太极拳发力动作图像模糊特征识别方法研究

田治国,林敏勇

(漳州卫生职业学院 健康与保健系,福建 漳州 363000)

在当代世界中,随着经济与科技的不断发展,社会逐渐向信息化方向发展,根据图像特征进行数据识别的技术不断被应用于社会各领域中.由于在远距离图像采集过程中,图像很难被准确获取,为此,需对其图像模糊特征进行提取,以此完善对图像的识别,增强数据识别力度,在获取高度的数据特征的基础上实现对太极拳发力动作图像模糊特征识别方法的研究[1].

传统图像模糊特征识别方法利用较为先进的研究科技对数据进行集中处理,加大识别结果的科学性,选择适当的操作算法进行图像研究,加强数据提取的可靠性,并不断提升系统操作力度,强化系统主动训练能力,提高系统结果获取有效性,但在操作过程中缺少对于图像数据的初步处理操作,无法获取较为完整的数据信息,且对于干扰因素的处理效果较差,特征识别的准确率较低,为此,针对上述问题,本文提出了一种太极拳发力动作图像模糊特征识别方法对以上问题进行分析与解决[2].

本文通过对太极拳发力动作图像的获取提升对数据的图像获取完整度,集中研究信息,简便系统操作流程,进一步对收集图像进行预处理,提升系统处理的可操作性,强化数据目标操作性能,完善收集系统的数据图像特征收集功能,接着选择符合系统需求的识别阈值与规则,加强对图像模糊特征的集中操作,最后利用相应的模型与识别方法完成对太极拳发力动作图像模糊特征识别的方法研究.

该方法在较高程度上完成了对系统的综合性升级,提升系统各项性能,强化了对数据的处理操作,提升图像获取及识别效率,获得准确率较高的识别结果,具有更加广阔的发展市场.

1 太极拳发力动作图像获取

为进一步集中对图像模糊特征识别研究,需对其进行太极拳发力动作图像获取,本文选择相应的无人机获取技术对太极拳发力动作图像进行集中拍摄,并对拍摄的图像进行系统追踪,设置系统追踪如图1：

标记动作图像数据,按照图像动作效率与动作幅度将数据进行分类,设置图像储存空间,将分类后的图像存储至所属空间内,加强对空间的性能管理,加大系统性能保护力度,保证系统的运行状况处于正常状态.以动作图像发出的光源作为基础参数,利用地表法线处理图像光源参数,利用不同的模型建立方式对图像进行图像模型建立,并将建立后的模型结果进行综合性比较,选取最佳处理模型作为数据图像处理的最终模型参数[3].

利用球面谐波系数将动作图像进行位置固定,其位置固定图如图2：

图1 系统追踪图

图2 位置固定图

对图像帧数进行收集与记录操作,并及时存储至中心系统中,在实现存储的基础上进行理论性图像研究,加大对数据的收集过滤处理,过滤影响因素,降低数据干扰率,进而提升数据收集完整度,强化系统收集性能,获取精准的图像数据信息[4].

2 太极拳发力动作图像预处理

在完成对动作图像的收集后,加强对图像数据的预处理操作,简化操作流程,以便获取更加准确的可操作图像[5].

本文利用奇异值特征向量对图像矩阵进行描述,并精炼特征参数,利用矩阵的稳定性与图像可操作性强化系统预处理性能,对动作图像的位移进行系统固定操作,集中获取固定位置信息,其位置信息获取如图3：

设置如下操作步骤：

(1)对选择的数据样本进行二次筛选,并将其与奇异值特征向量进行性质匹配,判断相同特征向量之间是否存在理论相关性关系,若存在此种关系,则对筛选后的样本进行更换操作,将求得的系统数据进行样本过滤,由此形成理论数据集,选取相应的数据操作方式对数据集进行划分,获取划分结果P[6].

(2)对数据样本的奇异值特征向量进行测量,并获得测量数据,将其存储至测量中心,其数据测量过程如图4：

图3 位置信息获取图

图4 数据测量过程图

(3)对不同数据样本子空间的隶属度进行计算操作,获取计算结果,采取相对应的计算公式对结果进行分解.

(4)对决判图像进行获取,查找理论关系,同时加强关系性操作,计算系统所需识别率,以便后续操作.

3 太极拳发力动作图像模糊特征识别阈值及规则选择

集中强化对太极拳发力动作图像模糊特征识别阈值及规则的选择,强化对数据的基础性分类操作,对其进行分类操作过程图设置(见图5)：

图5 数据分类过程图

图6 系统信息处理图

将隶属于同一类的图像数据进行关联添加操作,选择相同的关联关系,并在数据关联的过程中加强系统自主选择力度,设定分类参数,并判断分类参数是否符合系统操作标准.若符合操作标准,则继续加强数据联系,若不符合操作标准,则切断数据联系,并注重对数据通道的标准化清理,去除通道中的无关因素.利用结果性数据分析法提升数据处理标准,集中操作理论,提升数据决判力度[7].

在获取一定数量的图像识别率与识别标准后,对阈值进行判断与采集,设置图像隶属度,并不断缩小隶属度数值,降低变化参数速率,选取相应的识别规则,对子空间中的模仿数据进行系统处理操作,并将最大投影数据收集至投影管理中心,结合图像模糊特征参数,强化规则理论操作,限制图像篇幅,对图像曲线宽展度进行讨论,并记录讨论结果,整合结果数据,完成对特征识别阈值及规则的选取,并进行下一步骤的操作[8].

4 太极拳发力动作图像模糊特征识别

通过对图像模糊特征进行可靠性分析完成对特征的初步识别操作,加大对图像数据的集中程度.在识别系统中安装分析装置,提升系统识别性能的可靠性.设置系统数据最大隶属度,根据设置的隶属度分别分析图像识别性能可靠性,并将与系统要求一致的特征识别参数进行系统收集,选择不同的识别参数作为终极分析数据进行系统分析.简便操作分析流程,并逐渐添加安全运营保护措施,将图像的隶属度进行综合测量,分辨图像数据实质性关联程度.选取能够提升系统理论收集功能的隶属系统,将系统进行理论性综合与规划,选择子空间维度数据,对有限样本数据的训练度进行理论性强化,扩大子空间范围[9].根据系统携带的有用数据完善系统信息处理功能,并设计系统信息处理图(见图6)：

缩减训练样本数量,对样本数据进行反复迭代学习操作,扩大类模式聚类范围,以识别效果为判断基础进行训练样本分析,识别相应的训练样本数据,添加附加理论完成对太极拳发力动作图像模糊特征的最终识别操作[10].

5 实验与研究

5.1 实验目的

为了检测本文太极拳发力动作图像模糊特征识别方法的识别效果,与传统太极拳发力动作图像模糊特征识别方法的识别效果进行对比,并分析实验结果.

5.2 实验参数设置

针对太极拳发力动作图像获取的操作复杂性以及模糊特征识别的操作特殊性,需对其进行实验参数设置,如表1所示：

表1 实验参数

图7 识别准确率对比图

5.3 实验结果与分析

根据上述实验参数进行实验对比,将用本文太极拳发力动作图像模糊特征识别方法的识别效果与传统太极拳发力动作图像模糊特征识别方法的识别效果进行比较,得到识别准确率对比图(图7)与图像模糊特征收集完整度对比图(图8)：

(1)识别准确率对比图

由图7可知,本文图像模糊特征识别方法研究的识别准确率较高,传统图像模糊特征识别方法研究的识别准确率较低.造成此种差异的主要原因在于本方法对太极拳发力动作图像进行图像预处理,同时对阈值及图像识别规则进行选取,强化系统处理性能,在获取固定的规则与阈值后,实行综合性系统检验,并对实验样本进行筛选,挑选出与研究相适应的结果参数,最终提升系统整体识别准确率,减少错误选项的出现,排除干扰因素的影响,加强系统识别准确率性能.

(2)图像模糊特征收集完整度对比图(见图8)

图8 图像模糊特征收集完整度对比图

对比图8可知,在实验时间为10 d时,本文图像模糊特征识别方法的图像模糊特征收集完整度为0.52,传统图像模糊特征识别方法的图像模糊特征收集完整度为0.24,在实验时间为20 d时,本文图像模糊特征识别方法的图像模糊特征收集完整度为0.58,传统图像模糊特征识别方法的图像模糊特征收集完整度为0.20.

由于本文对太极拳发力动作图像进行初步获取,掌握图像基本信息,并经过图像模型建立对图像特征进行相应获取,提升收集数据的数据完整度,强化系统收集操作,不断提升整体图像操作能力,减少操作不必要时间浪费,选择合适的图像识别机制对图像模糊特征进行集中选择,整合特征信息,在整合的基础上不断完善系统理论查找性能,提高系统综合指令传达性能,进而提升图像模糊特征收集完整度.

在此后的实验中,随着实验时间的不断增加,本文图像模糊特征识别方法的图像模糊特征收集完整度不断提升,且一直位于传统图像模糊特征识别方法之上.本文集中对图像模糊特征的识别操作,强化系统识别技能,以图形特征为突破点,着重处理特征关系,并加强对数据图像模式的处理,将实验数据与实际数据进行理论性比较,并根据比较结果获取所需实验研究样本参数,提高数据整合功能,进而增强数据收集完整度.而传统图像模糊特征识别方法研究不具备此功能,对于数据的信息收集步骤处理效果较差,图像模糊特征收集完整度较低.

6 总结与展望

本文在传统研究的基础上提出了一种新式太极拳发力动作图像模糊特征识别方法,该方法效果明显优于传统方法.经过以上对比分析可知,本文太极拳发力动作图像模糊特征识别方法的识别准确率与图像模糊特征收集完整度均高于传统图像模糊特征识别方法.在一定程度上强化了系统数据识别性能,缩短实验所需时间,提升系统运行效率,具备较好的应用价值.