曾紅武+彭麗
摘 要： 針對傳統校對標準器一直存在嵌入式設計不準確的問題，提出基於人工視覺的運動成績校對標準器的嵌入式設計。硬體採用ARM處理器代替傳統的大型換算處理器、嵌入式待換機以及集成電源電路；軟體上利用人工視覺進行反彙編視覺模型設計，通過設計的反彙編視覺模型能夠進行運動成績的分項標準測定，優化寄存代碼計算，對設計的視覺模型標準化進行了標準限定。為了驗證設計的基於人工視覺的嵌入式運動成績校對標準器的有效性，模擬應用環境進行仿真試驗，通過實驗的數據分析，有效地證明了設計的基於人工視覺的嵌入式運動成績校對標準器的有效性。
關鍵詞： 人工視覺； 運動成績校對； 嵌入式標準器； 集成電路源； ARM處理器； 分項標準
中圖分類號： TN876.3?34； TP391 文獻標識碼： A 文章編號： 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
伴隨著現代技術不斷發展，為了能夠進行更加公平公正的裁決，體育的賽事上不斷引進先進技術進行成績測評以及運動跟蹤。這樣為體育的賽事公正判決提供了數據保證，也為運動員的有效練習提供技術支撐。傳統運動成績校對標準器是通過光感系統進行校對，光感系統能夠進行光感變化準確捕捉，但是光感系統會有一定的誤差，在速度相同的情況，會默認為一體進行，這樣會造成一定程度上的識別誤差[1]。人工視覺技術的應用極大地彌補了光感產生的誤差，人工視覺技術發展融合了多種較新的理念，特別是針對校對過程能夠進行高精度的系統識別校對。針對傳統運動成績校對系統出現的問題，本文設計了一款基於人工視覺的嵌入式運動成績校對標準器。硬體採用ARM處理器代替傳統的大型換算處理器，使用嵌入式的待換機以及集成電源電路，能夠有效的進行依附組裝，軟體上利用人工視覺進行反彙編視覺模型設計，通過設計的反彙編視覺模型能夠進行運動成績的分項標準測定，保證了運動成績的校對過程的標準化，優化了寄存代碼計算，對設計的視覺模型標準化進行了標準限定，這樣保證了校對速度以及校對過程的準確性。為了驗證本文設計的有效性設計了仿真實驗，實驗結果表明，設計的基於人工視覺的嵌入式運動成績校對標準器能夠快速準確地對運動成績進行校對。
1 硬體設計
本文設計的基於人工視覺的嵌入式運動成績校對標準器在硬體結構上主要包括：鑲嵌式存儲器、運行管理器、ARM處理器、嵌入式的待換機、集成電源電路、控制系統等。為了能夠進行高速的運動成績校對，通過ARM處理器代替傳統的大型換算處理器，加上集成電路以及嵌入式的待換機的使用保證設計的運動成績校對標準器嵌入式。
本文設計的基於人工視覺的嵌入式運動成績校對標準器，其硬體結構圖如圖1所示。
2 軟體設計
2.1 利用人工視覺設計反彙編視覺模型
本文設計的基於人工視覺的嵌入式運動成績校對標準器，在軟體上使用的是反彙編視覺模型，反彙編視覺模型是在人工視覺技術的基礎上發展起來的，因此反彙編視覺模型能夠對運動成績進行快速準確的校對。建立反彙編視覺模型首先需要對運動成績進行標準化調試，過程如下：
式中：為標準化運動量差；為標準關聯視覺運算元；為運動圖像幀的熵值；為運動視覺圖像的有效波動情況[2]。本文設計基於人工視覺的嵌入式運動成績校對標準器使用反彙編視覺模型進行標準化調試，需要考慮運動數據變化與調試參數的精度問題。標準化調試後進行運動數據的標準確認為：
式中：為標準化運動數據校正參數；為人工視覺校對數據正量差。經過上述的參數調整便可以進行反彙編視覺模型建立，如下：
式中：表示運動圖像的位錯痕跡，能夠通過位錯痕跡上的標碼對結果進行檢測，一般情況下的位錯痕跡帶有3～4個標碼信息[3?4]；為反彙編視覺模型使用起始條件，通過條件的限定能夠提高設計的模型的準確率；為反彙編視覺模型參量，能夠進行更加準確的量化標準校正。
2.2 優化寄存代碼計算
本文設計的基於人工視覺的嵌入式運動成績校對標準器，使用了反彙編視覺模型，但是反彙編視覺模型在運動成績的運算編輯上無法進行多維的衡量，因此需要對寄存代碼計算進行優化，首先進行數據級別分類，公式為：
式中：表示運動成績的運力輕度的紋理參數；表示運動成績能級權值；表示最大劃分能級參數；表示質量的參化係數。
經過數據級別分列過後的數據需要進行相關演變確認[5]，這樣能夠提高計算過程準確度，如下：
式中：為原始限定能級別參量；為校正數據的魔方配比函數位子，可以進行一定約束的參照量； 為跨域能級差[6]；為多分能力變量采熵值。經過上述優化後的計算過程還需要對使用條件進行重新設定，公式如下：
式中，表示質量的參化係數。經過以上公式完成了對寄存代碼計算的優化。
3 仿真實驗分析
3.1 參數設定
為了保證設計的基於人工視覺的嵌入式運動成績校對標準器的有效性，對參數進行設定，標準化運動量差在 [62.58，98.36]值域範圍之內[7]；設置運動成績的運動輕度的紋理參數[8]為17.66。
本文設計的模擬實驗原理圖如圖2所示。
3.2 結果分析
在實驗過程中，對傳統運動成績校對標準器與本文設計的基於人工視覺的嵌入式運動成績校對標準器的實驗結果進行記錄。傳統運動成績校對標準器校對數據排布如圖3所示[9]。
基於人工視覺的嵌入式運動成績校對標準器校對數據排布如圖4所示。
通過圖3、圖4可以看出本文設計的基於人工視覺的嵌入式運動成績校對標準器數據排布更加的集中，並且在一定的規律範圍之內，比傳統的零散排布矯正效果要快速準確。分析圖5結果得知，本文設計的基於人工視覺的嵌入式運動成績校對標準器，幾乎與設定的標準值一樣，無明顯的數據變化。
4 結 語
本文提出一種基於人工視覺的運動成績校對標準器的嵌入式設計，並進行了實驗對比分析。結果表明，採用改進的校對標準器，其校對結果更好。希望通過本文的研究能夠為運動成績矯正過程提供更好的應用系統。
參考文獻
[1] 王濤，傅戈雁，石世宏.基於嵌入式機器視覺的雷射熔覆成形熔池離焦量在線測控系統[J].中國雷射，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] 謝忠華.水稻插秧機路徑追蹤設計：基於SOPC嵌入式視覺導航[J].農機化研究，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.運動視覺跟蹤中動作捕獲器的嵌入式設計[J].現代電子技術，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] 張晨，孫世磊，石文軒，等.基於嵌入式系統的異纖清除機設計與試驗[J].農業機械學報，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.基於ARM處理器與nRF24L01無線通信的植物工廠監控系統[J].物聯網技術，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.
摘 要： 針對傳統校對標準器一直存在嵌入式設計不準確的問題，提出基於人工視覺的運動成績校對標準器的嵌入式設計。硬體採用ARM處理器代替傳統的大型換算處理器、嵌入式待換機以及集成電源電路；軟體上利用人工視覺進行反彙編視覺模型設計，通過設計的反彙編視覺模型能夠進行運動成績的分項標準測定，優化寄存代碼計算，對設計的視覺模型標準化進行了標準限定。為了驗證設計的基於人工視覺的嵌入式運動成績校對標準器的有效性，模擬應用環境進行仿真試驗，通過實驗的數據分析，有效地證明了設計的基於人工視覺的嵌入式運動成績校對標準器的有效性。
關鍵詞： 人工視覺； 運動成績校對； 嵌入式標準器； 集成電路源； ARM處理器； 分項標準
中圖分類號： TN876.3?34； TP391 文獻標識碼： A 文章編號： 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
伴隨著現代技術不斷發展，為了能夠進行更加公平公正的裁決，體育的賽事上不斷引進先進技術進行成績測評以及運動跟蹤。這樣為體育的賽事公正判決提供了數據保證，也為運動員的有效練習提供技術支撐。傳統運動成績校對標準器是通過光感系統進行校對，光感系統能夠進行光感變化準確捕捉，但是光感系統會有一定的誤差，在速度相同的情況，會默認為一體進行，這樣會造成一定程度上的識別誤差[1]。人工視覺技術的應用極大地彌補了光感產生的誤差，人工視覺技術發展融合了多種較新的理念，特別是針對校對過程能夠進行高精度的系統識別校對。針對傳統運動成績校對系統出現的問題，本文設計了一款基於人工視覺的嵌入式運動成績校對標準器。硬體採用ARM處理器代替傳統的大型換算處理器，使用嵌入式的待換機以及集成電源電路，能夠有效的進行依附組裝，軟體上利用人工視覺進行反彙編視覺模型設計，通過設計的反彙編視覺模型能夠進行運動成績的分項標準測定，保證了運動成績的校對過程的標準化，優化了寄存代碼計算，對設計的視覺模型標準化進行了標準限定，這樣保證了校對速度以及校對過程的準確性。為了驗證本文設計的有效性設計了仿真實驗，實驗結果表明，設計的基於人工視覺的嵌入式運動成績校對標準器能夠快速準確地對運動成績進行校對。
1 硬體設計
本文設計的基於人工視覺的嵌入式運動成績校對標準器在硬體結構上主要包括：鑲嵌式存儲器、運行管理器、ARM處理器、嵌入式的待換機、集成電源電路、控制系統等。為了能夠進行高速的運動成績校對，通過ARM處理器代替傳統的大型換算處理器，加上集成電路以及嵌入式的待換機的使用保證設計的運動成績校對標準器嵌入式。
本文設計的基於人工視覺的嵌入式運動成績校對標準器，其硬體結構圖如圖1所示。
2 軟體設計
2.1 利用人工視覺設計反彙編視覺模型
本文設計的基於人工視覺的嵌入式運動成績校對標準器，在軟體上使用的是反彙編視覺模型，反彙編視覺模型是在人工視覺技術的基礎上發展起來的，因此反彙編視覺模型能夠對運動成績進行快速準確的校對。建立反彙編視覺模型首先需要對運動成績進行標準化調試，過程如下：
式中：為標準化運動量差；為標準關聯視覺運算元；為運動圖像幀的熵值；為運動視覺圖像的有效波動情況[2]。本文設計基於人工視覺的嵌入式運動成績校對標準器使用反彙編視覺模型進行標準化調試，需要考慮運動數據變化與調試參數的精度問題。標準化調試後進行運動數據的標準確認為：
式中：為標準化運動數據校正參數；為人工視覺校對數據正量差。經過上述的參數調整便可以進行反彙編視覺模型建立，如下：
式中：表示運動圖像的位錯痕跡，能夠通過位錯痕跡上的標碼對結果進行檢測，一般情況下的位錯痕跡帶有3～4個標碼信息[3?4]；為反彙編視覺模型使用起始條件，通過條件的限定能夠提高設計的模型的準確率；為反彙編視覺模型參量，能夠進行更加準確的量化標準校正。
2.2 優化寄存代碼計算
本文設計的基於人工視覺的嵌入式運動成績校對標準器，使用了反彙編視覺模型，但是反彙編視覺模型在運動成績的運算編輯上無法進行多維的衡量，因此需要對寄存代碼計算進行優化，首先進行數據級別分類，公式為：
式中：表示運動成績的運力輕度的紋理參數；表示運動成績能級權值；表示最大劃分能級參數；表示質量的參化係數。
經過數據級別分列過後的數據需要進行相關演變確認[5]，這樣能夠提高計算過程準確度，如下：
式中：為原始限定能級別參量；為校正數據的魔方配比函數位子，可以進行一定約束的參照量； 為跨域能級差[6]；為多分能力變量采熵值。經過上述優化後的計算過程還需要對使用條件進行重新設定，公式如下：
式中，表示質量的參化係數。經過以上公式完成了對寄存代碼計算的優化。
3 仿真實驗分析
3.1 參數設定
為了保證設計的基於人工視覺的嵌入式運動成績校對標準器的有效性，對參數進行設定，標準化運動量差在 [62.58，98.36]值域範圍之內[7]；設置運動成績的運動輕度的紋理參數[8]為17.66。
本文設計的模擬實驗原理圖如圖2所示。
3.2 結果分析
在實驗過程中，對傳統運動成績校對標準器與本文設計的基於人工視覺的嵌入式運動成績校對標準器的實驗結果進行記錄。傳統運動成績校對標準器校對數據排布如圖3所示[9]。
基於人工視覺的嵌入式運動成績校對標準器校對數據排布如圖4所示。
通過圖3、圖4可以看出本文設計的基於人工視覺的嵌入式運動成績校對標準器數據排布更加的集中，並且在一定的規律範圍之內，比傳統的零散排布矯正效果要快速準確。分析圖5結果得知，本文設計的基於人工視覺的嵌入式運動成績校對標準器，幾乎與設定的標準值一樣，無明顯的數據變化。
4 結 語
本文提出一種基於人工視覺的運動成績校對標準器的嵌入式設計，並進行了實驗對比分析。結果表明，採用改進的校對標準器，其校對結果更好。希望通過本文的研究能夠為運動成績矯正過程提供更好的應用系統。
參考文獻
[1] 王濤，傅戈雁，石世宏.基於嵌入式機器視覺的雷射熔覆成形熔池離焦量在線測控系統[J].中國雷射，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] 謝忠華.水稻插秧機路徑追蹤設計：基於SOPC嵌入式視覺導航[J].農機化研究，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.運動視覺跟蹤中動作捕獲器的嵌入式設計[J].現代電子技術，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] 張晨，孫世磊，石文軒，等.基於嵌入式系統的異纖清除機設計與試驗[J].農業機械學報，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.基於ARM處理器與nRF24L01無線通信的植物工廠監控系統[J].物聯網技術，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.
收藏