识码： A 文章编号： 1004?373X（2017）24?0134?03
Abstract： Since the traditional image tracking system of tennis ball′s motion and rotation features has big data analysis error of tracking image， an image tracking analysis system for motion and rotation characteristics of tennis ball is put forward. The data is processed by means of holographic projection to optimize the average constant of motion angle. The wave gate tracking algorithm is introduced to track the image target， calculate the threshold， and realize the image tracking of the motion and rotation characteristics of tennis ball. The experimental data shows that the proposed image tracking analysis system for motion and rotation characteristics of tennis ball can conduct the tracking analysis for the tennis ball′s movement image effectively， and reduce the analysis error of image data.
Keywords： tennis ball rotation feature； image tracking； wave gate tracking algorithm； holographic projection； data processing
0 引 言
现代网球运动比赛中，当运动员在比赛的时候，每次击球都要判断对方打来的球的方位[1?2]，可以说是否准确地进行了方位判断，在一定程度上会影响回击球的质量。只有准确判断，才能用最合理与有效地回击动作击出一个最高质量的回球，才能够使自己的水平发挥的淋漓尽致，取得比赛的胜利[3?4]。所以说，运动员对于对手击来的球的方向判断是不是准确[5?7]，在比赛中直接影响怎么接球。
在网球比赛中，击球的角度、高速运动中球的本身系数以及与球拍击球的速度的接触造就了网球的在运动中出现的旋转。网球的自身旋转运动会出现独特的跳跃运动弧线抛物线，给人以网球击球技术的轨迹美。网球依据旋转和轨迹分为四类：分别为上网球、上旋球、底线球和切削球[6?7]。不同的旋转运动轨迹类型会表现出不一样的飞行曲线、跳动频率和反弹角度，所以要想打出让对手措不及防的回击球则需要判断和使用不同的击球手法[8]。
为了能够有效地解决跟踪图像数据分析误差较大的问题，使用3D VLAN全息投影技术，并通过对比仿真试验进行验证，通过实验的验证，证明了设计的网球运动预测轨迹方向自动检测软件的准确性。
1 图像跟踪分析系统设计方案
1.1 数据处理分析
为了提高本文设计的网球运动旋转特征的图像跟踪分析系统的数据分析能力，本文可以通过全息投影精准地测出网球在运动过程中的半径、质量、旋角、速度等恒量以及变量，计算出摩擦、风速等影响因素。此技术的本质是把导入的测量出来的数据，转变成为一个非线性函数方程，将计算出的阈值、差和比等动量因子代入式中，模拟出网球走势，并让运动员根据走势打出高质量的回击球。具体变化参数之间的指标形式如下：
式中：z是目标网球像素数；u是网球特征系数；v是网球运动过程中变化的运动速度；l为网球运动水平距离；d，分别为网球半径以及形变半径。若有n个这样的像素，可得：
式中：为每一个数据在运动过程中变量可能产生的误差；x是自定义数值矩阵改变范围；y为阈值的改变范围；z为整合概率。则其网球运动过程中从初始点到落地点的距离为：
对3D VLAN全息投影，投影结果可表示为：
式中，x是加速地段的速度总和。可知该加速地段与平均阈值之间的相似度为：
式中： 为 p（yj）目标区域的边缘像素常量；表示位置ij处的动能总和。进行3D VLAN全息投影技术处理过后的网球运动图像，便可以进行3D重新建模。本文提出的网球运动图像自动检测软件系统的设计方法，为了保证3D重新建模过程的图像能够清晰显示，需要再次对图像进行像素还原补偿。补偿的像素和负离子分别表示为和，在A，B尺度内进行网球运动3D图像像素补偿，公式为：
式中：為关联属性算子；表示捕捉到的运动区饱和值；表示包含的运动能量空间。经过网球运动过程中的图像像素的补偿，可知修正特征结果为：
1.2 优化运动角度平均常量计算
把网球运动曲线抛物模型当作散点图序列，即V=[v1，v2，…，vn]，S=[s1，s2，…，sn]为测定加速初始运动的点集；λ是摩擦，可以选择参照文献[8]进行。Esmo，Esim，Edist分别表示实际划分的区域、微积分阈值与加速初始运动的关联性，以及区域上运动的点的分布特性。三者具体定义关系式为：
通过式（7）、式（8）可以得出：
本文使用改良后的通用函数，优化了关联运动方法中的图像显示不清现象。按式（9）计算数据的适用概率：
式中：为用过适用数据的概率点坐标；M为适用数据在关系函数中的排列序号。想要保证图像的准确，需要对平台记忆区数据运动传输速率进行限制，衡量重复率公式为：
通过对重复率的衡量，可以保证网球运动旋转特征的图像跟踪分析系统保持稳定的运行状态，同时图像像素的清晰程度有所上升。这样就可以从数据源上确定网球方向的未来走向。误差摩擦力计算公式为：
式中：V为网球运动速度；h为网球高度；s为网球与气层的接触面积；为空气对网球形成的摩擦系数。可以明显从公式看出误差摩擦力对于整体运行轨迹的影响。
式中；表示网球传输惯量；表示网球落地位置；表示击球位置；为击球力度系数；为网球转动的平动的转换系数。为了保证网球运动旋转特征的图像跟踪分析研究的准确性，需要对结果进行验证，如下：
式中：为网球惯性矩阵；为网球的离心力；为网球重力矩阵；为未知摩擦力有关的半正定矩阵；T为输入力矩。
本文提出的网球运动旋转特征的图像跟踪分析系统引进了波门跟踪算法。此算法既保证了网球的跟踪图像在进行目标阈值计算中的准确性，也避免了传统计算方法的局限性，很大程度上提升了图像跟踪目标的能力，优化了多尺度熵矢量计算。
2 试验验证
为了验证网球运动旋转特征的图像跟踪分析研究的准确性，设计了对比仿真实验。对某训练场运动员击球过程网球运动旋转特征图像跟踪分析进行关联挖掘试验。为了保证实验有效性，使用本文设计方法与传统方法同时进行。
2.1 参数设置
为了保证网球运动旋转特征的图像跟踪分析研究的准确性，设置波动极限为65.32；设置网球运动外围动能为9.3；保证捕捉到的运动区饱和值在[0.66，1.30]的值域内；分别设置S为10，T为50。根据上述仿真设定的参量，进行实验，结果如下。
2.2 实验数据的获取与分析
如图1所示，传统的方法中出现数据跳频的百分比及其的高，并且有些数据超过2.0%，严重影响了数据分析的能力。
如图2所示，本文设计的网球运动旋转特征的图像跟踪分析系统，能够保持较低的数据跳频百分比，平均数据都在1.0%以下，说明数据非常的稳定，分析的結果也十分的稳定，因此误差会非常的小。
3 结 语
本文提出一种网球运动旋转特征的图像跟踪分析系统，并进行了实验对比分析，结果表明，采用改进的方法在图像跟踪方面具有一定的优势。
参考文献
[1] 杨登红，李东光，申强，等.基于锁相跟踪和惯组的旋转弹滚转角估计方法[J].北京理工大学学报，2015，35（8）：810?815.
[2] 李寰宇，毕笃彦，杨源，等.基于深度特征表达与学习的视觉跟踪算法研究[J].电子与信息学报，2015，37（9）：2033?2039.
[3] 陆维，陈家瑜，王龙，等.基于三维图像体积融合技术的青少年特发性脊柱侧凸脊柱在体运动特点研究[J].中华创伤骨科杂志，2017（4）：311?316.
[4] 傅学怡，杨想兵，高颖，等.杭州奥体博览城网球中心钢结构移动屋盖设计关键技术[J].建筑结构学报，2017，38（1）：12?20.
[5] 余道江，赵天兰，伍丽君，等.应用健侧胸壁网球拍状皮下筋膜蒂皮瓣修复乳腺癌术后放射性溃疡[J].中华整形外科杂志，2015，31（3）：176?179.
[6] 王守觉，蒋寓文，谭乐怡.利用多级量化局部纹理特征的图像跟踪算法[J].计算机辅助设计与图形学学报，2015（2）：208?216.
[7] 汪洪桥，蔡艳宁，付光远，等.基于图像序列的地面慢动多目标识别与跟踪[J].激光与光电子学进展，2016（5）：247?255.
[8] 赵琳，王秋帆，刘源，等.基于HASH感知和小波变换的目标跟踪算法[J].系统工程与电子技术，2016，38（4）：739?745.
