【技术实现步骤摘要】
本专利技术涉及射击运动分析，尤其涉及一种运动信息分析处理方法、装置、电子设备及存储介质。
技术介绍
1、射击运动，是指借助枪支或弓，在一定的距离内比赛射击精准度的体育运动。
2、射击运动与运动员的技能、体能以及心理状态存在密切的关系。传统技术中，为了提高运动员的成绩，会采用高速摄像机拍摄训练时的画面，然后通过对视频画面的分析，找出训练中的不足，从而有针对性的进行改进。
3、然而，人力分析训练过程的画面不易发现一些运动上的一些细节，例如，某些操作、姿势上的细节。而往往正是这些细节是影响训练成果的关键。
4、基于此，需要开发设计出一种运动信息分析处理方法。
技术实现思路
1、本专利技术实施方式提供了一种运动信息分析处理方法、装置、电子设备及存储介质，用于解决现有技术中不易从训练图像中发现影响射击精准度的细节的问题。
2、第一方面，本专利技术实施方式提供了一种运动信息分析处理方法，包括：
3、获取多个运动成绩以及多个运动记录，其中，运动成绩与运动记录相对应，运动记录表征运动过程的运动特性和/或力的特性；
4、分别对多个运动数据集进行聚类，从而获得多个运动数据聚类结果，其中，运动数据集包括根据多个数据段提取的多个运动特征向量，所述多个数据段基于运动阶段对所述多个运动记录分割获得，运动特征向量表征运动过程的运动波动特性和/或力的波动特性，所述多个运动数据集分别对应运动过程的多个运动阶段；
5、根据多个成绩段概
6、根据所述目标运动数据集的运动数据聚类结果与多个图像聚类结果的匹配度，确定目标特征图像，其中，图像聚类结果基于运动图像的区域图像特征进行聚类获得，运动图像与所述目标运动数据集对应相同的运动阶段，目标特征图像包括影响运动成绩的运动姿势。
7、在一种可能实现的方式中，所述分别对多个运动数据集进行聚类，从而获得多个运动数据聚类结果，包括：
8、根据运动阶段将所述多个运动记录中的每个运动记录划分为多个数据段；
9、将对应于同一运动阶段的多个数据段重构而形成数据包，从而获得多个数据包；
10、对于所述多个数据包中的每个数据包，分别执行如下步骤：
11、根据数据包的多个数据段提取多个运动特征向量，其中，所述多个运动特征向量与所述多个数据段相对应；
12、根据所述多个运动特征向量构建运动数据集；
13、对运动数据集中的多个运动特征向量聚类，获得运动数据聚类结果。
14、在一种可能实现的方式中，所述根据数据包的多个数据段提取多个运动特征向量，包括：
15、对于数据包的多个数据段中的每个数据段，利用第一公式提取多个波动特征，并根据所述多个波动特征构建运动特征向量，其中，所述第一公式为：
16、
17、式中，sdf(sk)为第sk个特征，sn为数据段中数据的总数量，sd(sn)为数据段的第sn个数据，e为自然常数，j为虚数单位，ω0为基本周期对应的频率，pn为基本周期时长内数据段内数据的数量，π为圆周率。
18、在一种可能实现的方式中，运动数据聚类结果包括类占比集，其中，类占比集包括多个类占比，类占比为类中运动特征向量数量与运动数据集中运动特征向量数量的占比；所述根据多个成绩段概率以及所述多个运动数据聚类结果，从所述多个运动数据集中确定目标运动数据集，包括：
19、获取多个成绩段概率；
20、根据所述多个运动成绩与所述多个运动记录的对应性、所述多个成绩段概率以及多个类占比集，确定多个成绩条件概率集，其中，所述多个类占比集与所述多个运动数据集相对应，成绩条件概率集包括多个成绩条件概率，成绩条件概率为在特定成绩段条件下类中运动特征出现的概率；
21、从所述多个成绩条件概率集中选择值最大的成绩条件概率作为目标概率；
22、选择所述目标概率所对应的运动数据集作为目标运动数据集。
23、在一种可能实现的方式中，根据所述多个运动成绩与所述多个运动记录的对应性、所述多个成绩段概率以及多个类占比集，确定多个成绩条件概率集，包括：
24、对于所述多个类占比集中的每个类占比集，执行如下步骤：
25、根据所述多个运动成绩与所述多个运动记录的对应性，确定多个类条件概率，其中，类条件概率为类对应所述特定成绩段的概率；
26、根据第二公式、所述多个类条件概率、类占比集以及所述特定成绩段的成绩段概率，确定多个成绩条件概率，并根据所述多个成绩条件概率构建成绩条件概率集，其中，所述第二公式为：
27、
28、式中，p(classi|score)为特定成绩段下第i个类中运动特征出现的概率，p(score|classi)为第i个类对应所述特定成绩段的概率，p(classi)为对应第i个类的类占比，p(score)为特定成绩段的概率。
29、在一种可能实现的方式中，所述根据所述目标运动数据集的运动数据聚类结果与多个图像聚类结果的匹配度，确定目标特征图像，包括：
30、获取多个运动图像，其中，所述多个运动图像与所述目标运动数据集对应相同的运动阶段；
31、对所述多个运动图像进行边缘化处理，获得多个边缘图像；
32、根据所述多个边缘图像中包含的运动部位，对所述多个边缘图像进行分割，获得多个区域图像；
33、分别对所述多个区域图像进行池化，获得多个区域图像特征；
34、根据与运动部位的对应性，将所述多个区域图像特征归集为多个运动部位特征集；
35、对所述多个运动部位特征集聚类，获得多个图像聚类结果，其中，所述多个图像聚类结果与所述多个运动部位特征集相对应；
36、从所述多个图像聚类结果中选择与所述目标运动数据集的运动数据聚类结果最为相似的图像聚类结果作为目标图像聚类结果；
37、根据所述目标图像聚类结果所对应的运动部位特征集，确定所述目标特征图像。
38、在一种可能实现的方式中，所述对所述多个运动图像进行边缘化处理，获得多个边缘图像，包括：
39、对于所述多个运动图像中的每个运动图像，分别执行如下步骤：
40、获取水平差分算子以及竖直差分算子；
41、对运动图像去色，获得灰度图；
42、利用所述水平差分算子以及所述竖直差分算子对所述灰度图进行差分特征提取，获得水平差分特征图以及竖直差分特征图；
43、分别对所述水平差分特征图以及所述竖直差分特征图中的元素进行二值化处理；
44、计算二值化后的水平差分特征图与二值化后的竖直差分特征图的和，将获得的和特征图作为边缘图像。
45、第本文档来自技高网...
【技术保护点】
1.一种运动信息分析处理方法，其特征在于，包括：
2.根据权利要求1所述的运动信息分析处理方法，其特征在于，所述分别对多个运动数据集进行聚类，从而获得多个运动数据聚类结果，包括：
3.根据权利要求2所述的运动信息分析处理方法，其特征在于，所述根据数据包的多个数据段提取多个运动特征向量，包括：
4.根据权利要求1所述的运动信息分析处理方法，其特征在于，运动数据聚类结果包括类占比集，其中，类占比集包括多个类占比，类占比为类中运动特征向量数量与运动数据集中运动特征向量数量的占比；所述根据多个成绩段概率以及所述多个运动数据聚类结果，从所述多个运动数据集中确定目标运动数据集，包括：
5.根据权利要求4所述的运动信息分析处理方法，其特征在于，根据所述多个运动成绩与所述多个运动记录的对应性、所述多个成绩段概率以及多个类占比集，确定多个成绩条件概率集，包括：
6.根据权利要求1-5任一项所述的运动信息分析处理方法，其特征在于，所述根据所述目标运动数据集的运动数据聚类结果与多个图像聚类结果的匹配度，确定目标特征图像，包括：
7
8.一种运动信息分析处理装置，其特征在于，用于实现如权利要求1-7任一项所述的运动信息分析处理方法，所述运动信息分析处理装置包括：
9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上的权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上的权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种运动信息分析处理方法，其特征在于，包括：
2.根据权利要求1所述的运动信息分析处理方法，其特征在于，所述分别对多个运动数据集进行聚类，从而获得多个运动数据聚类结果，包括：
3.根据权利要求2所述的运动信息分析处理方法，其特征在于，所述根据数据包的多个数据段提取多个运动特征向量，包括：
4.根据权利要求1所述的运动信息分析处理方法，其特征在于，运动数据聚类结果包括类占比集，其中，类占比集包括多个类占比，类占比为类中运动特征向量数量与运动数据集中运动特征向量数量的占比；所述根据多个成绩段概率以及所述多个运动数据聚类结果，从所述多个运动数据集中确定目标运动数据集，包括：
5.根据权利要求4所述的运动信息分析处理方法，其特征在于，根据所述多个运动成绩与所述多个运动记录的对应性、所述多个成绩段概率以及多个类占比集，确定多个成绩条件概率集，包括：
【专利技术属性】
技术研发人员：张军惺，高娟，张翠萍，尹素清，谢凤玲，张耕宁，刘业炜，钱丽璞，
申请(专利权)人：河北体育学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。