劉猛猛

摘 要： 針對(duì)傳統(tǒng)的武術(shù)套路分解過(guò)程中動(dòng)作分解模式識(shí)別時(shí)，存在動(dòng)作無(wú)法連續(xù)識(shí)別缺少細(xì)節(jié)特征的問題，提出武術(shù)套路動(dòng)作分解過(guò)程中，使用NReJ3D技術(shù)對(duì)模式識(shí)別方法進(jìn)行優(yōu)化。通過(guò)分析識(shí)別結(jié)構(gòu)框架，引入NReJ3D技術(shù)對(duì)人體細(xì)節(jié)特征進(jìn)行采集，通過(guò)嵌入映射分析為模式匹配程度分析提供依據(jù)，利用低維運(yùn)動(dòng)空間實(shí)現(xiàn)模式匹配識(shí)別，實(shí)現(xiàn)模式識(shí)別方法的優(yōu)化。通過(guò)實(shí)驗(yàn)結(jié)果表明，改進(jìn)識(shí)別方法能對(duì)連續(xù)動(dòng)作進(jìn)行高清晰度識(shí)別，細(xì)節(jié)特征提取較多，具有一定優(yōu)勢(shì)。

關(guān)鍵詞： 武術(shù)套路； 動(dòng)作分解； 模式識(shí)別； 細(xì)節(jié)特征； 特征采集； 低維運(yùn)動(dòng)空間

中圖分類號(hào)： TN911?34； TP393 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）08?0171?03

Abstract： In allusion to the problems that the continuous actions cannot be recognized and it lacks detail features in the traditional pattern recognition of action decomposition during the decomposition process of Wushu routines， the idea of using NReJ3D technology to optimize the pattern recognition method during the action decomposition process of Wushu routines is proposed. NReJ3D technology is introduced to collect the detail features of human body by analyzing and recognizing structure framework. Map analysis is embedded to provide the basis for analysis of pattern matching degree. Low dimensional motion space is used to realize the pattern matching recognition and optimization of pattern recognition method. The experimental results show that the improved recognition method can recognize the continuous actions with high resolution and extract more detail features， which has certain advantages.

Keywords： Wushu routine； action decomposition； pattern recognition； detail feature； feature acquisition； low dimensional motion space

武術(shù)套路動(dòng)作分解過(guò)程中，傳統(tǒng)動(dòng)作模式識(shí)別方法使用RGB圖像的形式進(jìn)行識(shí)別，識(shí)別內(nèi)容包含動(dòng)作信息以及武術(shù)套路，但傳統(tǒng)方法對(duì)光線的變化、視角位置、動(dòng)作頻率等因素很敏感[1]。人體呈現(xiàn)鏈?zhǔn)浇Y(jié)構(gòu)時(shí)，武術(shù)套路動(dòng)作特點(diǎn)往往表現(xiàn)在關(guān)節(jié)位置的變化上，由于識(shí)別方法的限制，很大程度上不能對(duì)連續(xù)動(dòng)作進(jìn)行識(shí)別[2]。傳統(tǒng)識(shí)別方法在低維運(yùn)動(dòng)空間里人體動(dòng)作識(shí)別計(jì)算難度很高，模式識(shí)別的有效性不足45%。雖然在低維運(yùn)動(dòng)空間里描述人體運(yùn)動(dòng)需要復(fù)雜的動(dòng)態(tài)數(shù)據(jù)，但是武術(shù)套路動(dòng)作會(huì)受限于運(yùn)動(dòng)力學(xué)的影響。針對(duì)上述背景，本文提出武術(shù)套路動(dòng)作分解過(guò)程的模式識(shí)別方法，對(duì)低維運(yùn)動(dòng)空間下人體動(dòng)作識(shí)別結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)，能夠有效解決傳統(tǒng)模式識(shí)別方法中角度、光感等因素的限制。利用NReJ3D技術(shù)作為人體細(xì)節(jié)特征表達(dá)方式，能夠?qū)?xì)節(jié)變化保持較高的敏感度，對(duì)嵌入方式進(jìn)行重新優(yōu)化，達(dá)到低維運(yùn)動(dòng)空間映射的連續(xù)性，以此解決傳統(tǒng)方法無(wú)法連續(xù)識(shí)別的問題。為了驗(yàn)證本文提出的模式識(shí)別方法的有效性，模擬應(yīng)用過(guò)程進(jìn)行試驗(yàn)，用傳統(tǒng)模式識(shí)別方法與本文識(shí)別方法相比較，通過(guò)實(shí)驗(yàn)結(jié)果表明，本文提出武術(shù)套路動(dòng)作分解過(guò)程的模式識(shí)別方法，能對(duì)連續(xù)武術(shù)套路動(dòng)作進(jìn)行識(shí)別，具有較高的細(xì)節(jié)刻畫能力。

1 武術(shù)動(dòng)作模式識(shí)別框架優(yōu)化設(shè)計(jì)

本文對(duì)模式識(shí)別框架進(jìn)行優(yōu)化設(shè)計(jì)，使用自身反饋的形式進(jìn)行優(yōu)化，改變傳統(tǒng)順勢(shì)性識(shí)別模式，利用模塊自身特點(diǎn)進(jìn)行識(shí)別分析[3]。本文設(shè)計(jì)武術(shù)動(dòng)作模式識(shí)別框架如圖1所示。

1.1 基于NReJ3D技術(shù)的動(dòng)作特征采集

本文使用NReJ3D技術(shù)進(jìn)行細(xì)節(jié)上的模式識(shí)別以及細(xì)微動(dòng)作表達(dá)。由于武術(shù)套路動(dòng)作在低維度運(yùn)動(dòng)空間里的變化，往往表現(xiàn)在關(guān)節(jié)位置的變化上。關(guān)節(jié)之間反差往往體現(xiàn)在關(guān)節(jié)角度以及相對(duì)位置的變化。NReJ3D技術(shù)的特征表達(dá)方式是使用多個(gè)節(jié)點(diǎn)數(shù)據(jù)進(jìn)行細(xì)節(jié)描述，節(jié)點(diǎn)數(shù)據(jù)所描述的信息往往大于直接用3D節(jié)點(diǎn)數(shù)據(jù)的特征表達(dá)形式[4]，比如抬動(dòng)左腿和抬動(dòng)右腿。如果直接用傳統(tǒng)表達(dá)方法，抬動(dòng)左腿需要使用17個(gè)3D節(jié)點(diǎn)數(shù)據(jù)進(jìn)行動(dòng)作套路特征表達(dá)；抬動(dòng)右腿需要使用20個(gè)3D節(jié)點(diǎn)數(shù)據(jù)進(jìn)行動(dòng)作套路特征的表達(dá)，抬動(dòng)左腿和抬動(dòng)右腿的實(shí)際差別僅是3個(gè)數(shù)據(jù)節(jié)點(diǎn)[5]。其余的數(shù)據(jù)節(jié)點(diǎn)信息沒有發(fā)生實(shí)質(zhì)性變化，這樣很難識(shí)別出細(xì)節(jié)的動(dòng)作。使用NReJ3D技術(shù)能把節(jié)點(diǎn)數(shù)據(jù)轉(zhuǎn)變?yōu)槊枋鲂怨?jié)點(diǎn)數(shù)據(jù)，有一個(gè)描述性數(shù)據(jù)發(fā)生變化，可能是維度和角度的多重變化。

本文導(dǎo)入NReJ3D技術(shù)，從武術(shù)套路動(dòng)作分解數(shù)據(jù)中得到3D節(jié)點(diǎn)數(shù)據(jù)，使用描述性數(shù)據(jù)對(duì)3D節(jié)點(diǎn)數(shù)據(jù)進(jìn)行描述，整個(gè)描述過(guò)程中對(duì)動(dòng)作細(xì)微變化進(jìn)行表達(dá)，能準(zhǔn)確識(shí)別動(dòng)作細(xì)微變化。使用NReJ3D技術(shù)進(jìn)行動(dòng)作特征表達(dá)時(shí)，首先需要對(duì)武術(shù)套路動(dòng)作進(jìn)行特征分析，將人體轉(zhuǎn)變成為一個(gè)剛性連接的方位移動(dòng)變量[6]。能描述動(dòng)作的平移、縮放及多維度變化，且可以無(wú)視角度變化以及光線變化。假設(shè)武術(shù)套路動(dòng)作在時(shí)刻[t]下，利用NReJ3D技術(shù)所描述的節(jié)點(diǎn)數(shù)據(jù)為[i]，在三維坐標(biāo)[xit，yit，zit]中，以人體的非變化區(qū)域?yàn)橹行模瑢?duì)動(dòng)態(tài)數(shù)據(jù)節(jié)點(diǎn)[h]變化進(jìn)行描述。其中描述節(jié)點(diǎn)滿足[ii≠h]條件時(shí)，可以把動(dòng)態(tài)數(shù)據(jù)節(jié)點(diǎn)[h]的數(shù)據(jù)變化差作為動(dòng)態(tài)特征的一部分，即：

1.2 嵌入映射

經(jīng)過(guò)上述NReJ3D技術(shù)處理后的武術(shù)套路動(dòng)作，能夠在低維運(yùn)動(dòng)空間里把動(dòng)作序列有效地映射到數(shù)據(jù)維度空間去[7]。但是傳統(tǒng)的映射方法無(wú)法映射出本文引入NReJ3D技術(shù)處理后的節(jié)點(diǎn)數(shù)據(jù)。需要對(duì)嵌入映射過(guò)程進(jìn)行修訂。在實(shí)際操作中，選擇原有的武術(shù)套路動(dòng)作三維數(shù)據(jù)集以及描述多維動(dòng)作數(shù)據(jù)集放在一起重新進(jìn)行嵌入式導(dǎo)入。但武術(shù)套路動(dòng)作三維數(shù)據(jù)集中包含的數(shù)據(jù)量過(guò)于龐大，因此本文使用Roweis嵌入的方式，進(jìn)行嵌入映射計(jì)算。

通常狀態(tài)下，對(duì)于一個(gè)武術(shù)動(dòng)作的測(cè)試點(diǎn)[y]來(lái)說(shuō)，本文使用三個(gè)步驟計(jì)算，便可以將映射嵌入低維運(yùn)動(dòng)空間里對(duì)應(yīng)位置[x]上。在描述多維動(dòng)作數(shù)據(jù)集中，找到與武術(shù)動(dòng)作的測(cè)試點(diǎn)[y]最近的k個(gè)識(shí)別映射點(diǎn)，假設(shè)識(shí)別映射個(gè)數(shù)為[yii=1，2，…，k]，然后計(jì)算器對(duì)應(yīng)的多維權(quán)重值[wj]，并對(duì)其進(jìn)行導(dǎo)入處理[8]。由于[y]的k個(gè)近鄰點(diǎn)[yii=1，2，…，k]，動(dòng)作在低維運(yùn)動(dòng)空間里所對(duì)應(yīng)的點(diǎn)分配映射為[xii=1，2，…，k]，那么可以說(shuō)[y]在低維運(yùn)動(dòng)空間里所對(duì)應(yīng)的識(shí)別映射為[x=xiwi，i=1，2，…，k]，至此完成嵌入映射過(guò)程。

1.3 模式匹配程度分析

經(jīng)過(guò)上述的NReJ3D技術(shù)處理以及嵌入映射，武術(shù)套路動(dòng)作基本已經(jīng)識(shí)別完成，將相似度高的兩個(gè)武術(shù)套路動(dòng)作進(jìn)行匹配識(shí)別。測(cè)定識(shí)別動(dòng)作數(shù)據(jù)與武術(shù)套路數(shù)據(jù)集相似度，在低維運(yùn)動(dòng)空間里實(shí)現(xiàn)匹配識(shí)別。本文使用Hausdorff比對(duì)方式進(jìn)行度量（由在低維運(yùn)動(dòng)空間下，假設(shè)所有識(shí)別匹配動(dòng)作點(diǎn)與每個(gè)武術(shù)套路運(yùn)動(dòng)模式匹配過(guò)程是均值狀態(tài)），即：

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)參數(shù)設(shè)計(jì)

本文實(shí)驗(yàn)對(duì)象為模式識(shí)別方法，通過(guò)量化后的數(shù)據(jù)無(wú)法實(shí)現(xiàn)對(duì)比，需采用描述性數(shù)據(jù)進(jìn)行對(duì)比。使用描述性數(shù)據(jù)必須對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)設(shè)定，本文對(duì)人體進(jìn)行數(shù)據(jù)分解設(shè)置，實(shí)驗(yàn)參數(shù)如表1所示。

2.2 實(shí)驗(yàn)結(jié)果分析

實(shí)驗(yàn)過(guò)程分別選取兩項(xiàng)肌肉模式識(shí)別數(shù)據(jù)，兩項(xiàng)關(guān)節(jié)轉(zhuǎn)變識(shí)別數(shù)據(jù)，實(shí)驗(yàn)識(shí)別結(jié)果見圖2。從圖2中能夠清晰識(shí)別肌肉的變化情況，并且具有一定的細(xì)節(jié)刻畫能力。

圖2為本文識(shí)別方法與傳統(tǒng)識(shí)別方法在關(guān)節(jié)上的對(duì)比結(jié)果，傳統(tǒng)方法下，可看出關(guān)節(jié)大致變化趨勢(shì)，但非聯(lián)動(dòng)性關(guān)節(jié)表現(xiàn)力不清[10]。本文使用NReJ3D技術(shù)對(duì)關(guān)節(jié)的細(xì)節(jié)進(jìn)行重點(diǎn)刻畫，能夠清晰地看清每個(gè)關(guān)節(jié)的趨勢(shì)變化。

圖3為SGY環(huán)幀率對(duì)比結(jié)果。SGY環(huán)幀率與識(shí)別精準(zhǔn)度成正比關(guān)系，SGY環(huán)幀率越高說(shuō)明識(shí)別精準(zhǔn)率越高。通過(guò)圖3可知，雖然傳統(tǒng)方法開始略好于本文提出的識(shí)別方法，但后續(xù)的實(shí)驗(yàn)過(guò)程中，沒有高于本文提出的方法，為此本文提出的識(shí)別方法更具有識(shí)別能力。

3 結(jié) 語(yǔ)

本文提出武術(shù)套路動(dòng)作分解過(guò)程的模式識(shí)別方法。重新設(shè)計(jì)識(shí)別結(jié)構(gòu)框架，利用NReJ3D技術(shù)對(duì)人體細(xì)節(jié)進(jìn)行描述性的表達(dá)，對(duì)嵌入式映射過(guò)程重新設(shè)計(jì)，實(shí)現(xiàn)動(dòng)作連續(xù)性識(shí)別表達(dá)，利用低維運(yùn)動(dòng)空間實(shí)現(xiàn)模式匹配識(shí)別。希望通過(guò)本文的研究能夠提升武術(shù)套路動(dòng)作分解過(guò)程的模式識(shí)別能力。

參考文獻(xiàn)

[1] 阮羚，李成華，宿磊，等.基于奇異值分解的局部放電模式識(shí)別方法[J].電工技術(shù)學(xué)報(bào)，2015，30（18）：223?228.

RUAN Ling， LI Chenghua， SU Lei， et al. Pattern recognition for partial discharging using singular value decomposition [J]. Transactions of China electrotechnical society， 2015， 30（18）： 223?228.

[2] 王俊峰.基于圖像識(shí)別的武術(shù)動(dòng)作分解方法研究[J].現(xiàn)代電子技術(shù)，2017，40（15）：33?36.

WANG Junfeng. Research on Wushu movement decomposition method based on image recognition [J]. Modern electronics technique， 2017， 40（15）： 33?36.

[3] 田潤(rùn)鋒.武術(shù)套路動(dòng)作節(jié)奏學(xué)習(xí)方法探究[J].青少年體育，2016，31（12）：36?37.

TIAN Runfeng. Inquiry learning method of Wushu movement rhythm [J]. Youth sports， 2016， 31（12）： 36?37.

[4] 律方成，謝軍，李敏，等.局部放電稀疏分解模式識(shí)別方法[J].中國(guó)電機(jī)工程學(xué)報(bào)，2016（10）：2836?2845.

L? Fangcheng， XIE Jun， LI Min， et al. Partial discharge sparse decomposition pattern recognition method [J]. Proceedings of the CSEE， 2016（10）： 2836?2845.

[5] 孟巧玲，易金花，喻洪流，等.基于肌音信號(hào)的上肢康復(fù)訓(xùn)練動(dòng)作模式識(shí)別方法[J].中華物理醫(yī)學(xué)與康復(fù)雜志，2015，37（11）：876?878.

MENG Qiaoling， YI Jinhua， YU Hongliu， et al. Action pattern recognition method of upper limb rehabilitation training based on muscle tone [J]. Chinese journal of physical medicine and rehabilitation， 2015， 37（11）： 876?878.

[6] 劉玉敏，周昊飛.基于多特征的PSO?MSVM動(dòng)態(tài)過(guò)程質(zhì)量異常模式識(shí)別[J].計(jì)算機(jī)應(yīng)用研究，2015，32（3）：713?716.

LIU Yumin， ZHOU Haofei. Recognition of quality abnormal patterns for dynamic process based on multi?features with PSO?MSVM [J]. Application research of computers， 2015， 32（3）： 713?716.

[7] 趙漫丹，郝向陽(yáng)，張振杰.一種基于層級(jí)分類策略的復(fù)雜模式識(shí)別方法[J].計(jì)算機(jī)應(yīng)用研究，2016，33（8）：2320?2323.

ZHAO Mandan， HAO Xiangyang， ZHANG Zhenjie. Method of complicated pattern recognition based on hierarchical classification strategy [J]. Application research of computers， 2016， 33（8）： 2320?2323.

[8] 韓雪.武術(shù)動(dòng)作分析及能量轉(zhuǎn)化模型的應(yīng)用[J].中學(xué)物理教學(xué)參考，2015（24）：66?67.

HAN Xue. Analysis of Wushu movements and application of energy transformation model [J]. Teaching reference of middle school physics， 2015（24）： 66?67.

[9] 宋偉，劉玉萍，王麗娜.高水平競(jìng)技武術(shù)套路比賽運(yùn)動(dòng)員技術(shù)特征分析[J].北京體育大學(xué)學(xué)報(bào)，2015（5）：135?140.

SONG Wei， LIU Yuping， WANG Lina. Analysis of high level Wushu competition athletes′ technical characteristics [J]. Journal of Beijing University of Physical Education， 2015（5）： 135?140.

[10] 劉和臣.運(yùn)動(dòng)員動(dòng)作三維視覺圖像準(zhǔn)確識(shí)別仿真研究[J].計(jì)算機(jī)仿真，2016，33（8）：369?372.

LIU Hechen. Athletes action three?dimensional visual images accurately identify simulation research [J]. Computer simulation， 2016， 33（8）： 369?372.