基于人工视觉的运动成绩校对标准器的嵌入式设计

2018-01-22 00:34曾红武彭丽
现代电子技术 2018年2期

曾红武+彭丽

摘 要: 针对传统校对标准器一直存在嵌入式设计不准确的问题,提出基于人工视觉的运动成绩校对标准器的嵌入式设计。硬件采用ARM处理器代替传统的大型换算处理器、嵌入式待换机以及集成电源电路;软件上利用人工视觉进行反汇编视觉模型设计,通过设计的反汇编视觉模型能够进行运动成绩的分项标准测定,优化寄存代码计算,对设计的视觉模型标准化进行了标准限定。为了验证设计的基于人工视觉的嵌入式运动成绩校对标准器的有效性,模拟应用环境进行仿真试验,通过实验的数据分析,有效地证明了设计的基于人工视觉的嵌入式运动成绩校对标准器的有效性。

关键词: 人工视觉; 运动成绩校对; 嵌入式标准器; 集成电路源; ARM处理器; 分项标准

中图分类号: TN876.3?34; TP391 文献标识码: A 文章编号: 1004?373X(2018)02?0060?03

Abstract: As the inaccurate problem existing in the embedded design of the traditional proofreading standard, the embedded design of sport performance calibrator based on artificial vision is proposed. The hardware ARM processor is used to replace the traditional large conversion processor, embedded changing machine and integrated circuit. The software uses artificial vision for the disassembly visual model design. The determination of subitem standard for sport performance can be performed through the design of disassembly visual model to optimize storage of code calculation. A standardization design criteria is made for the visual model. In order to verify the effectiveness of the embedded sport performance calibrator based on visual design, a simulation test of application environment was carried out. The analysis the experiment data demonstrated the effectiveness of the embedded sport performance calibrator based on artificial vision effectively.

Keywords: artificial vision; sports performance proofreading; embedded standard; integrated circuit; ARM processor; subitem standard

0 引 言

伴随着现代技术不断发展,为了能够进行更加公平公正的裁决,体育的赛事上不断引进先进技术进行成绩测评以及运动跟踪。这样为体育的赛事公正判决提供了数据保证,也为运动员的有效练习提供技术支撑。传统运动成绩校对标准器是通过光感系统进行校对,光感系统能够进行光感变化准确捕捉,但是光感系统会有一定的误差,在速度相同的情况,会默认为一体进行,这样会造成一定程度上的识别误差[1]。人工视觉技术的应用极大地弥补了光感产生的误差,人工视觉技术发展融合了多种较新的理念,特别是针对校对过程能够进行高精度的系统识别校对。针对传统运动成绩校对系统出现的问题,本文设计了一款基于人工视觉的嵌入式运动成绩校对标准器。硬件采用ARM处理器代替传统的大型换算处理器,使用嵌入式的待换机以及集成电源电路,能够有效的进行依附组装,软件上利用人工视觉进行反汇编视觉模型设计,通过设计的反汇编视觉模型能够进行运动成绩的分项标准测定,保证了运动成绩的校对过程的标准化,优化了寄存代码计算,对设计的视觉模型标准化进行了标准限定,这样保证了校对速度以及校对过程的准确性。为了验证本文设计的有效性设计了仿真实验,实验结果表明,设计的基于人工视觉的嵌入式运动成绩校对标准器能够快速准确地对运动成绩进行校对。

1 硬件设计

本文设计的基于人工视觉的嵌入式运动成绩校对标准器在硬件结构上主要包括:镶嵌式存储器、运行管理器、ARM处理器、嵌入式的待换机、集成电源电路、控制系统等。为了能够进行高速的运动成绩校对,通过ARM处理器代替传统的大型换算处理器,加上集成电路以及嵌入式的待换机的使用保证设计的运动成绩校对标准器嵌入式。

本文设计的基于人工视觉的嵌入式运动成绩校对标准器,其硬件结构图如图1所示。

2 软件设计

2.1 利用人工视觉设计反汇编视觉模型

本文设计的基于人工视觉的嵌入式运动成绩校对标准器,在软件上使用的是反汇编视觉模型,反汇编视觉模型是在人工视觉技术的基础上发展起来的,因此反汇编视觉模型能够对运动成绩进行快速准确的校对。建立反汇编视觉模型首先需要对运动成绩进行标准化调试,过程如下:

式中:为标准化运动量差;为标准关联视觉算子;为运动图像帧的熵值;为运动视觉图像的有效波动情况[2]。本文设计基于人工视觉的嵌入式运动成绩校对标准器使用反汇编视觉模型进行标准化调试,需要考慮运动数据变化与调试参数的精度问题。标准化调试后进行运动数据的标准确认为:endprint

式中:为标准化运动数据校正参数;为人工视觉校对数据正量差。经过上述的参数调整便可以进行反汇编视觉模型建立,如下:

式中:表示运动图像的位错痕迹,能够通过位错痕迹上的标码对结果进行检测,一般情况下的位错痕迹带有3~4个标码信息[3?4];为反汇编视觉模型使用起始条件,通过条件的限定能够提高设计的模型的准确率;为反汇编视觉模型参量,能够进行更加准确的量化标准校正。

2.2 优化寄存代码计算

本文设计的基于人工视觉的嵌入式运动成绩校对标准器,使用了反汇编视觉模型,但是反汇编视觉模型在运动成绩的运算编辑上无法进行多维的衡量,因此需要对寄存代码计算进行优化,首先进行数据级别分类,公式为:

式中:表示运动成绩的运力轻度的纹理参数;表示运动成绩能级权值;表示最大划分能级参数;表示质量的参化系数。

经过数据级别分列过后的数据需要进行相关演变确认[5],这样能够提高计算过程准确度,如下:

式中:为原始限定能级别参量;为校正数据的魔方配比函数位子,可以进行一定约束的参照量; 为跨域能级差[6];为多分能力变量采熵值。经过上述优化后的计算过程还需要对使用条件进行重新设定,公式如下:

式中,表示质量的参化系数。经过以上公式完成了对寄存代码计算的优化。

3 仿真实验分析

3.1 参数设定

为了保证设计的基于人工视觉的嵌入式运动成绩校对标准器的有效性,对参数进行设定,标准化运动量差在 [62.58,98.36]值域范围之内[7];设置运动成绩的运动轻度的纹理参数[8]为17.66。

本文设计的模拟实验原理图如图2所示。

3.2 结果分析

在实验过程中,对传统运动成绩校对标准器与本文设计的基于人工视觉的嵌入式运动成绩校对标准器的实验结果进行记录。传统运动成绩校对标准器校对数据排布如图3所示[9]。

基于人工视觉的嵌入式运动成绩校对标准器校对数据排布如图4所示。

通过图3、图4可以看出本文设计的基于人工视觉的嵌入式运动成绩校对标准器数据排布更加的集中,并且在一定的规律范围之内,比传统的零散排布矫正效果要快速准确。分析图5结果得知,本文设计的基于人工视觉的嵌入式运动成绩校对标准器,几乎与设定的标准值一样,无明显的数据变化。

4 结 语

本文提出一种基于人工视觉的运动成绩校对标准器的嵌入式设计,并进行了实验对比分析。结果表明,采用改进的校对标准器,其校对结果更好。希望通过本文的研究能够为运动成绩矫正过程提供更好的应用系统。

参考文献

[1] 王涛,傅戈雁,石世宏.基于嵌入式机器视觉的激光熔覆成形熔池离焦量在线测控系统[J].中国激光,2015,42(3):112?119.

WANG Tao, FU Geyan, SHI Shihong. On?line measurement and control system of defocusing quantity in laser cladding forming molten pool based on embedded machine vision [J]. Chinese journal of lasers, 2015, 42(3): 112?119.

[2] 谢忠华.水稻插秧机路径追踪设计:基于SOPC嵌入式视觉导航[J].农机化研究,2017,39(10):213?217.

XIE Zhonghua. Path tracking design of rice transplanter?based on the embedded visual navigation of SOPC [J]. Mechanization research, 2017, 39(10): 213?217.

[3] SUN J, MA Y, YANG H, et al. Camera calibration and its application of binocular stereo vision based on artificial neural network [C]// International Congress on Image and Signal Processing, Biomedical Engineering and Informatics. [S.l.: s.n.], 2016: 761?765.

[4] MAULEDOUX M M, HERNANDEZ C, SEGURA C C G, et al. Object tracking system based on artificial vision algorithms [J]. Applied mechanics & materials, 2015, 713/715: 420?423.

[5] GHEORGHE G, NICU??GEORGE B, C?T?LIN L. Artificial vision algorithms based on fractals for the images description [R]. [S.l.]: ′Constantin Brancusi′ University of Targu?Jiu Engineering, 2015.

[6] GHAZAEI G, ALAMEER A, DEGENAAR P, et al. Deep learning?based artificial vision for grasp classification in myoelectric hands [J]. Journal of neural engineering, 2016, 36: 25?43.

[7] ALEXIEF J L, KERKENI N, ANGUE J C. General method for inspection based on artificial vision of plan products with random or organized texture [J]. SPIE Proceedings, 1996, 2665:120?134.

[8] 徐大成.运动视觉跟踪中动作捕获器的嵌入式设计[J].现代电子技术,2017,40(18):89?91.

XU Dacheng. Embedded design of motion capturer in movement vision tracking [J]. Modern electronics technique, 2017, 40(18): 89?91.

[9] 张晨,孙世磊,石文轩,等.基于嵌入式系统的异纤清除机设计与试验[J].农业机械学报,2017,48(8):43?52.

ZHANG Chen, SUN Shilei, SHI Wenxuan, et al. Design and test of foreign fiber removal machine based on embedded system [J]. Journal of agricultural machinery, 2017, 48(8): 43?52.

[10] 李雪峰.基于ARM处理器与nRF24L01无线通信的植物工厂监控系统[J].物联网技术,2016,6(9):32?36.

LI Xuefeng. Plant factory monitoring system based on ARM processor and nRF24L01 radio communication [J]. Internet of Things technologies, 2016, 6(9): 32?36.endprint