【技术实现步骤摘要】
精准收集及分析的乒乓球轨迹的辅助训练系统、方法、终端
[0001]本专利技术属于乒乓球训练
,尤其涉及一种精准收集及分析的乒乓球轨迹的辅助训练系统、方法、终端。
技术介绍
[0002]目前,乒乓球是一种世界流行的球类体育项目,包括进攻、对抗和防守。比赛分团体、单打、双打、混双等数种;2001年9月1日前以21分为一局,现以11分为一局;采用五局三胜,七局四胜。乒乓球器材规格分别为:球台高76厘米、长2.74米、宽1.525米,颜色为墨绿色或蓝色;球网高15.25厘米、台外突出部分长15.25厘米,颜色与球台颜色相同;球呈白色或橙色,且无光泽,直径40毫米、重量2.7克的硬球,挡板高0.75米、宽1.4或2米,颜色与球台颜色相同。
[0003]现有的乒乓球训练,一般通过教练员进行手把手教学,再根据教练员传授的经验进行长时间的重复训练,乒乓球作为一项运动,不同的人总结得出的经验不同,因此主要在于个人的长时间的重复训练,现有乒乓球员在训练的过程中,一般通过肉眼观察乒乓球的移动轨迹,其观察结果不够精准,较难总结出乒乓球相对完美的击打轨迹。
[0004]通过上述分析,现有技术存在的问题及缺陷为:现有乒乓球员在训练的过程中,一般通过肉眼观察乒乓球的移动轨迹,其观察结果不够精准,较难总结出乒乓球相对完美的击打轨迹。
技术实现思路
[0005]针对现有技术存在的问题,本专利技术提供了一种精准收集及分析的乒乓球轨迹的辅助训练系统、方法、终端。
[0006]本专利技术是这样实现的,一种精准收 ...
【技术保护点】
【技术特征摘要】
1.一种精准收集及分析的乒乓球轨迹的辅助训练系统,其特征在于,所述精准收集及分析的乒乓球轨迹的辅助训练系统包括:训练室图像采集模块,与中央控制模块连接,用于通过设置在乒乓球训练室内墙上的可旋转摄像头进行乒乓球训练室内不同角度的图像的采集,得到乒乓球训练室图像;所述通过设置在乒乓球训练室内墙上的可旋转摄像头进行乒乓球训练室内不同角度的图像的采集,得到乒乓球训练室图像,包括:获取特征数据平面图,利用图像转换矩阵,将所述特征数据平面图转换为数据平面图;所述图像转换矩阵的获取方法为:获取目标实际位置坐标、目标数据平面坐标和目标特征数据平面坐标;利用所述目标数据平面坐标,计算出相应的光轴空间距离;对获取的旋转矩阵、平移矩阵、所述目标实际位置坐标、所述目标数据平面坐标、所述目标特征数据平面坐标和所述光轴空间距离进行汇总,得到计算信息;通过计算信息求解出所述图像转换矩阵;所述通过计算信息求解出所述图像转换矩阵,包括:将获取的计算信息代入图像转换公式,对所述图像转换公式进行变换,得到显性特征参数矩阵和坐标参数矩阵;所述图像转换公式为:利用所述显性特征参数矩阵和所述坐标参数矩阵,计算出显性特征参数;所述显性特征参数矩阵为:F=[t
11 t
12 t
21 t
22 r
1 r2]
T
;所述坐标参数矩阵为:式中,λ
n
表示深度因子,s
n
表示所述目标实际位置坐标与所述目标数据平面坐标之间的向量,f(
ρn
)表示匹配误差函数,S
n
表示所述目标实际位置坐标投影到所述特征数据平面坐标的投影系数矩阵,X
n
表示所述目标实际位置坐标,r
n
表示平移矩阵,F表示所述显性特征参数矩阵,G表示所述坐标参数矩阵,x
n
'和y
n
'表示所述目标数据平面坐标,x
n
和y
n
表示所述目标实际位置坐标,[t
1n
,t
2n
,t
3n
]表示旋转矩阵;利用所述显性特征参数、所述目标实际位置坐标、所述目标实际位置坐标和所述目标数据平面坐标,计算出所述图像转换矩阵;所述将所述特征数据平面图转换为数据平面图,包括:将所述特征数据平面图的特征数据平面坐标代入所述图像转换矩阵,生成所述数据平面图的数据平面坐标,得到所述数据平面图;其中,所述图像转换矩阵为:X
n
"=a
N
X
n
';式中,X
n
"表示所述特征数据平面图中数据平面坐标,a
N
表示所述图像转换矩阵中与数
据平面坐标对应的图像转换参数,X
n
'表示所述数据平面图中数据平面坐标;图像去噪模块,与中央控制模块连接,用于通过图像去噪程序对采集的乒乓球训练室图像进行去噪,得到去噪后的乒乓球训练室图像;包括:将采集的乒乓球训练室图像作为待处理的含噪图像,对待处理的含噪图像进行多层小波分解,获得对应的多层小波系数;根据所述多层小波系数的总数和每层小波系数对应的层序数,确定每层小波系数对应的噪声阈值;利用基于所述多层小波系数对应的多个噪声阈值的小波阈值去噪函数,对所述多层小波系数进行去噪处理;利用去噪处理后的多层小波系数重构所述含噪图像对应的原始图像;所述对待处理的含噪图像进行多层小波分解,获得对应的多层小波系数,包括:获得尺度函数和平移基函数;对所述含噪图像进行多层小波分解,得到:对所述含噪图像进行多层小波分解,得到:二维函数f(x,y)表示含噪图像,j0是任意的开始尺度,为尺度j0的f(x,y)的近似系数,W
ψi
(j,m,n)为尺度j的f(x,y)的方向系数,j是尺度;根据和W
ψi
(j,m,n),获得所述多层小波系数;其中,N=M=2
J
,j=0,1,2,...,J
‑
1,且m,n=0,1,2,...,2
j
‑
1;H表示水平方向,V表示垂直方向,D表示对角线方向;所述确定每层小波系数对应的噪声阈值包括:根据公式确定每层小波系数对应的噪声阈值;其中,g为所述含噪图像的小波系数的总数,k为对应的分解层序数,λ
k
为对所述含噪图像进行g层小波分解后第k层的噪声阈值,δ
k
=median(|(w
pq
)
k
|)/0.6745,(w
pq
)k表示小波分解后第k层的水平、垂直和对角线方向上的高频系数;所述利用去噪处理后的多层小波系数重构所述含噪图像对应的原始图像,包括:其中,f
′
(x,y)表示原始图像;图像分析模块,与中央控制模块连接,用于通过图像分析程序对获取的去噪后的乒乓球训练室图像进行分析,得到图像分析结果;所述图像分析结果包括乒乓球球台位置信息、训练者位置信息以及乒乓球实际移动路线;发球点实时确定模块,与中央控制模块连接,用于通过发球点实时确定程序依据获取的图像分析结果进行乒乓球的发球点的确定,得到实时的乒乓球发球点;中央控制模块,与训练室图像采集模块、图像去噪模块、图像分析模块、发球点实时确
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。