2020年12月第20卷第4期
廊坊师范学院学报(自然科学版)
Journal of Langfang Normal University(Natural Science Edition)
Dec.2020
Vol.20No.4
高水平游泳运动员训练全过程监控系统设计
王晓宇
(淮南师范学院，安徽淮南232038)
【摘要】构建高水平游泳运动员训练全过程的视频采集系统，对采集的视频图像进行信息转换分析，通过视觉特征信息跟踪识别方法进行训练过程的动作特征点融合，利用视频动作图像的信息识别，建立训练全过程视频图像的关键动作特征点的提取模型，继而提取视频图像的关键特征，通过空间三维信息融合方法建立训练动作三维重构模型，结合视频追踪和过程轨迹识别，提取有效动作信息检测，实现高水平游泳运动员训练全过程监控系统优化。
【关键词】高水平游泳运动员；训练全过程；监控；系统设计
Design of Monitoring System for the Whole Training
Process of High-level Swimmers
Wang Xiaoyu
(Huainan Normal University,Huainan232038,China)
[Abstract]This paper designs a video acquisition system for the whole training process of high-level swimmers.It conducts information conversion analysis on the collected video images of the entire training process of high-level swimmers,and us visual feature information tracking and recognition methods to integrate the movement feature points of the training process. Using the information recognition of the video action image,the system establishes the extraction model of the key movement feature points of the high-level swimmer training video image throughout the training process,then extracts the key features of the video image,and establishes three-dimensional reconstruction model of training movements bad on information fusion method.Combined with video tracking and process trajectory recognition,the system extracts effective action information for
detection,and optimizes the monitoring system for the whole training process of high-level swimmers.
[Key words]high-level swimmers;the whole training process;monitoring;system design
〔中图分类号〕TP391〔文献标识码〕A〔文章编号]1674-3229(2020)04-0095-05
0引言
随着机器视觉信息识别技术的发展，采用图像视觉监控识别方法，进行高水平游泳运动员训练全过程监控，采用优化的图像处理技术，建立机器视觉下的训练全过程视频监控和图像分析模型，通过对训练全过程视频特征采样和图像的信息提取，结合运动视频跟踪识别，提高高水平游泳运动员训练全过程监控和特征分析能力，对促进游泳训练水平提升具有重要意义⑴。
在进行高水平游泳运动员训练全过程识别中，进行训练全过程视频图像的动态特征分析和检测⑵，可实现其训练全过程监控。本文提出基于视频图像追踪识别的高水平游泳运动员训练全过程监控系统设计方法⑶。首先构建训练全过程的视频采集系统，实现高水平游泳运动员训练全过程监控。最后进行仿真测试，验证本文方法在提高高水平游泳运动员训练全过程监控能力方面的优越性能。
［收稿日期］2020-09-05
［基金项目］2019年安徽省教育厅人文社会科学研究重点项目“基于全生命周期健康的篮球运动健康价值研究”
(SK2019A0568)
［作者简介］王晓宇(1991-)，男，硕士，淮南师范学院助教，研究方向：游泳运动教学理论与实践。
发声训练方法95
2020年12月廊坊师范学院学报(自然科学版)第20卷•第4期
1高水平游泳运动员训练全过程监控视频采集和特征提取
1.1训练全过程监控视频采集
结合模糊区域信息融合和分块特征匹配，进行运动员训练全过程监控视频采集，并采用图像区块融合的方法，进行运动员训练全过程视频监控的图像采集和融合处理石］，实现过程如图1所示。
RGB原始
:7/:
YCbCr 数DOG得到监控视频采集模型为：
G(x,y,a)=2^2e1+分+y2)/^2(4)
L(x,y,a)=G(x,y,a)x(5)
e
其中，b为尺度空间因子，进行训练全过程视频图像融合处理，得到分块扫描模型如图2所示。
图2高水平游泳运动员训练全过程监控的分块扫描模型
8X8图像区块
图1高水平游泳运动员训练全过程视频
监控图像处理过程
采用分组数据包检测方法，进行训练全过程视频监控的模糊度分析，根据区域分布式融合方法，分析高水平游泳运动员训练全过程视频图像的边缘轮廓特征点⑺，得到训练全过程监控的三维像素分布集为：
八諾爲若(入屮一以严l⑴
其中。、&、e表示三维像素分布参数，a；表示空间分布集合向量，曙，表示运动员训练视频分布空间区域的关联度，表达式如下：
严=L A i(y-^)|/3)t dx(2)
严=肪(7-©|/(7)-£(y)%⑶结合三维像素分布，通过角点特征信息分布，进行训练全过程的轨迹跟踪和分类检测⑻，通过高水平游泳运动员训练全过程视频图像的三维信息采集，假设一幅二维图像为/&』)，采用高斯查分函1.2视频监控特征提取
结合上述得到的高水平游泳运动员训练全过程视频监控采集和融合处理结果，建立视频图像的RGB特征分解模型，通过计算训练全过程视频的RGB特征空间分量⑼，得到运动员训练全过程视频的RGB特征转换关系：
丫辽Q+Cy_*(6)
式中，C表示RGB空间分量，X、y表示空间分布坐标。对运动员训练全过程视频的RGB图像进行无损变换和特征压缩何，得到变换公式:
C C「
F&』)二〒L=°(cos
(2%+1)矽n2」
16)血⑺
其中(%,y)为图像坐标点。
假设运动员训练全过程视频图像的空间状态特征分布集满足正态分布，即n e N(0,E)，其中兀为训练全过程视频图像的匹配特征点，得到高水平游泳运动员训练视频图像的特征变量分析函数，其表达为:
X=al^^+T^F(x,r)+l(8)其中T为训练全过程视频监控的融合量，①是训练全过程。
对采集到的训练全过程视频图像进行信息监控识别，通过上述分析得到特征变量分析结果，结合统计分类的方法，提取高水平游泳运动员训练视频图像的关键特征点，进行图像分类识别问。得到视频监控图像特征提取过程如图3所示。
96
第20卷•第4期王晓宇：高水平动员训统®1十2020年12月
2高水平游泳运动员训练全过程监控优化2.1训练动作三维重构
根据高水平游泳运动员训练视频动作图像的信息识别，结合训练全过程视频图像的关键动作特征点提取模型a，得到分区块匹配函数为:
⑼t（x）=1-min（?①）
其中，厂（y）为运动员训练全过程视频监控的局部轨迹，臣表示运动员训练全过程视频图像的尺度信息。
通过局部模糊度检测的方法，建立高水平游泳运动员训练全过程视频图像的参数信息解析模型问，其表达为：
d(x,y}=血+l,y)+</；(»一1，刃+器；再
(10)
式中，力、y表75图像信息三维参数。
结合计算模糊帧差序列的方法，进行高水平游泳运动员训练动作特征点三维分解，得到训练动作的轨迹三维分布函数，描述为：
(11)
&（3）吨，加皿,y+l）
其中，Z表示模糊帧差序列系数和。
根据上述分析，结合视频图像的分布特征量丽，建立高水平游泳运动员训练动作三维重构模型，其表达为:
牛奶蒸蛋的做法G（x,y,t）=r*“（%；d+Ju（%，y，D+l（⑵
其中，7•表示视频图像三维序列路径比，"表示视频图像的分布特征量系数。
综上所述分析，得到高水平游泳运动员训练动作三维重构模型，根据三维重构结果进行训练动作信息融合网。2.2训练全过程监控识别
基于高水平游泳运动员训练动作三维重构模型，得到训练动作信息融合矩阵，结合训练全过程视频图像的局部融合度「诃，构建训练全过程视频追踪函数，其表达为：
H=G&曲）+2如哮心_1（⑶
i=l厶T
通过上述分析，得到高水平游泳运动员训练全过程轨迹识别为：
P&,0=［盍*（"+△"）］-»（©）（⑷
形容雪的成语
其中，△“为训练全过程视频图像的全局阈值分割的关联像素点，O■为训练全过程视频图像的灰色特征，p（（0i）为训练全过程视频跟踪识别的边缘特征分布集。
通过上述分析，结合视频追踪和过程轨迹识别，构建高水平游泳运动员训练全过程监控识别模型，得到软件系统实现流程如图4所示。
（RGB图像）（RGB图像）
V V
I—Q二维特征提取及匹配—|梦见拉屎是什么意思
V________V p
C三维特征点配对3）|
v v O
1-旋转平移变换—| |
（图像追踪）（轨迹识别）
C特征点数据关联和模型更新［）
v
c软件系统输出）
图4软件系统实现流程
3仿真测试分析
为了验证本文方法在实现高水平游泳运动员训练全过程视频监控的应用性能，进行实验测试。设定高水平游泳运动员训练全过程视频采样的帧长为1200，分辨率为240*400，训练全过程视频图像的分块大小为8x8，根据上述参数设定，进行机器视觉下的训练全过程视频监控输出，如图5所示。
以图5的图像为研究对象，进行高水平游泳运动员训练全过程视频监控融合，得到优化的动作特
97
2020年12月廊坊师范学院学报(自然科学版)第20卷•第4期征提取和图像处理结果如图6所示。
(a)样本]
图7数据包传输时延测试
泳运动员训练全过程视频监控，与其他方法相比传输延时较小、更有利。
⑹样本2
图5高水平游泳运动员训练全过程视频监控输出
(a)样本1
(b)样本2
图6高水平游泳运动员训练动作特征提取结果
物欲横流什么意思分析图6得知，与传统方法相比，本文方法能更有效地实现高水平游泳运动员训练全过程视频监控和动作特征提取，进一步进行测试，视频监控的数据包传输延时，得到对比结果如图7所示。
分析图7得知，本文方法能有效实现高水平游4结语
本文提出了基于视频图像追踪识别的高水平游泳运动员训练全过程监控系统设计方法。首先进行运动员训练全过程监控视频采集，并采用图像区块融合的方法，进行训练全过程视频监控的图像融合。结合辨识参量融合的方法，计算运动员训练全过程视频图像的模糊帧差序列分布特征量，构建高水平游泳运动员训练全过程监控识别模型，实现软件系统设计。测试结果表明，设计的训练全过程监控系统输出稳定性较好、时延较小。
[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(1):80-86.
⑵周友行，刘汉江，赵啥妖，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(9):124-131. [3]WANG T,YANG J,JI Z,et al.Probabilistic diffusion for in
teractive image gmentation[J].IEEE Transactions on Image Processing,2019,28(1):330-342.
[4]BAMPIS C G,MARAGOS P,BOVIK A C.Graph-driven dif
fusion and random walk schemes for image gmentation[j].
IEEE Transactions on Image Processing,2017,26(1): 35-50.
[5]宋廷强，李继旭，张信耶.基于深度学习的高分辨率遥感
图像建筑物识别[J].计算机工程与应用,2020,56(8): 26-34.
[6]李艳娟，牛梦婷，李林辉.基于蜂群[k]-means算法的
遥感图像聚类应用研究[J].计算机工程与应用, 2019,55(6):151-159.
[7]魏光杏，周献中，卜锡滨.基于模糊C均值与人工蜂群优
化的灰度图像分割[J].兰州大学学报(自然科学版)，2019,55(2):250-254+260,
[8]曾喜娟，吴志华.基于S7-200PLC与手机物联网的智能实
训室远程监控系统的实现[J].廊坊师范学院学报(自然
98
第20卷•第4期王晓宇：高水平动员训统®1十2020年12月
科学版）,2020,20（2）:50-54.
[9]尹雅楠.视频监控图像去抖动视觉监测算法优化仿真[J].
计算机仿真,2017,34（9）:450-454.
[10]张杰，隋阳，李强，等.基于卷积神经网络的火灾视频图
像检测[J].电子技术应用，2019,45（4）:34-38+44. [11]苏健民，杨岚心，景维鹏.基于U-Net的高分辨率遥感图像
语义分割方法[J].计算机工程与应用，2019,55（7）：207-213.
[12]窦方正，孙汉昌，孙显，等.基于DBN与对象融合的遥感
图像变化检测方法[J].计算机工程，2018,44（4）:
294-298+304.
[13]孙佳美，吴成茂.正则化图形模糊聚类及鲁棒分割算法[J].
计算机工程与应用，2019,55(11):179-186.
[14]GUHA D,ROY P,BANERJEE S.Quasi-oppositional sym
biotic organism arch algorithm applied to load frequency control[j].Swarm and Evolutionary Computation,2016(33): 46-67.
[15]孙式运，杨清志.基于DS18B20的远程温度测量与监控
系统的设计[J].廊坊师范学院学报(自然科学版),2017, 17(3):45-47+56.
（上接第87页）
W——立杆净截面模量（抵抗矩）, 17=4.491cm3;
加油英文怎么说
[f]——钢管立杆抗压强度设计值，[/]=205.00N/mm2;
A——长细比，为2760/16.0=172；
①——轴心受压立杆的稳定系数，由长细比l0/i查表（JGJ162-2008附表D）得到0.244，经计算得到
a=19630/（0.244x424）=189.98N/mm2<[/]= 205.00N/mm2，符合要求。
4结论
与传统方案比较，早拆模板体系有如下优点:（1）标准化施工，将模板的早期拆卸支架结构尺寸和节点连接方式进行了标准化，减少了设置的随机性，避免了结构不稳定和节点状态可变的可能性;（2）加快物料周转速度，提高效率，减少一次投入，节约成本;（3）能够迅速地支撑及拆卸，工作效率明显提升，减少人工费，缩短了工期；（4）减少立杆、横杆使用数量，施工规范，现场整洁，降低管理压力；（5）模板用量少，减少了砍伐，符合可持续发展理念；（6）装拆快捷，工作效率提高3倍左右凶，可节约场内外运输费用。
在早拆模板施工中应注意以下事项：（1）严格遵守模板安装程序；（2）加强安全检查，尽早发现安全隐患，防患于未然，提早治理，降低成本;（3）注意环境保护，减少污染叭
[参考文献]
[1]李晓鹏，赵杰，周子煜.混凝土成熟度指导模板拆除的方
法及应用[J].廊坊师范学院学报（自然科学版）,2015（3）: 83-85.
⑵周跃武，缪志君.早拆模快速支撑体系在高层住宅施工中
的应用[J].施工技术,2006（11）:45+47,
[3]卢伟.QLF建筑施工承插式支架模板早拆体系[J].施工
技术,2012,41（23）:74-78.
[4]陆安祥.高支模扣件钢管楼板模板支架计算[J]冲华民
居（下旬刊）,2013（9）:193-194.
[5]马南湘，姚琦，黄晓璐.建筑工程大跨大截面高位梁施工
大学生毕业自传技术及工程应用[J].科技通报,2012,28（6）:163-165. [6]徐士云，安沁丽.模板早拆体系在施工中的应用[J].价值
工程，2018（21）:207-209.
99
>匀强磁场
