优化体育训练计划的运动模糊图像人体特征分割方法探析.pdfVIP

20252

年月湖北文理学院学报Feb.,2025

462JournalofHubeiUniversityofArtsandScienceVol.46No.2

第卷第期

优化体育训练计划的运动模糊图像人体特征分割方法探析

范果

（黎明职业大学通识教育学院，福建泉州362000）

摘要：在体育训练场景中，采集的原始运动图像往往包含较大的空洞区域，不仅影响图

像的完整性，而且使图像超像素的有效融合变得困难，难以保证人体特征的分割精度。为提高

人体特征分割精度、满足体育训练计划的优化需要，文章讨论了一种面向体育训练计划优化的

运动模糊图像人体特征分割方法：通过引导滤波深度修复原始图像来消除图像的空洞区域，以

恢复图像的完整性和连续性；在此基础上，依据像素分布结构融合图像超像素来提升图像的清

晰度和特征表达能力；以膨胀后的人体掩码来准确地获取图像的层次结构特征，从而提取人体

运动特征序列。此外，采用区域生长方法合并具有相似性的特征点来进行腐蚀操作，去除冗余

信息，得到形态学图像，再结合阈值分割从而实现人体特征的自适应分割。经实验验证，该方

法能够从不同模糊程度的运动图像中准确地分割出人体特征，精度较高。

关键词：体育训练计划；运动模糊图像；人体轮廓特征；图像分割

TP751A20954476202502001108

中图分类号：文献标志码：文章编号：-（）--

在运动训练计划优化领域，运动员训练越来越依赖于科学的图像分析技术，以实现准确捕捉和评估

运动员动作细节。然而，传统的运动模糊图像处理方法，如滤波、去噪等，虽然在一定程度上能够提高

图像质量，却不足以准确分割人体特征，而且往往忽略了运动模糊图像中的动态特性和人体结构的复杂性。

运动模糊图像中的动态特性使图像的边缘和人体轮廓变得模糊，增加了分割的难度。同时，人体结构的

复杂性，如关节的灵活程度、肌肉的形态变化等也对分割算法提出了更高的要求。这些因素导致传统分

割方法在处理运动模糊图像时，往往得到的是准确度、稳定度不够高的分割结果。因此，探讨一种用于

优化体育运动训练计划的运动模糊图像人体特征分割方法，对提高体育运动员的训练效率和科学性具有

重要的现实作用。

1

［］

回顾以往的相关研究，张新峰等提出了一种基于运动对比度增强的方法来实现人体运动的分割。

该方法无需监督训练，通过强化不同运动状态间的对比度差异来分割人体特征，并结合能量模型对异常

运动状态进行预警。但是，当背景中存在与人体运动形态相似的动态元素时，可能会出现误分类的问题，

2

从而影响分割的准确性。Gao等［］旨在解决人体运动识别中的运动分割问题，通过设计合理相似性的测

量标准、结合高维序列数据的预处理技术来提升运动模糊图像人体特征分割的准确性和效率，但该方法

3

约束参数的设置对分割结果有很大影响，不当的约束参数设置会导致分割结果缺乏准确性。于国庆等［］

使用Lab颜色模型对原始图像进行转换，以除去对照明和迭代聚类贡献较低的颜色分量，引入灰度特征

向量来增强图像的特征信息，通过合并小区域和优化边界等操作，实现运动模糊图像人体特征分割。该

方法可以生成紧凑整洁的超像素，有利于后续的图像分析和处理，但算法性能会受到初始聚类中心的选

择影响，如果初始条件设置不准确，可能导致分割结果出现偏差。

本文在上述有关研究文献探索基础上，提出一种优化运动训练计划的运动模糊图像人体特征分割方

法：首先，运用超像素融合技术来增强模糊图像中的局部特征，以提高图像的信噪比；其次，利用人体