《激光杂志》2021年第42卷第2期LASER JOURNAL(Vol.42,No.2,2021)115 李常浩
商丘工学院，河南商丘476000
摘要：为了提高对单手肩上投篮动作的准确性，需要对单手肩上投篮动作进行检测，为此提出基于激光图像分析的单手肩上投篮动作激光位移检测技术。采集图像和研究图像关键特征点分布，进行单手肩上投篮动作激光图像特征分析和位移检测处理。基于特征标记方法，进行单手肩上投篮动作的激光特征分析和图谱特征检测，结合模糊图像位移检测技术，进行单手肩上投篮动作的特征分析，采用边缘轮廓特征检测方法，进行激光条纹图谱分析，根据光分辨特性激光位移检测的误差修正和补偿处理，结合形状特征分布实现对单手肩上投篮动作激光位移检测。仿真结果表明，采用该方法进行单手肩上投篮动作的激光位移检测的图谱分辨能力较好，位移参数估计准确性较高，最高检测精度已到达100%，误差较低，最低可达到1%，而且检测时间也低于另外两种方法，最多不超过2S，有效实现了对单手肩上投篮的动作修正，提高投篮的准确性。
关键词：单手肩上投篮动作；激光位移；检测技术；图像处理
中图分类号:TN249文献标识码：A doi：10.14016/jki.jgzz.2021.02.115
Research on laser displacement detection technology of
single hand shoulder shooting
LI Changhao
Shangqiu Institute of Technology,Shangqiu He，nan476000,China
Abstract:In order to improve the accuracy of one hand shoulder shooting,it is necessary to detect one hand shoulder shooting.Therefore,the laser displacement detection technology of one hand shoulder shooting based on laser image analysis is proposed.Collect image and study the distribution of the vital feature points of the image,and carry out the laser image feature analysis and displacement detection processing of one hand shoulder shooting action.Based on the feature mark method,the laser feature analysis and map feature detection of one hand shoulder shooting action are carried out.Combined with the fuzzy image displacement detection technology,the feature analysis of one hand shoulder shooting action is carried out.The edge contour feature detection method is used to analyse the laser stripe map.The error correction and compensation processing of
laser displacement detection is carried out according to the optical resolution characteristics,combined with the shape characteristics.Sign distribution is used to detect the laser displacement of one hand shoulder shooting.The simulation results show that the spectral resolution of the laser dis・placement detection of one hand over shoulder shot is good,and the estimation accuracy of displacement parameters is high.The maximum detection accuracy has reached100%,the error is low,and the minimum can reach1%.Moreover,the detection time is lower than the other two methods,which is no more than2seconds,which effectively realises the action correction of one-handed shoulder shot High shooting accuracy.
___________________________________________Key words:one handed shoulder shot；laser 收稿日期:2020-06-28_____________________________________________displacement；detection technology;image processing
基金项目：河南省高等学校重点科研项目计划(No.2OB52OO26)；河南
省教育厅(No.2020-ZZJH-360)；河南省教育厅(No.2018-ZZJH-
399)；河南省教育厅(No.2018-ZZJH-400)
作者简介：李常浩(1988-)，男，讲师，体育教育与运动训练。
1引言
激光图像处理技术可以采用光学检测技术进行人体动作特征分析，建立人体运动动态特征检测模型，从而提高对运动训练的指导性，得到了越来越多人们的重视。在篮球运动中，单手肩上投篮动作具有典型性，结合对单手肩上投篮动作的动态分析，可以提高投篮的准确性，因此，必须要加强对单手肩上投篮动作的位移检测方法的研究。单手肩上投篮动作激光图像处理方法展示了自身的优势，相关的单手肩上投篮动作的激光位移检测方法研究受到人们的极大关注⑴。
在对激光图像处理基础上，可以实现对单手肩上投篮动作的激光位移检测，并结合对单手肩上投篮动作的激光图像的边缘特征分析，进行单手肩上投篮动作的激光位移检测和动作修正⑵，从而提高单手肩上投篮动作的稳定性。传统方法中，检测单手肩上投篮动作的位移的方法主要有模糊特征检测方法和边缘特征检测方法，建立单手肩上投篮动作的激光位移参数估计模型，通过模糊度检测技术，进行单手肩上投篮动作的激光位移参数估计⑶，实现单手肩上投篮动作的激光位移检测，但传统方法进行单手肩上投篮动作的激光位移检测输出自适应性不好，统计特征辨识度不强。
对此，提出基于激光图像分析的单手肩上投篮动作激光位移检测技术，进行单手肩上投篮动作的激光特征分析和图谱特征检测，结合模糊图像位移检测技术，根据光分辨特性激光位移检测的误差修正和补偿处理，结合形状特征分布实现对单手肩上投篮动作激光位移检测。最后进行仿真分析，展示了本文方法在提高单手肩上投篮动作的激光位移检测能力方面的优越性能。
2单手肩上投篮动作激光图像采样和特征分析
2.1单手肩上投篮动作的激光图像釆样
为了实现对单手肩上投篮动作的激光位移检测，必须结合多分辨的图像辨识和检测方法，进行单手肩上投篮动作激光图像特征分析和位移检测处理，首先进行图像采集，采用分水岭分割的方法，建立单手肩上投篮动作的激光三维点分析模型，进行单手肩上投篮动作激光图像三维重建⑷，得到单手肩上投篮动作激光图像采集的关键特征点分布为"(*』)，当前特征点邻域内的像素A为：
q2\r.Xr,
x=11■—(1)
u2
式中,r，弋表投篮动作中的连续性系数,「2代表投篮动作中的实践性系数,u代表激光图像中特征像素的平均计数条件,<7代表单手肩上投篮动作定位的关键特征点值。在多分辨单手肩上投篮动作激光图像的中心像素点进行模板匹配，得到单手肩上投篮动作激光位移特征建模描述为H、和"，当H和"信息量越多，表示对单手肩上投篮动作的轨迹跟踪能力越强，入就会越接近单手肩上投篮的标准动作分布集入，在对区域边缘定位和封闭轮廓中，采用全局形状模型得到位移参数分布值为：防止冷凝水
G x=*A+17(2)
式中，符号*表示卷积。在连通分量的集合中，得到图像细节噪声分布矩为：
Mki(%,y)=A+“(％,y)xG*(3)式中,7?(x,y)为噪声干扰项，基于形态学的轨迹跟踪方法，根据单手肩上投篮动作激光图像的细节特征采集结果进行模糊辨识®7】，根据前景图像的光纹分布，得到封闭轮廓因子为：
K=exp(-gl f2--+M kl(x,y)(4)
\Efi x<o/M
式中，△/代表投篮动作激光图像特征数值在单位时间内的综合性行为变化量,0代表自动检测行为的向量性指标系数,/代表图像特征节点所承载的矢量线性误差条件,g^2表示单手肩上投篮动作细微的灰度变化参数,E.表示邻近点数,4表示单手肩上投篮动作的初始采样时间，在相对较亮的背景中，得到激光强度为：
乞”血=捡严XK(5)
n
雨水边沟
式中，乩点表示单手肩上投篮动作激光位移的灰度值，表示单手肩上投篮动作激光纹理扩展损失，"表示遥感图像的训练样本数。基于特征标记方法⑷，进行单手肩上投篮动作的激光特征分析和图谱特征检测⑼。
2.2单手肩上投篮动作的光学特征检测
采用激光位移数据三维重组方法进行单手肩上投篮动作的区域分割〔“⑵，结合模糊图像位移检测
《激光杂志》2021年第42卷第2期LASER JOURNAL(Vol.42,No.2,2021)117技术，进行单手肩上投篮动作的特征分析，得到向量
量化值为/(%,y)=0F(%,y)+(1-0)mi，其中F(%,y)
为单手肩上投篮动作图像像素序列在(％,y)点的边缘
特征点，"为第k个子带单手肩上投篮动作的激光反
射投影，设矫为单手肩上投篮动作背景的对应区域,
离为LGB量化特征值，结合平滑算子估计方法，得到
匹配特征量为/3=max,0，在寻标记时，目标
点的匹配值:
厶o(r)=L(r/2)
~2~(6)
式中,L和r为分层特征分解系数，进一步强调图像的边缘和细节，得到激光纹理参数。在背景集合中，得到区域最大相似度为：
k洗衣机水嘴
4，(%,y)二-1
P(%,y)二《i_A
2，
(%』)=0(7)
k
.4_,(兀』)=1
式中也为二阶微分和像素的关系特征匹配值,0 WrWl。当单手肩上投篮动作图像的输出协方差特
L
征量满足期望为0，方差为今的正态分布，通过单手肩上投篮动作的光学特征检测结果，实现对单手肩上投篮动作的激光位移检测⑴打
3单手肩上投篮动作的激光位移检测
3.1激光位移参数估计
采用边缘轮廓特征检测方法，进行激光条纹图谱分析「⑷，得到背景集合扩张未标记区域的边缘轮廓特征为：
()=/(1x,-Xj|)=-^=exp|^'j.(8)式中,％为背景集合扩张未标记区域的激光参数输入特征量，勺表示单手肩上投篮动作激光图像的边界区域像素，构造单手肩上投篮动作激光图像的相似度特征分辨模型，求得区域最大相似度。
单手肩上投篮动作激光图像边缘特征分布的灰度像素集为MxN，根据图像的形状特征分布实现对单手肩上投篮动作激光图像的属性特征检测，结合模糊特征检测方法，进行单手肩上投篮动作修正和自适应检测「切。3.2单手肩上投篮动作修正和检测输出
采用边缘轮廓特征检测方法，进行激光条纹图谱分析，根据光分辨特性进行激光位移检测，并进行误差修正和补偿处理，得到单手肩上投篮动作激光图像特征的细节点分布模型为：
•X=/?sin?7cos^00卩02”
<y=/?sin97sin^p OW t/W tt(9)
Z=Rcosr)R=D/2
式中,4表示单手肩上投篮动作激光图像的边缘亮度,<p表示光分辨特性激光位移,R表示单手肩上投篮动作激光图像的辐射区域半径，单手肩上投篮动作位移检测集合为：
T(z)=argmax(Xz+e k)(10)式中，％表示单手肩上投篮动作的形状误差,h 表示激光条纹的强度,z为单手肩上投篮动作的模糊聚类中心，采用机器自适应学习的方法购，得到图像的厶灰度级为：
I(z)=lx(gS+沪)(11)式中，2=1,2,….，7?并且A：#1，严表7K图像的形态结构参数，建立单手肩上投篮
动作激光图像特征分布集，对"个对象构成的集合进行自适应位移检测，得到激光位移数据分布空间参数：
p P
丫ycm X丫ydm
S&c闷)二节1心一(12)
/X x X
V m=1m=1
式中,ycm表示单手肩上投篮动作分布的c维数据构成,ydm表示d维数据构成，结合模糊度参数分析方法，得到单手肩上投篮动作的激光位移谱密度函数。
根据光分辨特性激光位移检测的误差修正和补偿处理，结合形状特征分布实现对单手肩上投篮动作激光位移检测，动态轨迹分布表示式为：
F(G n)=S(xc,xd)(13)式中表示激光位移检测动态轨迹分布系数。分析单手肩上投篮动作的像素点分布融合特征，结合谱密度分析方法，实现对单手肩上投篮动作激光位移检测。
4仿真实验与结果分析
在Matlab进行仿真测试，设定单手肩上投篮动作的激光图像采样的像素点分布为120x240,，采用Matlab7进行单手肩上投篮动作轨迹跟踪的算法设
计和仿真分析，对单手肩上投篮动作的激光采样的激
光器为Laser 5.0，激光脉冲的输出强度为200 dB，为
保证实验结果的绝对公平性，整个实验过程中的选球
处理均由人工智能机器人完成，相关教学参与者仅作
为检测核实人员，对机器人的选球操作进行监督与考 察。根据上述参数设定，进行单手肩上投篮动作的激
rrggg光位移检测，得到单手肩上投篮动作的激光图像如图 1所示。
图1单手肩上投篮动作的激光图像
以图1的激光图像为研究对象，进行单手肩上投
篮动作的特征分析，采用边缘轮廓特征检测方法，进
行激光条纹图谱分析，得到图谱分析结果如图2所示。
180 280 380 480 580 680 780
波长/nm
图2单手肩上投篮动作的激光图谱分析
分析图2得知，本文方法进行单手肩上投篮动作
的激光图谱分析的图谱特征辨识度较高，测试单手肩 上投篮动作的激光位移，在整个检测记录过程中，单
手肩上投篮动作的激光图谱的峰值水平在波长为
530 nm 左右，且该极限数值不具备阶段性存在的能 力；为进一步验证本文方法的可信度，利用模糊特征 检测方法和边缘特征检测方法进行对比实验，得到检 测精度对比如图3所示。
分析图3得知，本文方法进行单手肩上投篮动作 激光位移检测的精度较高，最高检测精度已到达 100%，而模糊特征检测方法和边缘特征检测方法的 精度响度较低。此外，由于本文方法进行激光位移检
测时对激光条纹图谱进行了分析，根据光分辨特性进
行激光位移检测，并进行误差修正和补偿处理，在一 定程度上减少激光位移检测误差，由此本文方法适合
单手肩上投篮动作的激光位移检测。
图3检测精度对比
为了更进一步分析本文方法的有效性，接下来对
3种方法的激光位移检测误差以及所用时间进行对比
展示，对比结果分别如图4、图5所示：
本文方法
模糊特征检测方法边缘特征检测方法
迭代次数
图4检测误差对比
40 50 60 70 80 90 100
冬冋一起«組
图5检测时间对比
分析图4、图5得知，相较于其他2种方法，利用
本方法进行单手肩上投篮动作激光位移检测时检测
的误差最低，最低可达到1% ，而且检测时间也低于另
外两种方法，最多不超过2 s 。根据以上实验结果明
显证实了本文方法在进行单手肩上投篮动作激光位 移检测方面的优越性。
5结语
结合对单手肩上投篮动作的动态分析，提高投篮
的准确性，建立单手肩上投篮动作的激光三维点分析
《激光杂志》2021年第42卷第2期LASER JOURNAL(Vol.42,No.2,2021)
模型，采用分水岭分割的方法，建立单手肩上投篮动
作的激光三维点分析模型，采用边缘轮廓特征检测方
法，进行激光条纹图谱分析，构造单手肩上投篮动作
激光图像的相似度特征分辨模型，分析单手肩上投篮
动作的像素点分布融合特征，结合谱密度分析方法，
实现对单手肩上投篮动作激光位移检测。分析得知，
本方法进行单手肩上投篮动作的激光位移检测的精
度较高，最高检测精度已到达100%，误差较低，最低
可达到1%，而且检测时间也低于另外2种方法，最多
不超过2s。在未来的工作中，可深入研究投篮动作
图像特征自动检测，从连贯性要领的角度，分析检测
处置所必需的算法依据条件，不仅约束投篮特征的向
量尺度数值，也减轻了不必要误差值对最终检测精度
造成的影响。
参考文献
[1]金磊磊，梁红，杨长生.基于显著性检测的声呐图像快速
降噪研究[J].西北工业大学学报,2019,37(01):80-86.
[2]周友行，刘汉江，赵皓妖，等.基于像元相互关系的FCM
聚类分割算法[J].仪器仪表学报,2019,40(09):124-
131.
[3]Wang T,Yang J,Ji Z,et al.Probabilistic diffusion for in
teractive image segmentation[J].IEEE Transactions on Im
age Processing,2019,28(1)：330-342.
[4]Bampis C G,Maragos P,Bovik A C.Graph-driven diffu
sion and random walk schemes for image segmentation[J].
IEEE Transactions on Image Processing,2017：26(1)；35-
50.
[5]杜柏圣.卷积网络的无监督特征提取对人脸识别的研究
[J].计算机技术与发展,2018,28(06):17-20.119
[6]王献锋，黄文准，张善文.基于加权局部判别CCA的多
视角步态识别方法[J].计算机工程与应用,2018,54
(21)：90-94.
[7]何书芹，梁西银，颜昌林，等.基于多尺度爛和动态时间
规整的步态身份识别[J].重庆大学学报,2018,41(11)：
84-91.
[8]卢鹏，卢奇，邹国良，等.基于改进SIFT的时间序列图像
拼接方法研究[J].计算机工程与应用，2020,56(1)：
196-202.
[9]朱超，吴素萍.特征点检测DoG并行算法[J].计算机
工程与应用，2020,56(10):36-43.
[10]刘保中，刘建宾.一种改进的非局部均值超声图像降噪
算法[J].北京信息科技大学学报(自然科学版),2018,
33(05)：54-59.
[11]陈丽勇，闫梦龙，孙显，等.一种基于背景先验的飞机目
标检测方法[J].测绘科学,2016,41(3):69-74.
[12]侯守明，王阳，唐琪博，等.一种基于偏微分方程和Canny
算子的图像分割方法[J].山西大学学报(自然科学版)，
高清视频直播系统2017,40(04)：676-682.
[13]罗伟.采摘机器人视觉图像检测应用研究一基于篮
球动作捕捉的多媒体数据库系统[J].农机化研究，
2018,40(1)：203-207.
[14]司幸伟.基于多尺度形态学图像的屈肘角度检测方法与新药管疗法
实现[J]•河南师范大学学报(自然科学版)，2017,45
(05)：60-67.
[15]孙日明，林婷婷，季霖，等.空间失稳目标线阵激光成像
建模及参数优化[J].光学精密工程，2018,26(06)：
1524-1532.
[16]李宁，马潇曼，周亚辉.单手肩上投篮技术特征研究现
状与评述[J].广州体育学院学报，2019,2(3)：94-
100.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议