崔普斌

(安徽体育运动职业技术学院，安徽 合肥 230051)

0 引 言

在运动员的短跑训练中，手臂摆动姿态在一定程度上提高短跑训练效果，其中步长与步频是提高短跑成绩的重要因素[1-3]。在短跑运动员日常训练中，手臂摆动过程中会出现错误，影响短跑成绩。因此，在短跑训练中，对运动员的手臂摆动姿态识别非常必要[4-5]。

文献[6]主要利用三轴加速度传感器对人体姿态进行识别与分类，根据三轴加速度传感器在检测过程中获得的X，Y，Z轴等传递的电信号，并根据具体值获得人体姿态在三维空间中特征，结合不同算法和从以上特征中选择子集，利用支持向量机完成动作的识别与分类；文献[7]将惯性传感器与深度学习相结合来识别手臂的动作，使用主成分分析法对得到的特征子集进行降维，利用深度学习中的网格进行数据训练。以上识别方法均取得一定成绩。但以上方法姿态识别中，运动员手臂摆动速度极快，由于传感器的性能限制，微小动作变化难以捕捉，导致识别结果出现误差。为此，本文提出采用视频数据的短跑训练中手臂摆动姿态识别方法。

1 基于视频数据的短跑训练中手臂摆动姿态识别方法

1.1 优化视频数据图割算法

根据运动员在短跑中的手臂动作，将手臂摆动理解为一个关节的五自由度运动，并从中获取一定信息量。对于短跑训练中的手臂摆动姿态来说，可以划分为人体运动和背景数据，在去除背景数据的噪声干扰之后，并提取出完整的手臂摆动图像，能够更加精准的完成识别[8]。……