民族传统体育对抗类项目视频分析与智能诊断系统研究*

李春木，连　迅

(1.武汉体育学院 武术学院，湖北 武汉　430079；2.武汉伟龙思博特工程信息技术有限公司，湖北 武汉　430079)



民族传统体育对抗类项目视频分析与智能诊断系统研究*

李春木1，连迅2

(1.武汉体育学院 武术学院，湖北 武汉430079；2.武汉伟龙思博特工程信息技术有限公司，湖北 武汉430079)

摘要：当前民族传统体育对抗类项目训练分析主要是以教练员主观经验判断为主，缺乏客观性和时效性。本研究搭建了一个ARM+DSP+CPLD技术框架平台，采用视频图像智能分析与处理技术对运动员的训练及比赛实况进行实时记录和智能诊断，得出可供教练员与运动员参考的处理结果，达到提高训练效率，提高比赛成绩的目的。

关键词：民族传统体育对抗类项目；嵌入式系统；视频图像分析算法；ARM；DSP

研究方向：散打与中国式摔跤的教学与训练

1研究背景和研究意义

对抗类民族传统体育运动在中国民族传统体育项目中占有十分重要的地位，如武术散打、中国式摔跤、武术短兵等项目。长期以来，我国对抗类民族传统体育项目训练的水平相对较低，大多数的教练认为“我只相信自己的眼睛，我更相信个人的经验”的观念，而运动员也只能通过教练的口传身教，不断重复练习来逐步掌握技术要领，这种落后的训练方式会制约训练水平和效率的提高。

将运动训练的数字视频图像分析技术引入体育训练中，以提高训练的科学性与效率，是目前一项新兴的研究内容。由于机器视觉比人眼具有更好的记忆能力和准确性，能快速捕捉运动员训练的任何细微动作，并且能通过视频图像分析算法对这些细微技术动作进行分析、汇总、比较和保存。训练数据不会撒谎，它为判断运动员动作的好坏提供了更加直观的表现方式。

结合嵌入式芯片硬件技术[1]、视频图像高级分析处理技术、数据库技术，课题组研发了一套针对民族传统体育对抗类项目“视频分析与智能诊断系统”。该系统可为教练员提供一种新的训练模式：通过录制高分辨率的训练视频录像，对运动员的技术动作进行二维、三维层次的信息解析后，获取运动员技术动作的真实数据，再通过视频图像分析算法，进行细微动作的科学分解、对比、综合，来科学评估训练水平和目的是否达标；还能够进行不同运动员的动作图像对比，从而帮助运动员找到与优秀运动员的差距，从而尽快掌握动作的技术要领，减少无谓的重复，达到直观教学和快速反馈的目的；另外，还能够大大降低运动员受到伤害的可能性。这对于提高运动员的训练水平和竞技水平，有着积极的意义。

2系统整体方案设计与实现

“视频分析与智能诊断系统”是以比赛或训练中的运动员为研究对象，搭建的一个ARM+DSP+CPLD技术框架平台[2]，利用视频图像处理技术对所拍摄到的连续视频图像帧序列进行自动化拍摄、采集、分析、管理等智能化处理，最后得出可供教练员与运动员参考的处理结果，达到提高训练效率，提高比赛成绩的目的。

2.1系统功能模块设计

民族传统体育项目视频分析与智能诊断系统由4个模块构成：比赛视频前端采集分析模块、比赛视频管理模块、技战术数据分析及专家诊断模块、数据信息管理模块(运动员信息、比赛信息、教练员信息等)。

2.1.1比赛视频前端采集分析模块

比赛视频前端采集分析模块的作用在于全面、完整地记录比赛的整个过程，将比赛视频数据采集到系统中，为后续视频分析工作提供准确的数据源。以散打比赛为例，视频数据录入以散打比赛中的运动员一个对抗单元为数据采集单位，一场散打比赛将其分割成几十个对抗单元。在每个对抗单元中观测双方运动员的技战术、站位、架势、得失点情况，记录下并保存；然后视频分析模块对不同的技术指标数据进行编码处理，每一个对抗单元中的每种信息都转化成确定好的编码存入数据库；在统计分析时，通过检索数据库中的编码，即可进行散打相关指标的计算，再转换为有意义的统计分析数据输出。

2.1.2比赛视频管理模块

比赛视频管理模块主要包括比赛视频的播放、剪辑与合成功能。把要分析的比赛录像导入视频编辑视频框进行多次预览，然后按比赛回合先后，把视频中运动员的有效技战术信息录入数据库。如果需要移动采集过的视频资料，可通过视频合成系统自动存为用于比赛项目的技战术分析数据库。此模块具体功能如下：

1)视频播放：除具备播放器一般功能以外，为了便于观察分析，系统还增添了1/4、1/2、1(正常速度)、2倍速度播放设置，视频播放的单帧回退等功能。

2)视频剪辑：每次视频的剪辑是按对抗单位的开始和结束来完成的。手动按钮录入相应技战术指标信息。

3)视频合成：在技战术智能分析系统里完成相同属性自动归类并合成。根据对技战术特征信息不同需求，可手动录入合成技战术分析视频。

4)通过回顾比赛录像，同时进行技战术数据的采集分析工作，包括：记录比赛得失点、回合数、战术分析总结等。

2.1.3技战术数据分析及专家诊断模块

技战术数据分析及专家诊断模块，是本系统核心模块之一，可以得到满足教练和运动员需要的各种统计数据、图表和诊断结果。以中国跤或散打项目为例，当比赛信息录入系统后(通过比赛视频前端采集模块临场实时录入或者赛后回顾比赛录像详细录入)，系统便可自动对进攻、防守、移动、击打效果、得失点区域等技术的应用信息进行分析，也可以根据教练员和运动员技战术分析的个性化需求，自动进行统计。该系统不仅记录运动员主要得点技术、失点情况等技术信息，而且对每一交手回合得点拳使用次数、得点数、得点率、成功率等技术指标都能做到准确无误的统计。通过本系统自动输出的专家诊断结论为基本依据，再加上教练员自身的经验知识，得出最终结论。

2.1.4数据信息管理模块

数据信息管理模块是一个信息量比较大、功能比较复杂的管理信息系统，本系统以人员训练、比赛为基础数据库，建立人员管理、比赛、训练、组织管理的电子信息数据库。该模块具体要求如下：

1)系统有较好的用户界面，特别是的输入应简便、高效、快速。对于适合批量处理的录入数据尽量实现批量处理，以此来减轻管理人员的信息录入工作量。

2)系统提供方面灵活的查询方式，除提供必要的基本查询以外，还应提供复杂的、可以在一定范围内自由组合的综合性查询。

3)系统提供完善的校验规则，尽量避免由于无意造成的误操作产生的错误数据存入数据库，以此减轻日后的系统维护工作。

4)系统有良好的安全性和数据保密性，应提供完善的日志管理功能。

5)系统有完善的后备功能并具有较好的可修改性和可维护性。

6)系统具有较好的可扩充性，能够为系统日后的扩充与完善，奠定一个良好的技术基础。

2.2系统技术方案实现

图1　视频分析与智能诊断系统”框架示意

“视频分析与智能诊断系统”的系统框架结构如图1所示，它主要由四个部分构成：CCD高清摄像机、视频图像智能识别处理模块、后台服务器及对应软件、若干个远程客户端。系统的工作流程为：首先在训练现场架设CCD高清摄像机，确保拍摄范围能覆盖运动员全部活动范围。摄像机拍摄获得视频图像后，将图像数据通过视频线缆传送给视频图像智能识别处理模块，由其运行专用的视频图像处理算法实时分析处理，再将处理后的图像数据通过有线网络或WIFI无线网络发送给后台服务器，通过软件进行最终图像的显示、保存和管理，便于运动员和教练随时查看分析，改善技术动作。后台服务器如果能连上Internet网络，其他用户也可通过智能手机、平板电脑等远程客户端实时在线地看到训练视频图像，但受限于网络速度，远程客户端只能浏览到压缩处理后的部分视频。

3视频图像智能识别处理模块硬件选型及设计

“视频图像智能识别处理模块”是整个系统的图像识别处理硬件核心。它由ARM芯片、DSP芯片和CPLD芯片构成硬件平台。硬件框架如图2所示：

图2　“视频图像智能识别处理模块”的硬件框架

ARM芯片可以运行嵌入式操作系统[3]，适合处理复杂的多任务、多中断的系统级功能要求，芯片具有多达30个口的GPIO数量和各种标准外设接口、外设驱动软件包可供调用，在“视频图像智能识别处理模块”中主要负责协调控制系统各个芯片、功能模块、传感器外设、控制器模块之间的分工合作，提高多任务多中断的实时响应速度，完成设备间的数据传递。

DSP芯片具有特殊的DSP指令系统、多总线结构、极高的流水线指令运算速度，适合快速运行各种视频图像处理算法[4]，而且不运行操作系统，能快速对原始图像视频数据进行响应处理。本系统中DPS芯片主要作为视频图像实时算法的运算核心，运行视频图像噪声预处理算法、视频图像分割算法、运动员目标动态智能跟踪算法。另外，ARM芯片与协调处理器DSP通过通信接口(SPI)进行运动员训练视频图像数据传递，还可进行图像数据的压缩贮存，通过以太网或WIFI模块传输到后台服务器等功能。

系统的实时性要求高，所以硬件译码的速度也必须快，而且经常需要外部设备快速部件的配合，因此采用专门的可编程器件CPLD负责来协调ARM和DSP之间，以及处理器和各个外部模块之间的工作，完成高精度时序逻辑控制，还负责通过FIFO缓存数据进一步提高读写速率，以提升整个系统的运算性能。

本系统中，ARM选用三星公司的S3C6410处理器，DSP选用TI公司的TMS320VC5402处理器，S3C6410和TMS320VC5402之间采用SPI进行数据通信[5]。CPLD选用ALTER公司的MAXII系列的EPM240T100C5N芯片，和前一代MAX器件相比，功率降至1/10，容量增加了4倍，性能提升了2倍。带有240个逻辑单元，192个典型等效宏单元，80个用户I/O管脚，8192bit用户Flash存储量，完全满足本系统的设计要求。

4外围电路硬件设计

4.1电源模块设计

本系统涉及到3片主芯片供电，外围I/O供电、板载模块供电，而且要保证供电顺序按照：芯片内核供电——外部存储器DDR2供电——外围设备接口I/O供电。电压值为：1.2V、1.8V、3.3V。鉴于此，采用TI公司的高精度DC-DC供电芯片TPS54310作为电源模块，分别产生1.2V、1.8V、3.3V供电电压。为实现不同供电电压，只需调整反馈补偿网络中的可调节电阻R2和R4的阻值即可。公式如下：

Vout即为芯片的输出电压。此电源供电方案功耗低，转换效率高，充分满足“视频图像智能识别处理模块”的供电稳定性要求。

为确保上电顺序，将第一片产生1.8V的漏极开路输出脚PWRGD接到第二片产生3.3V的启动输入使能引脚SS/ENA上，同样再将第三片产生1.2V的PWRGD连到第一片产生1.8V的SS/ENA上。这样就确保了芯片内核——外部存储器DDR2——外围设备接口I/O依次上电。1.8V供电电路图如图3所示，可调节电阻R2阻值为10K，R4阻值为：9.76K。

图3　1.8V供电电路

4.2串口通信模块设计

在本系统中，串口通信模块是很重要的设计内容，是芯片与外围通信模块间的控制命令传递的通道之一。系统集成了2个通用异步串口控制器UART0和UART1。通过设置S_CAN/232引脚，将UART0设置为RS485串口通信模式，将UART1设置为RS232串口通信模式。

UART0的接口引脚定义中：引脚URXD0用作接收数据输入口，引脚UTXD0用作发送数据输出口，引脚UCTS0用作清除发送口，引脚URTS0用作请求发送口。采用半双工收发器VD08D作为异步串口电平转换芯片，电路如图4所示：

图4　RS485通信接口电路

UART1的接口引脚定义中：引脚URXD1用作接收数据输入口，引脚UTXD1用作发送数据输出口。采用收发器MAX3221作为异步串口电平转换芯片，电路如图5所示：

图5　RS232通信接口电路

4.3ARM与DSP的数据通信接口

DSP芯片TMS320VC5402提供了8位数据总线的SPI通信接口，可以配置成为一个外部设备，便于ARM芯片S3C6410与DSP芯片TMS320VC5402实现快速运动员视频图像帧数据的传递和处理。TMS320VC5402按照JPEG标准对运动员的单帧视频图像进行处理，并通过SPI通信接口把处理后的运动员视频图像帧数据传输至S3C6410处理器，实现运动员视频图像帧数据的存储传输。

数据总线引脚HD0-HD7为并行三态数据总线，便于DSP与ARM芯片的8通道数据快速并行传输；HAS引脚是地址锁存/选通信号引脚；HINT为主机中断输入使能引脚，由控制寄存器进行配置，也是SPI口的输出中断信号。而S3C6410芯片是通过设置DSPINT寄存器来触发中断。因此，S3C6410和TMS320VC5402双核之间的通讯是通过控制2个中断得以实现的。S3C6410与TMS320VC5402双核通信接口电路如图6所示：

图6　ARM与DSP通信接口电路

5DSP视频图像数字信号处理算法

TMS320VC5402 主要作为视频图像实时算法的运算核心，其实时算法主要包括：优化中值滤波和均值滤波的高实时性的滑窗递归中值算法(进行视频图像噪声预处理)[6]、基于小波变换的视频图像分割算法[7]、结合CamShift算法和时间差分法的运动员目标动态智能跟踪算法[8]。

5.1高实时性的滑窗递归中值算法

在运动员比赛视频图像录制、传输的过程中，会受到各种各样的噪声干扰，这些产生噪声的因素不可能避免，所以必须对视频图像进行噪声去除预处理，才能为下一步的小波变换视频图像分割算法、运动员目标动态智能跟踪算法、动作模式识别等高级图像处理步骤提供一个良好的视频图像源。高实时性的滑窗递归中值算法如下：

1)在视频图像帧中随机选择一个(2n+l)* (2n+l)的采样窗口，并在该窗口中进行顺序行列滑动扫描；

2)先从上往下扫描视频滑窗，并读取视频图像帧窗口下各像素的灰度值；

3)根据不同灰度值，建立循环链表，计算当前滑窗内各行灰度值之和；

4)从当前滑窗总和中减去循环链表中提取最旧的行部分和，覆盖最旧的数据，再与当前滑窗灰度值总和相加；

5)滑窗总和除以(2n+l) * (2n+l)得到平均值，保存到滑窗中心的位置。

5.2基于小波变换的视频图像分割算法

图像分割是将运动员训练视频图像中感兴趣的动态目标与背景相分离的一种技术，分离出运动目标后，就可以进一步研究这些目标的位置关系、测量出速度加速度等运动特性、检测其运动轨迹，进行动作识别及分析，也便于视频图像更高层次处理的展开[9]。它是由运动员训练视频图像处理到图像分析的关键环节，在运动员训练视频图像分析工程中占有重要地位。本系统采用的是基于小波变换的视频图像分割算法如下：

1)对运动视频图像进行直方图均衡化和小波变换；

2)计算各高分辨率的运动员视频图像的去噪阈值，对非边缘特征点的小波系数进行阈值去噪；

3)对边缘特征点小波系数进行消除加性噪声处理；

4)通过小波边缘检测进行小波分解，获取小波系数对应的图像边缘特征，确定倾斜校正角度，并获取运动员图像边缘特征系数；

5)进行通道阈值去噪和小波重构；

6)通过倾斜校正角度获得倾斜校正图像，并叠加从而得到图像处理后的结果。

5.3运动员目标动态智能跟踪算法

运动员目标动态跟踪技术可以为竞技体育训练视频分析提供大量的帮助和指导，它可以帮助教练判定运动员的动作是否到位，可以准确判定运动员的各项动作参数是否达到要求(比如：移动速度、起跳加速度、运动员的动作轨迹等)。本系统采用的是结合CamShift算法和时间差分法，并加以优化的运动员目标动态智能跟踪算法[10]，具体如下：

1)读入运动员训练视频图像，设定累加器SUM并初始化；

2)利用时间差分法得到训练视频图像中所有的运动对象活动区域；

3)在运动对象活动区域内确定运动员的活动区域，并设为 CamShift 算法的初始跟踪窗口；

4)结合CamShift 算法与目标检测算法，对运动员进行智能跟踪；

5)判断跟踪窗口是否落在运动员的运动区域内。否则累加器加1；

6)累加器的值大于3，则表示跟踪丢失，并更新校正。累加器的值小于3，则继续跟踪。

6总结与展望

对抗类民族传统体育运动在传统体育项目中占有举足轻重的地位，为了更有效的提高运动员训练成绩，帮助教练员充分利用科技的成果提升训练手段，本研究引入了嵌入式视频图像智能识别处理硬件系统及其图像识别算法，给出了硬件平台的设计原理图和图像处理算法的步骤，从实验结果看来，此技术平台式可行且有效。随着系统的深入开发，功能方面还会开发出更为实用的运动员动作识别与精确定位，多镜头视频技术动作重叠与凝固等，相信此系统后续的完善与应用会对教练科学训练提供更大的帮助。

参考文献：

[1] 马文华．嵌入式系统设计与开发[M]．北京：科学出版社，2006

[2] 胥静．嵌入式系统设计与开发实例详解—基于ARM的应用[M]．北京：北京航天航空大学出版社，2005

[3] 周金模．基于达芬奇技术的嵌入式实时视频系统研究[D]．武汉：华中师范大学硕士学位论文，2008：4-7

[4] 彭启宗．达芬奇技术-数字图像/视频信号处理新平台[M]．北京：电子工业出版社，2008.37-42，98-99

[5] 李延林．基于DSP的运动目标的检测[D]．兰州：兰州理工大学硕士论文，2011

[6] 朱仲杰，蒋刚毅．目标基视频编码中的运动目标提取与跟踪新算法[J]．电子学报，2003，9(9)：1408-1426

[7] 吕国亮，赵曙光，赵俊．基于三帧差分和连通性检验的图像运动目标检测新方法[J]．液晶与显示，2007，22(2)：87-92

[8] 朱虹．数字图像处理基础 [M]．北京：科学出版社，2005

[9] 袁媛，李灿平．一种基于小波变换的自动图像分割方法的研究[J]．中国新通信，2012(24)：49-50

[10] 刘毅，冯国富， 江效尧．基于小波变换与图割的彩色图像分割方法[J]．小型微型计算机系统，2012(10)：2307-2310

Study on Video Analysis of the National Traditional

Sports Project and Intelligent Diagnosis System

LI Chun-mu1， LIAN Xun2

(1.Martial arts Dept. of Wuhan Inst. of P.E， Wuhan 430079，China;

2.Wuhan WeiLong Sport Engineering Information Technology Co.，Ltd. Wuhan 430070，China)

Abstract：The traditional sports project training analysis is mainly by the coach's subjective experience judgment which lacks of objectivity and timeliness. This paper builds a framework of ARM+DSP+CPLD technology platform for athletes training and competition live recording and intelligent diagnosis using intelligent video analysis and processing technology. The processing results can be used by coaches and athletes for reference to improve the training efficiency and performance objective.

Key words：National traditional sports project; Embedded system; Video image analysis algorithm; ARM; DSP

*基金项目：湖北省自然科学基金(民族传统体育对抗类项目视频分析与智能诊断系统的开发与应用，2013CFB379 )阶段性成果。

作者简介：李春木(1975-)，男，汉族，安徽阜阳人，副教授，散打和中国式摔跤的国家级裁判员，教育学硕士学位

收稿日期：2015-10-08

中图分类号：G852.4

文献标识码：A

文章编号：1007-323X(2016)01-0052-05