田治国

基于特征提取的武术散打鞭腿动作视觉图像识别方法

田治国

（漳州卫生职业学院 健康与保健系，福建 漳州 363000）

为了提高武术散打鞭腿的动作有效指导性，提出基于特征提取的武术散打鞭腿动作视觉图像识别方法。结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样，采用边缘特征分割方法进行动作视觉特征表达处理，建立动作视觉图像的边缘轮廓特征分析模型，结合模糊度辨识方法进行动作视觉图像的去模糊度处理，提高动作视觉的输出信噪比，建立动作视觉特征分析和自适应特征提取模型，根据对动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。仿真结果表明，采用该方法进行武术散打鞭腿动作视觉图像识别的准确性较高，特征识别能力较好，在指导武术散打鞭腿动作训练中具有很好的应用价值。

武术；散打鞭腿；视觉图像；特征提取

中国武术散打历史悠久，鞭腿动作在武术散打领域中具有很高的应用度，为了发扬武术散打文化，提高武术散打的训练效果，结合图像处理和计算机视觉特征识别方法，进行武术散打图像分析，采用模糊信息处理和特征提取技术，进行武术散打中鞭腿过程中的视觉特征分析，构建武术散打鞭腿的特征辨识模型，提高武术散打鞭腿动作指导性，相关的武术散打鞭腿动作图像识别方法研究，在武术散打鞭腿动作指导训练中具有很好的应用价值。对武术散打鞭腿动作视觉图像识别是建立在对图像的特征提取基础上，建立武术散打鞭腿动作视觉图像特征分析模型，采用边缘轮廓特征提取方法[1-2]，进行武术散打鞭腿动作视觉图像识别，本文提出基于特征提取的武术散打鞭腿动作视觉图像识别方法，结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样，建立武术散打鞭腿动作视觉特征分析和自适应特征提取模型，根据对武术散打鞭腿动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。最后进行仿真测试分析，展示了本文方法在提高武术散打鞭腿动作视觉图像识别和动作有效性指导能力方面的优越性能。

1 武术散打鞭腿动作视觉图像采样和特征表达

1.1 武术散打鞭腿动作视觉图像采样

其中，为武术散打鞭腿动作视觉特征分布的列数，为动作模型上的三维点。结合二维彩色图像重构方法，得到武术散打鞭腿动作视觉像素集分布特征量，对武术散打鞭腿动作视觉图像进行模糊融合处理，进行武术散打鞭腿动作视觉跟踪识别[5]，采用图像分割方法构建武术散打鞭腿动作特征动态分析模型，得到动态特征量：

对武术散打鞭腿动作视觉图像进行特征检测，建立动态分布集，结合动态动作辨识方法，进行动作图像的优化识别[6]。

1.2 动作特征表达处理

采用边缘特征分割方法进行武术散打鞭腿动作视觉特征表达处理，建立武术散打鞭腿动作视觉图像的边缘轮廓特征分析模型，得到武术散打鞭腿动作视觉分布函数为

2 武术散打鞭腿动作视觉图像识别优化

2.1 武术散打鞭腿动作视觉去模糊度处理

采用边缘特征分割方法进行武术散打鞭腿动作视觉特征表达处理，建立武术散打鞭腿动作视觉图像的边缘轮廓特征分析模型，结合模糊度辨识方法进行武术散打鞭腿动作视觉图像的去模糊度处理，进行武术散打鞭腿动作视觉图像的多级特征分解，武术散打鞭腿动作视觉图像的视觉特征分布为

采频谱分割方法进行武术散打鞭腿动作的关键动作特征点标记，进行武术散打鞭腿动作视觉图像分割，构建武术散打鞭腿动作视觉特征分析模型，得到视觉分布像素为

采用滤波器组合降噪方法进行武术散打鞭腿动作视觉图像的降噪处理，滤波器组合函数为

2.2 武术散打鞭腿动作视觉图像识别

采用的形态学知识进行武术散打鞭腿动作视觉分解，建立武术散打鞭腿动作视觉特征分析和自适应特征提取模型，根据对武术散打鞭腿动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。

综合上述分析，基于特征提取的武术散打鞭腿动作视觉图像识别方法的具体流程如图1所示。

3 仿真实验与结果分析

为了测试本文方法在实现武术散打鞭腿动作视觉图像识别的应用性能，在仿真工具为Matlab 7下进行仿真实验分析，实验参数设置如表1所示。

表1 实验参数设置

根据上述参数设定，选取样本数据。实验中所使用的数据来源于百度图库，部分武术散打鞭腿动作视觉图片共计10000张。剔除不合格图像，选择其中1000张图像作为此次实验的训练集，将数据库中的图片格式设定为400*400。将1000张图像随机分为5组测试数据。将以上样本设定作为此次实验的数据基础，武术散打鞭腿动作视觉图像如图2所示。

以图2的武术散打鞭腿动作视觉图像为测试样本，采用边缘特征分割方法进行武术散打鞭腿动作视觉特征表达处理，建立武术散打鞭腿动作视觉图像的边缘轮廓特征分析模型，得到特征提取结果如图3所示。

图2 武术散打鞭腿动作视觉图像

图3 武术散打鞭腿动作视觉图像的特征提取结果

根据对武术散打鞭腿动作视觉图像的特征提取结果，采用本文方法、语义识别方法和多层小波识别方法进行武术散打鞭腿动作视觉图像的动作识别，得到识别结果如图4所示。

图4 武术散打鞭腿动作视觉图像的识别结果

分析图4得知，采用本文方法进行武术散打鞭腿动作视觉图像识别的输出质量比语义识别方法和多层小波识别方法的武术散打鞭腿动作视觉图像识别输出质量好。为了进一步验证本文方法的有效性，测试不同方法进行武术散打鞭腿动作视觉识别的误差，得到对比结果如表2所示。

表2 武术散打鞭腿动作视觉识别的误差对比

分析表2结果得知，本文方法进行武术散打鞭腿动作视觉识别的误差较低，而语义识别方法和多层小波识别方法的武术散打鞭腿动作视觉识别误差均较高，说明本文方法的武术散打鞭腿动作视觉图像识别效果较好。

4 结束语

结合图像处理和计算机视觉特征识别方法，进行武术散打图像分析，采用模糊信息处理和特征提取技术，进行武术散打中鞭腿过程中的视觉特征提取，需要进行武术散打鞭腿动作视觉图像优化识别，提出基于特征提取的武术散打鞭腿动作视觉图像识别方法，结合帧片段扫描技术进行武术散打鞭腿动作视觉图像采样，建立武术散打鞭腿动作视觉图像的边缘轮廓特征分析模型，结合模糊度辨识方法进行武术散打鞭腿动作视觉图像的去模糊度处理，提高武术散打鞭腿动作视觉的输出信噪比，建立武术散打鞭腿动作视觉特征分析和自适应特征提取模型，根据对武术散打鞭腿动作视觉特征提取结果实现对武术散打鞭腿动作视觉图像识别。分析得知，采用本文方法进行武术散打鞭腿动作视觉图像识别的准确性较高，误差较低，在指导武术散打鞭腿动作训练中具有很好的应用价值。

[1] 陈超. 多阈值优化的运动图像轮廓特征提取方法[J]. 沈阳工业大学学报，2019, 41(03): 315-319

[2] 陆兴华，刘铭原，龙庆佳，等. 基于灰度直方图的运动目标特征检测算法[J]. 计算机与现代化，2019(06): 71-75

[3] 梁漠杨. 图像的采样率自适应分块压缩感知算法研究[D]. 2020

[4] 高晶，陈晓臻. 基于AR动态图像的人物动作捕捉技术研究[J]. 现代电子技术，2018(8): 144-146

[5] 钱银中，沈一帆. 姿态特征与深度特征在图像动作识别中的混合应用[J]. 自动化学报，2019, 45(03): 626-636

[6] 陈胜娣，魏维，何冰倩，等. 基于改进的深度卷积神经网络的人体动作识别方法[J]. 计算机应用研究，2019, 36(03): 945-949

[7] 张晓琪，侯世英. 基于导向滤波与分形维度的图像加权融合算法[J]. 包装工程，2018, 39(09): 220-227

[8] 张慧，常莉红. 基于方向导波增强的红外与可见光图像融合[J]. 激光与红外，2020, 50(04): 507-512

A visual image recognition method for wushu sanda whip leg action based on feature extraction

TIAN Zhi-guo

(Department of Health Care, Zhangzhou Health Vocational College, Fujian Zhangzhou 363000, China)

In order to improve the effective guidance of wushu sanda whip kick movement, a visual image recognition method of wushu sanda whip kick movement based on feature extraction is proposed. Combining frame segment scanning technology to sample the visual image of wushu sanda whip and leg action, adopt edge feature segmentation method for action visual feature expression processing, establish the edge contour feature analysis model of action visual image, and combine the fuzzy recognition method to deblur the action visual image speed processing, improve the output signal-to-noise ratio of motion vision, establish motion visual feature analysis and adaptive feature extraction model, and realize the visual image recognition of wushu sanda whip leg motion based on the results of the motion visual feature extraction. The simulation results show that the accuracy of visual image recognition of wushu sanda whip leg movement with this method is high, and the feature recognition ability is better. It has good application value in guiding wushu sanda whip leg movement training.

wushu；sanda whipping leg；visual image；feature extraction

2020-08-19

福建省中青年教师教育科研课题（JZ180830）

田治国（1980-），男，河南新乡人，讲师，硕士，主要从事民族传统体育研究，jkyangzh@163.com。

TP391.41;G852.4

A

1007-984X(2021)01-0051-05