12.16 Application of Human Movement and Movement S
<p>Application of Human Movement and Movement Scoring Technology in Computer Vision Feature in Sports Training
计算机视觉特征人体运动及运动评分技术在运动训练中的应用
IETE Journal of Research, 2021
Shuai Liu,Yangjun Liu</p>
<p>研究目的：人们所能感知到的大部分信息是通过视觉获得的，使计算机具有与人类相同的视觉功能是人类的目标。本文采用支持向量机（SVM）方法对视频中的人体运动进行识别，识别后进行评分，可以帮助运动员进行规范化训练。</p>
<p>文章脉络：
1 Introduction 引言
1.1 Background of Topic Selection 选题背景
人体运动分析是指使用特定的算法来监测人体运动，并识别和解释人体运动。随着我国现代信息技术的发展进步和社会主义经济水平的提高，基于计算机和互联网的可视设备正逐步融入人们日常生活的各个角落。
1.2 Signification of the Research 研究意义
计算机视觉可以应用于视频序列中运动目标的检测和跟踪，获取目标的位置、速度等运动参数，能够快速、及时地检测出运动目标，进而进行跟踪和数据分析。支持向量机可以解决小样本、非线性、高维空间的模式识别问题。
1.3 Related Work of Computer Vision Features in Human Motion 人体运动中计算机视觉特征的相关工作
国内外许多高校都建立了基于视觉的人体运动专项实验室。作者认为，由于学科的限制，对计算机视觉技术研究的不足必然导致无法理解目标运动问题的根本原因。
1.4 Innovation Points of this Research 本研究的创新点
（1）分析人体运动和动作得分，并使用计算机视觉技术来检测、跟踪、分类和识别目标。
（2）采用计算机视觉技术进行检测，可以提高准确度，加快检测速度，同时节约成本。
2 Human Motion and Action Scoring Method Based on Computational Technology Vision 基于计算机视觉技术的人体动作评分方法
2.1 Basic Principles of Computer Vision 计算机视觉基本原理
计算机视觉的工作原理：（1）利用一个光学传感器CCD拍摄物体的图像，通过图像采集卡将采集到的图像信息导入计算机并保存。（2）借助计算机中的相关图像处理算法，根据操作者的需要对存储的信息进行相应的处理。（3）结果直观地反馈给操作人员，供后续操作分析。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=929607b27a31b85df0068fa521ccf96b&file=file.png" alt="" />
2.2 Occasions of Computer Vision Technology Application 计算机视觉技术的应用场合
2.2.1 Intelligent Monitoring System 智能监控系统
日常生活中的摄像头多数只具备摄像功能，不具备实时监控和提取有价值的信息等功能，费时费力并且容易产生遗漏。可以将先进的人体运动检测和监控技术应用于智能监控技术中，能够减轻工作强度，降低成本，数据也能够及时上传。
2.2.2 Perception Interface 感知界面
感知界面将成为未来几年计算机视觉发展的主导趋势。计算机可以通过识别模式获取人类手势，识别这些手势的具体含义并将其作为生成具体动作的基础。
2.2.3 Analysis of Human Movement 人体运动分析
人体运动分析可应用于运动训练，例如，通过图像分割从视频图像中提取感兴趣区域，提取人体目标，然后对感兴趣关节进行运动分析，获得详细的人体数据。
2.3 Method of Motion Recognition 运动识别方法
基于支持向量机（SVM）动作识别，训练模块需要根据每个运动动作的加速度值提取相应的特征值。
3 Experiments on Human Motion and Action Scoring Based on Computational Technology Vision 基于计算机视觉技术的人体运动与动作评分实验
3.1 Action Scoring Function Module 操作评分功能模块
人体运动目标动作评分系统可以分为以下几个主要模块：（1）图像采集模块；（2）图像预处理模块；（3）分割模块；（4）追踪模块；（5）分析模块；（6）运动评分模块。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=89e01e9518298584cfb45f4efbff24db&file=file.png" alt="" />
3.1.1 Image Taking Module 图像采集模块
图像采集模块是整个系统的第一个模块，也是提供数据的模块。其功能是将采集到的图像准确地发送到图像处理器进行实时处理。
3.1.2 Image Preprocessing Module 图像预处理模块
视觉传感器在成像系统收集的图像会在学习、转换和传输期间产生噪音。图像预处理单元的主要功能是执行预处理任务，例如过滤和去噪图像。
3.1.3 Moving Target Segmentation Module 运动目标分割模块
运动目标分割是将运动目标从背景中提取出来放入图像处理序列中，这一阶段处理结果的好坏直接影响到下一步处理的效果。
3.1.4 Moving Target Tracking Module 运动目标追踪模块
追踪是指将某些动画目标特征图像序列和这些函数从一个图像帧映射到另一个地方。
3.1.5 Behaviour Analysis Module 行为分析模块
该部分的主要功能是根据目标分割和追踪的结果，将同一运动目标在不同帧中进行关联，确定目标与图像序列的对应关系，并获得每个目标的完整运动，进而进行目标运动数据的提取。
3.1.6 Movement Target Action Scoring Module 运动目标动作评分模块
这个模块是最后的模块。上述模块处理好的数据被用来给运动目标动作进行评分。
3.2 Video Image Preprocessing 视频图像预处理
3.2.1 彩色模式
在运动识别中，容易受到障碍物和目标颜色的影响。HSV（色调，饱和度，亮度）模式相比较RGB颜色模型更符合人们描述和解释颜色的方式。
3.2.2 Noise and its Model 噪声及其模型
在图像的生成、传输和保存过程中，由于各种客观因素的干扰，真实的图像往往会有一些人们不愿看到的噪声。在一般的图像编辑过程中，通常在边缘检测、图像分割、特征提取、模式识别等步骤之前进行图像去噪处理。
4 Human Motion and Action Scoring Based on Computational Technology Vision 基于计算机视觉技术的人体运动动作评分
4.1 Recognition Effect by SVM Method SVM方法的识别效果
本文采用KTH人体运动数据库进行测试。KTH包括使用SVM方法和不使用SVM方法两种不同的场景，完成六种不同的运动动作。结果表明，支持向量机在人体运动领域的识别中有很大的帮助。SVM算法可以有效地消除干扰因素对运动识别的影响，有效地提高运动识别率和准确度。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=a42ff120abb7bfe243bf58fea9c58e7a&file=file.png" alt="" />
4.1.1 Recognition Results of Different Actions in Different Databases 不同动作在不同数据库中的识别结果
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=8c4628c95c30c55fd09e688b8f36f4e8&file=file.png" alt="" />
该算法的平均识别准确率较高，达到了90%左右，误差可能是由于图像预处理中存在相同或相似的动作，或者噪声对视频图像的影响造成的。
<img src="https://www.showdoc.com.cn/server/api/attachment/visitFile?sign=1b2e8b137d5d896d2cb6fe3aa399ebf6&file=file.png" alt="" />
图中可得，SVM算法在相同机器学习下的整体准确率远高于其他算法的准确率。
5 Conclusion 结论
在以后的工作中，可以使用并行计算来提取关键帧，在未来的开发中，可以考虑使用GPUCV来处理图像。同时改进关键帧提取算法可以大大提高关键帧的处理速度。</p>