本发明专利技术公开了基于计算机视觉的运动数据处理方法及装置，涉及运动数据处理技术领域；本发明专利技术建立了感知坐标系和个人动态坐标系和坐标变换运算方法，优化了运动数据耦合的现象。准确反映运动员在比赛过程中身体各部位的运动模式；本发明专利技术设置了多个摄像机位，并通过数值限定计算对各个摄像机位进行优化，优化了数据源布置的合理性；避免了数据采集过程中受到设备精度、环境因素、人为操作等多种因素对数据采集的影响，保证了数据的准确性和可靠性；从运动的线速度、角速度、加速度、幅度和频率五个角度对采集到的运动员各个身体结构的自身相对坐标进行数值分析，并将超过阈值的数值分析结果进行高亮显示，提高了数据分析方法的多样性。
【技术实现步骤摘要】
本专利技术涉及运动数据处理，具体为基于计算机视觉的运动数据处理方法及装置。
技术介绍
1、运动数据处理技术是一个涉及多个步骤和方法的复杂过程，旨在从运动员或运动设备的原始数据中提取有价值的信息，以优化训练、提高运动表现并减少伤害风险。
2、基于计算机视觉的运动数据处理技术是计算机视觉领域的重要课题。对视频序列中的运动目标进行检测、跟踪，获得目标的位置、速度等运动参数，是进行更高级的运动目标行为分析的基础。快速实时地检测出运动目标，对运动目标进行跟踪，并实现目标的运动数据分析，在体育领域可以得到广泛的应用。例如，对一个用径运动员的训练视频进行处理，提取出其瞬时运动速度、手臂摆动幅度、频率等信息，由于视频序列每秒钟有多幅图像，含有大量的人眼捕捉不到的有价值的信息，可用于分析运动员技术上的不足，提高运动技能。
3、然而，现有的运动数据处理技术仍然存在诸多不足和限制。首先，现有的计算机视觉的运动数据处理技术存在数据耦合的现象，例如，对于一个正在进行长跑项目的田径运动员，若建立空间坐标系进行数据采集，则只能观察到运动员各个身体部分在赛道上的相对移动速度。并不能准确反映运动员在比赛过程中，特别是在加速、保持速度和减速等不同阶段，腿部、臀部等身体各部位的运动模式。
4、其次，现有的运动数据处理技术对于运动数据分析结果的解读难度较大，由于数据分析技术的复杂性，许多非专业用户难以准确解读分析结果，导致数据价值无法得到充分利用。例如，现有的运动数据处理技术难以综合考虑运动员态和重心的动态变化以及对运动员的影响。</p>5、因此，有必要设计基于计算机视觉的运动数据处理方法及装置以解决上述问题。
技术实现思路
1、为了克服
技术介绍
中的问题，本专利技术实施例提供了基于计算机视觉的运动数据处理方法及装置。
2、本专利技术的目的可以通过以下技术方案实现：
3、第一方面，本专利技术提供基于计算机视觉的运动数据处理方法，具体包括以下步骤：
4、步骤一：感知网络布置：
5、布置若干台位置固定的摄像机，在预设位置一架设工业级高清摄像机一，在预设位置二架设工业级高清摄像机二，在预设位置三架设工业级高清摄像机三。令预设位置一为坐标原点o1，以正北方向为y轴，以正东方向为y轴，以竖直方向为z轴建立三维直角坐标系，记为感知坐标系。获取预设位置二、预设位置三等预设位置在感知坐标系中的坐标o2（xo2，yo2，zo2）和o3（xo3，yo3，zo3）。
6、针对预设位置一、二和三，预设距离阈值dmax和dmin，预设最大角度θmax和θmin对预设位置一、二和三的布置进行数值限定计算，具体为：
7、依次连接o1、o2和o3点，形成三角形。记o1点坐标为（xo1，yo1，zo1），通过公式计算预设位置一和二的距离a、预设位置一和三的距离b以及预设位置二和三的距离c。
8、通过距离约束条件对所述的距离a、b和c进行限定。
9、通过公式计算预设位置一、二和三组成的三角形的夹角θa、θb和θc。
10、通过角度约束条件对所述角度θa、θb和θc进行限定。
11、进一步的，当设置的预设位置超过三个，即架设的工业级高清摄像机大于三个时。依次连接相邻的预设位置坐标点组成若干个三角形。针对各个三角形进行上述的数值限定计算。
12、调整各个工业级高清摄像机，令其视线方向正对运动场地。随后，拍摄运动员脸部图像并从数据库中调取运动员脸部识别特征图，基于计算机视觉技术进行人脸识别比对，根据人脸识别比对结果匹配到具体的运动员并赋予唯一编号。
13、所述唯一编号为i，i=1，2，...，n；其中n为纳入系统的运动员总数。
14、步骤二，图像处理、关节识别和人体模型构建；
15、通过各个工业级高清摄像机进行录像摄影并逐帧分解，得到各个运动员在各个时刻t的运动图像。针对所述的运动图像进行畸变校正和图像降噪处理。
16、作为本专利技术的一种优选方式，基于计算机视觉技术对所述的运动图像进行特征提取，构建各个运动员的三维数字孪生模型，通过关键点检测神经网络模型在所述的三维数字孪生模型中定位运动员的各个身体结构。将所述的身体结构按运动模式分为连接部分、骨干部分和肢体部分，分别编号为：
17、连接部分：a01颈关节、a02左肩关节、ao3右肩关节、ao4腰关节、a05左髋关节、a06右髋关节、a07左肘关节、a08左腕关节、a09右肘关节、a10右腕关节、a11左膝关节、a12右膝关节、a13左踝关节和a14右踝关节；
18、骨干部分：b01头部、b02上躯干、b03下躯干、b04左手掌、b05右手掌、b06左脚掌和b07右脚掌；
19、肢体部分：c01左大臂、c02右大臂、c03左小臂、c04右小臂、c05左大腿、c06右大腿、c07左小腿和c08右小腿。
20、作为本专利技术的一种优选方式，针对各个运动员的三维数字孪生模型进行几何抽象，将人体的具体形态抽象为一系列几何图形的组合，进而生成运动简图。
21、所述的几何抽象的过程具体为：用圆形对连接部分进行简化表示，用多边形对骨干部分进行简化表示，用线段对肢体部分进行简化表示。
22、进一步的，每隔预设时间间隔t，在所述的运动简图中提取特征坐标点，进行运动数据量化，其过程具体为：
23、定位各个运动员的运动简图整体的几何形心，即各个运动简图中所有圆形、多边形组成的图像整体的几何中心。每隔预设时间间隔t记录各个运动员的运动简图在感知坐标系中的几何形心的坐标（xi，yi，zi），记为定位坐标。针对各个运动员的运动简图，在感知坐标系中，每隔预设时间间隔t分别获取各个身体结构的定位坐标，具体为：
24、针对连接部分，以各个圆形的圆心坐标为连接部分的定位坐标；针对骨干部分，以各个多边形的中心坐标为骨干部分的定位坐标；针对肢体部分，以各个线段的两个端点坐标为肢体部分的定位坐标。
25、步骤三、坐标变换：
26、建立个人动态坐标系，具体为：
27、作为本专利技术的一种优选方式，针对各个运动员的运动简图，定位其中与上躯干对应的多边形。获取所述多边形的几何中心坐标ib02（xib02，yib02，zib02）。将所述多边形所在的平面记为个人动态基准平面。
28、做一条空间直线，令该直线满足以下条件：条件一、垂直于个人动态基准平面；条件二、直线经过所述多边形的几何中心；
29、将所述直线记为基准法向量一。
30、进一步的，在与上躯干对应的多边形中获取与头部定位坐标ib01（xib01，yib01，zib01）距离最近的角点，记为特征点。获取特征点的坐标d（xia，yib，zic）。做一条空间直线，令该直线满足以下条件：条件一，直线位于个人动态基准平面中；条件二，该直线经过所述多边形的几何中心坐标；条件三，该直线经过本文档来自技高网
...
【技术保护点】
1.基于计算机视觉的运动数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，各个摄像机的数值限定计算具体为：
3.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，对运动图像进行特征提取的具体过程为：
4.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，建立个人动态坐标系的具体过程为：
5.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，从感知坐标系到个人动态坐标系的坐标变换运算具体为：
6.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，从运动的线速度、角速度、加速度、幅度和频率五个角度进行数值分析的具体过程为：
7.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，对运动简图进行数据可视化处理的具体过程为：
8.基于计算机视觉的运动数据处理装置，其特征在于，应用于实现权利要求1-7任一项所述基于计算机视觉的运动数据处理方法，包括：
9.根据权利要求8所述的基于计算机视觉的运动数据处理装置，其特征在于，包括三脚架（1）、承台（2）和工业级高清摄像机（3）；
...
【技术特征摘要】
1.基于计算机视觉的运动数据处理方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，各个摄像机的数值限定计算具体为：
3.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，对运动图像进行特征提取的具体过程为：
4.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，建立个人动态坐标系的具体过程为：
5.根据权利要求1所述的基于计算机视觉的运动数据处理方法，其特征在于，从感知坐标系到个人动态坐标系的坐标变换运算具体为：
【专利技术属性】
技术研发人员：徐培明，卞志勇，李长河，蔡建宁，高锋，曹海龙，张乐乐，
申请(专利权)人：泰山体育产业集团有限公司，
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。