健美操运动员足迹图像快速识别仿真研究

发布时间：2018-06-07 21:02

本文选题：健美操运动 + 足迹图像　；参考：《计算机仿真》2017年03期

【摘要】：对健美操运动员的足迹图像快速识别,可有效判断运动员的动作规范度。对健美操运动员的足迹进行识别时,由于足迹图像的轮廓区域不清晰,切分时会出现目标模糊问题。传统方法利用阈值分割对足迹图像轮廓特征测量点进行采集,但过程耗时过长,不能在实际中广泛应用。提出基于贝叶斯理论的健美操运动中人体足迹图像识别方法。获取健美操运动中人体足迹图像轮廓区域,结合贝叶斯理论推理获得健美操运动全部瞬时人体足迹图像轮廓状态空间,将人体足迹图像轮廓深度区域切分为多个不相重叠的小模块,得到人体足迹图像轮廓小区域边缘扩散映射值,结合EM理论对获得的特征函数进行聚类分析,得到健美操运动过程中不同阶段的人体足迹图像特征。实验结果表明,所提方法在同等健美操难度系数下人体足迹图像识别精度较高,且具有较好的身份可识别性。
[Abstract]:The fast recognition of the footmark image of aerobics athletes can effectively judge the standard degree of movement of the athletes. Because the contour of the footprint image is not clear, the target blur will appear in the segmentation of aerobics athletes. The traditional method uses threshold segmentation to collect contour feature measurement points of footprint image, but the process is time-consuming and can not be widely used in practice. A method of recognition of human footprint image in aerobics based on Bayesian theory is proposed. The contour region of human footprint image in aerobics is obtained, and the contour state space of all instantaneous human footprint images is obtained by combining Bayesian theory reasoning. The depth region of the human footprint image is divided into several small modules without overlapping, and the edge diffusion mapping value of the small area of the human footprint image is obtained, and the characteristic function is analyzed by cluster analysis combined with EM theory. The characteristics of human footprint images in different stages of aerobics are obtained. The experimental results show that the proposed method has higher recognition accuracy and better identifiability under the same aerobics difficulty coefficient.
【作者单位】：石家庄铁道大学体育教学部;
【基金】：河北省社会科学基金项目(HB15TY008)
【分类号】：TP391.41;G831.3

【参考文献】

相关期刊论文前10条

1 胡荣;罗小青;何尚平;;远程视频图像人体运动特征监控仿真研究[J];计算机仿真;2016年06期

2 张盛博;刘娜;霍宏;方涛;;基于层次形状特征提取模型的图像分类[J];高技术通讯;2016年01期

3 刘洪波;刘晓敏;郑永永;赵云伟;;MATLAB在图形边界特征提取中的应用[J];机械研究与应用;2015年06期

4 方玉玲;魏峗;;基于二次网格的字符图像特征提取方法[J];电子科技;2015年10期

5 程效军;方芳;;基于形态学的散乱点云轮廓特征线提取[J];同济大学学报(自然科学版);2014年11期

6 卢官明;左加阔;;基于二维局部保持鉴别分析的特征提取算法[J];南京邮电大学学报(自然科学版);2014年05期

7 凌剑勇;何昕;魏仲慧;李一芒;梁国龙;;融合纹理特征与深度信息的足迹自动比对算法[J];光学精密工程;2014年07期

8 闫勇刚;欧阳健飞;马祥;翟羽佳;;基于2-D Gabor滤波器的光学定穴体表特征提取方法[J];红外与激光工程;2014年05期

9 毛艳;;浅谈健美操运动对人体形态及机能的影响[J];当代体育科技;2014年04期

10 雷苗;彭宇;彭喜元;;面向混沌时间序列预测的隐式特征提取算法[J];仪器仪表学报;2014年01期

【共引文献】

相关期刊论文前10条

1 董玉德;宋忠辉;陈进富;鲍齐友;张荣团;白苏诚;;面向轮胎点云的胎面花纹边界特征提取[J];计算机辅助设计与图形学学报;2017年05期

2 卢官明;石婉婉;李霞;张正言;闫静杰;;基于协作表示的人脸表情识别[J];南京邮电大学学报(自然科学版);2017年02期

3 张雨禾;耿国华;魏潇然;石晨晨;张顺利;;采用密度空间聚类的散乱点云特征提取方法[J];西安电子科技大学学报;2017年02期

4 程小龙;程效军;刘燕萍;;建筑点云的平立剖图生成方法[J];江西科学;2017年02期

5 闫友文;;多媒体学习环境下视频图像信息特征挖掘仿真[J];计算机仿真;2017年04期

6 李志双;;健美操运动员足迹图像快速识别仿真研究[J];计算机仿真;2017年03期

7 童立靖;郑俊朝;;散乱点云曲面边界的二次提取算法[J];计算机工程;2017年02期

8 张荣团;董玉德;宋忠辉;白苏诚;刘彦超;张方亮;;轮胎胎面花纹边界特征提取方法研究[J];轮胎工业;2017年01期

9 陈蕊丽;周吉亮;魏育新;刘伟平;;三维立体足迹采集与分析系统应用[J];实验室研究与探索;2016年08期

10 廖中平;刘科;向雨;蔡晨光;;多阈值提取平面点云边界点的方法[J];计算机应用;2016年07期

【二级参考文献】

相关期刊论文前10条

1 阳志强;吴振森;张耿;巩蕾;;旋转粗糙目标微运动特征识别技术[J];物理学报;2014年21期

2 桑海峰;郭昊;徐超;;基于运动特征的人体异常行为识别[J];中国科技论文;2014年07期

3 余鹏;万里红;霍宏;方涛;;基于层次特征映射模型的目标识别[J];高技术通讯;2014年04期

4 张永强;;基于Hu不变矩特征优化的人体运动姿态识别算法[J];计算机科学;2014年03期

5 卢官明;左加阔;;基于不相关局部敏感鉴别分析的新生儿疼痛表情识别[J];南京邮电大学学报(自然科学版);2013年06期

6 方芳;程效军;;海量散乱点云快速压缩算法[J];武汉大学学报(信息科学版);2013年11期

7 曹玉珍;张庆学;;基于运动相关脑电特征的手运动方向识别[J];天津大学学报(自然科学与工程技术版);2014年09期

8 徐立彬;;运动员技战术模式识别特征及神经机制研究进展[J];南京体育学院学报(自然科学版);2013年05期

9 陈嵘;刘培培;代进进;于军剑;;基于运动学特征的单舰防空目标识别方法[J];舰船电子工程;2013年08期

10 陈晓斯;樊祥;程正东;朱斌;方义强;;基于红外小目标图像库的特征识别探测研究[J];弹箭与制导学报;2013年04期

【相似文献】

相关期刊论文前10条

1 赵永魁;影响健美操运动员表现力的若干因素探讨[J];青海师范大学学报(自然科学版);2001年04期

2 王永明,申高禄;对影响优秀健美操运动员表现力因素的探索[J];山西师大体育学院学报;2002年01期

3 王曼;试析健美操运动员表现能力及其培养[J];湖北体育科技;2003年02期

4 彭玉宇;影响大学生健美操运动员表现力的研究[J];四川体育科学;2003年01期

5 邹玉享;影响健美操运动员表现力因素的探讨[J];沙洋师范高等专科学校学报;2005年05期

6 王霖;;对影响健美操运动员表现力因素的探讨[J];牡丹江教育学院学报;2005年06期

7 曹湘;论健美操运动员的表现力[J];苏州市职业大学学报;2005年01期

8 刘芹芹;崔云霞;;对中学健美操运动员身体基本姿态训练的研究[J];体育科技文献通报;2006年02期

9 叶艳;;论健美操运动员表现力的培养[J];安康师专学报;2006年02期

10 文丽妮;文永光;凌颖;;探析制约健美操运动员表现力的因素[J];玉林师范学院学报;2006年05期