一种基于机器视觉的短跑训练测试计时方法与流程

1.本发明涉及短跑训练测试技术领域，具体来说，涉及一种基于机器视觉的短跑训练测试计时方法。


背景技术：

2.机器视觉技术广泛应用于食品和饮料、化妆品、制药、建材和化工、金属加工、电子制造、包装、汽车制造等行业，代替人工视觉实现检测、测量和控制；机器视觉技术主要用计算机来模拟人的视觉功能，从客观事物的图像中提取信息，进行处理并加以理解，最终用于实际检测、测量和控制。
3.而目前，体育赛事短跑训练中，50米、100米测试大部分采用人工核验身份，人工掐表的方式进行计时，每个赛道都由专门人员掐表计时，最后通过人工对最后成绩进行汇总得出最终成绩，传统的计时方式，存在人为舞弊替考，成绩不准确，以及不公平的情况，另外人工投入量大。
4.因此，亟需一种基于机器视觉的短跑训练测试计时方法。
5.针对相关技术中的问题，目前尚未提出有效的解决方案。


技术实现要素：

6.针对相关技术中的问题，本发明提出一种基于机器视觉的短跑训练测试计时方法，以克服现有相关技术所存在的上述技术问题。
7.本发明的技术方案是这样实现的：
8.一种基于机器视觉的短跑训练测试计时方法，包括以下步骤：
9.步骤s1，预先基于移动终端对运动员身份验证，并完成当前运动员入列指定赛道；
10.步骤s2，进行移动终端获取开始发令后运动员起跑线触线图像信息，并判断是否抢跑；
11.步骤s3，若当前没有抢跑，进行运动员全程串道检测，其中包括分别实时获取指定赛道的运动员是否越线；
12.步骤s4，若当前运动员没有越线，分别获取当前运动员的终点线冲线信息，获取冲线时间戳，并确定当前运动员的成绩；
13.其中，所述确定当前运动员的成绩，还包括以下步骤：
14.步骤s5，对当前所有运动员的成绩进行升降排序。
15.其中，所述基于移动终端对运动员身份验证，包括以下步骤：
16.步骤s101，移动终端采集当前运动员人脸信息并进行识别验证；
17.步骤s102，获取运动员身份信息，并与指定赛道进行匹配。
18.其中，所述判断是否抢跑，包括以下步骤：
19.步骤s201，移动终端采集发令后运动员起跑线触线实时视频流；
20.步骤s202，对视频流进行分解并生成图像，并获取在开始发令后运动员当前所处
图像中位置是否抢跑；
21.步骤s203，若当前运动员抢跑，则取消本次短跑训练，进行重新开始发令。
22.其中，所述进行运动员全程串道检测，包括以下步骤：
23.步骤s301，当前赛道配置高空点位摄像机，实时采集赛道视频信息，其中包括对当前运动员进行标记跟踪；
24.步骤s302，将采集的串道信息传输至移动终端，其中，包括以下步骤：
25.步骤s303，若当前运动员存在串道，取消当前标记运动员成绩；
26.步骤s304，若当前运动员无串道，本次运动员成绩合格。
27.其中，所述获取当前运动员的终点线冲线信息，包括以下步骤：
28.步骤s401，终点线配置终点摄像机，实时采集运动员的终点线冲线信息；
29.步骤s402，将采集的终点线冲线信息传输至移动终端，其中包括当前运动员的图像和时间戳信息；
30.步骤s403，获取运动员的成绩。
31.其中，还包括以下步骤：
32.步骤s6，对当前短跑训练进行录像存储。
33.本发明的有益效果：
34.本发明基于机器视觉的短跑训练测试计时方法，通过预先基于移动终端对运动员身份验证，并完成当前运动员入列指定赛道，进行移动终端获取开始发令后运动员起跑线触线图像信息，并判断是否抢跑，若当前没有抢跑，进行运动员全程串道检测，若当前运动员没有越线，分别获取当前运动员的终点线冲线信息，获取冲线时间戳，并确定当前运动员的成绩，实现短跑训练测试，不仅训练测试精度高，测试公平公正，解决了人员身份核验的误差，且减少大量人力组织，投入量较低，另外训练考核数据可追溯，通过数据便于辅助和指导更科学训练。
附图说明
35.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
36.图1是根据本发明实施例的一种基于机器视觉的短跑训练测试计时方法的流程示意图。
具体实施方式
37.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
38.根据本发明的实施例，提供了一种基于机器视觉的短跑训练测试计时方法。
39.如图1所示，根据本发明实施例的基于机器视觉的短跑训练测试计时方法，包括以
下步骤：
40.步骤s1，预先基于移动终端对运动员身份验证，并完成当前运动员入列指定赛道；
41.其中，所述基于移动终端对运动员身份验证，包括以下步骤：
42.步骤s101，移动终端采集当前运动员人脸信息并进行识别验证；
43.步骤s102，获取运动员身份信息，并与指定赛道进行匹配。
44.本技术方案，人脸信息并进行识别验证可采用采用人脸识别技术，通过预先采集运动员人脸特征信息，进行人脸建模，构建统一人脸信息库，通过在移动终端内置摄像头采集人脸信息，提取人脸特征数据传入人脸信息库进行人脸特征比对，获取识别结果和人员信息，完成人员身份核验。
45.另外，运动员刷人脸进行人员核验检录，如检验失败，则语音提示，否则移动终端展示人员信息，并且语音提示运动员进入指定赛道。
46.步骤s2，进行移动终端获取开始发令后运动员起跑线触线图像信息，并判断是否抢跑；
47.其中，所述判断是否抢跑，包括以下步骤：
48.步骤s201，移动终端采集发令后运动员起跑线触线实时视频流；
49.步骤s202，对视频流进行分解并生成图像，并获取在开始发令后运动员当前所处图像中位置是否抢跑；
50.步骤s203，若当前运动员抢跑，则取消本次短跑训练，进行重新开始发令。
51.本技术方案，移动终端内置摄像头实时采集起跑线视频流，并对视频流进行分解并生成每帧图片进行存储，在通过图像处理，获取发令期间生成的图片进行标定运动员位置是否抢跑触线，并反馈抢跑结果。
52.另外，操作员发令，语音播报发令信息，发令倒计时期间，若运动员抢跑，则语音播报提示，运动员重新会跑起跑线，操作员重新发令，每人允许抢跑一次，超出一次，则语音播报提示，并且该运动员取消比赛资格。
53.另外，步骤s3，若当前没有抢跑，进行运动员全程串道检测，其中包括分别实时获取指定赛道的运动员是否越线；
54.其中，所述进行运动员全程串道检测，包括以下步骤：
55.步骤s301，当前赛道配置高空点位摄像机，实时采集赛道视频信息，其中包括对当前运动员进行标记跟踪；
56.步骤s302，将采集的串道信息传输至移动终端，其中，包括以下步骤：
57.步骤s303，若当前运动员存在串道，取消当前标记运动员成绩；
58.步骤s304，若当前运动员无串道，本次运动员成绩合格。
59.本技术方案，高空点位摄像机对当前每个赛道的运动员进行标记和跟踪，其运动员的特征与赛道关联绑定，同时在赛道双侧进行绘线，采用视频分析技术获取实时视频流，对视频进行分解并生成图片进行存储，利用图像处理技术，通过分析图片判断标记的人员是否越线，并反馈越线结果。
60.另外，发令发出后，跑步过程中如出现运动员串道，则语音播报提醒，该人员成绩取消，比赛继续进行。
61.步骤s4，若当前运动员没有越线，分别获取当前运动员的终点线冲线信息，获取冲
线时间戳，并确定当前运动员的成绩；
62.其中，所述获取当前运动员的终点线冲线信息，包括以下步骤：
63.步骤s401，终点线配置终点摄像机，实时采集运动员的终点线冲线信息；
64.步骤s402，将采集的终点线冲线信息传输至移动终端，其中包括当前运动员的图像和时间戳信息；
65.步骤s403，获取运动员的成绩。
66.本技术方案，终点摄像机采用机器视觉视频分析技术获取实时视频流，对视频分解并生成图片进行时存储，利用图像处理技术，分析生成的图片是否有运动员触线，如有则记录触线时间戳和触线照片，获取运动员的成绩。
67.另外，运动员冲过终点线，自动识别记录触线时间戳，比赛结束，同时根据每个运动员的触线时间戳换算最终成绩。
68.步骤s5，对当前所有运动员的成绩进行升降排序。
69.其中，还包括以下步骤：
70.步骤s6，对当前短跑训练进行录像存储。
71.借助于上述方案，通过预先基于移动终端对运动员身份验证，并完成当前运动员入列指定赛道，进行移动终端获取开始发令后运动员起跑线触线图像信息，并判断是否抢跑，若当前没有抢跑，进行运动员全程串道检测，若当前运动员没有越线，分别获取当前运动员的终点线冲线信息，获取冲线时间戳，并确定当前运动员的成绩，实现短跑训练测试，不仅训练测试精度高，测试公平公正，解决了人员身份核验的误差，且减少大量人力组织，投入量较低，另外训练考核数据可追溯，通过数据便于辅助和指导更科学训练。
72.本技术方案，在对图像处理时，可采用多峰高斯分布模型技术，该模型图像的每一个像素点按不同权值的多个高斯分布的叠加来建模，每种高斯分布对应一个可能产生像素点所呈现颜色的状态，各个高斯分布的权值和分布参数随时间更新。当处理彩色图像时，假定图像像素点r、g、b三色通道相互独立并具有相同的方差。
73.其中，对于随机变量x的观测数据集，表示为：{x1,x2,
…
,xn}；
74.其中，x
t
＝(r
t
,g
t
,b
t
)为t时刻像素的样本，则单个采样点x
t
其服从的混合高斯分布概率密度函数，表示为：
[0075][0076][0077][0078]
其中，每个新像素值x
t
同当前k个模型按下式进行比较，直接找到匹配新像素值的分布模型，即同该模型的均值偏差在2.5σ内，表示为：
[0079]
|x
t-μ
i,t-1
|≤2.5σ
i,t-1
；
[0080]
另外，若所匹配的模式符合背景要求，则该像素属于背景，否则属于前景。
[0081]
另外，各个模式权值按如下方式进行更新，其中a是学习速率，对于匹配的模式m
k,t
＝1，否则m
k,t
＝0，然后各模式的权重进行归一化，表示为：
[0082]wk,t
＝(1-α)
*wk,t-1
α
*mk,t
；
[0083]
其中，未匹配模式的均值μ和标准差σ不变，匹配模式的参数按照如下更新：
[0084]
ρ＝α
*
η(x
t
∣μk,σk)；
[0085]
μ
t
＝(1-ρ)*μ
t-1
ρ
*
x
t
；
[0086][0087]
另外，第一步中没有任何模式匹配，则权重最小的模式被替换，即该模式的均值为当前像素值，标准差为初始较大值，权重为较小值。
[0088]
综上所示，本发明可实现如下效果：通过预先基于移动终端对运动员身份验证，并完成当前运动员入列指定赛道，进行移动终端获取开始发令后运动员起跑线触线图像信息，并判断是否抢跑，若当前没有抢跑，进行运动员全程串道检测，若当前运动员没有越线，分别获取当前运动员的终点线冲线信息，获取冲线时间戳，并确定当前运动员的成绩，实现短跑训练测试，不仅训练测试精度高，测试公平公正，解决了人员身份核验的误差，且减少大量人力组织，投入量较低，另外训练考核数据可追溯，通过数据便于辅助和指导更科学训练。
[0089]
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，本领域技术人员在考虑说明书及实施例处的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
[0090]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。