举重运动是一种力量型的比赛,但力量的大小并不是赢得比赛的唯一因素。运动员的成败除了取决于力的大小,还应该结合科学合理的技术动作,对举重训练进行科学的指导。举重运动分析系统就是研究如何利用计算机强大的运算功能,对举重动作进行力学分析,帮助运动员科学进行训练。举重运动分析把生物力学和计算机视觉技术结合起来,通过计算机对运动员的技术动作进行分析,可以得出各种形象的棒图和数据曲线,由这些棍图和曲线看到一名运动员的技术结构,帮助运动员提高成绩。对举重运动分析首先要获取运动的图像序列,图像序列是随时间变化的一系列图像,图像之间有固定的时间间隔。将现实中连续的动作通过离散的图像序列表示出来,就可以把运动的分析过程就转化为对运动图像序列的分析。利用运动图像序列进行人体运动分析包括三个主要步骤:(1)从背景中提取人体(2)人体运动的识别和跟踪(3)人体形为的分析和理解。其中人体运动的识别和跟踪是一个关键步骤,是运动行为分析和理解的基础。其任务是从包含人体运动的图像序列中恢复人体的结构参数,并对人体运动参数进行估计。其中(1)(2)步是第(3)步的基础,也是论文研究的重点。论文阐述了如何运用人体运动分析的理论和方法对举重运动图像序列进行处理,将作为特征的人体关节点从运动图像序列中提取出来,建立序列图像中每帧的关节点的对应关系。人体运动识别和跟踪的方法有多种,例如光流场的方法,块匹配的方法,特征的方法等等。通过对不同方法的分析和比较,举重运动分析系统采用基于特征的方法,把加标志的人体的关节点作为特征识别出来,再进行跟踪和标定。识别和跟踪关节点的过程如下:先用背景模型差影法去除背景,最优阈值迭代法进行阈值分割,然后再通过连通区域判断的方法去除干扰噪声,可以有效地把特征点从背景中提取出来。识别之后再计算每帧图像中关节点的质心坐标,在相邻帧中根据质心的距离对关节点匹配,建立各帧中各关节点之间的对应关系。论文通过对多种方法的比较,论述了基于举重运动图像序列的人体关节点的识别方法和实验结果。本文采用基于特征的识别跟踪方法,将加标志的人体关节点作为识别和跟踪的特征,突出了特征,使识别过程变得简单有效。实验结果表明,识别过程中采取的背景模型差分法和最优阈值分割法是适合举重图像序列的较为有效的方法,实现了关节点的自动识别。识别和跟踪的过程中,提出了对部分直方图迭代的最优阈值分割方法,较好地实现了对小目标图像的分割,在基于外接矩形匹配的基础上提出了距离匹配的跟踪方法,避免了模板匹配的大量计算和模板更新操作,可以实现多目标的跟踪。识别和跟踪之后的工作是根据正侧面同时采集的图像恢复关节点的三维坐标值,再计算出运动过程中关节点的速度,加速度,角度等参数,利用这些参数对运动员的动作做进一步的力学分析。本文的工作重点在关节点的识别和跟踪上。论文在最后部分,对举重运动系统中所存在的不足,进一步完善以及今后的工作重点提出了自己的见解和意见。