基于长时跟踪的滑雪教学姿态辅助矫正方法

在滑雪教学过程中,由于学员的迅速移动和姿态的大幅变化,导致以短时智能图像变化特征为主的姿态跟踪算法失效或不稳定,特别是在雪地条件恶劣或光线不足等复杂环境下,跟踪效果会受到较大的影响。为此,提出基于长时跟踪的滑雪教学姿态辅助矫正方法。使用递归最小二乘法(RLS)分类器训练得到学员姿态位置核相关滤波器(KCF)。计算最大的KCF响应值,精确检测学员的姿态位置。如果KCF结果低于经验阈值,表明目标丢失,启动再检测模块。利用光流法在前一帧学员姿态位置附近寻找当前帧中的姿态位置,以获取一个大致位置。在此位置重新应用跟踪器,获得精确的学员姿态位置,实现长时跟踪。依据得到的姿态位置数据,构建滑雪学员姿态误差补偿模型,提取学员身体的运动参数和姿态误差。通过计算身体运动参数,并结合KCF构建滑雪学员身体姿态辅助矫正模型,从而完成滑雪教学的姿态辅助矫正。实验结果表明,该方法在长时跟踪中展现出高度的有效性、可靠性和稳定性,其平均PCK指标达到92.3%,同时在目标跟踪效率上,参数量和计算量分别为30.24 MB和9.26 GFLOPs,速度达到142帧/s,实现了高效实时的跟踪,验证了该方法在滑雪教学姿态辅助矫正中的可行性。