[发明专利]一种运动训练设备及其控制方法

权利要求书

1.一种运动训练设备的控制方法，其特征在于，所述运动训练设备的控制方法包括以下步骤：

第一步，通过身份信息采集设备采集使用所述运动训练设备的运动员的身份信息；所述身份信息包括运动员的编号、姓名、身份证号、年龄、性别、体重、身高、运动速度、运动次数以及运动时间；并通过运动感应装置利用计数程序记录运动训练设备的使用信息；

步骤二，通过摄像机对运动员在运动过程中的运动动作、运动轨迹及运动过程中的体质状况进行视频记录：(1)采用三维轮廓重构和样本像素采集，采用Ray-Casting图像特征扫描方法，对运动员在运动训练中的运动动作、运动轨迹进行监测图像采集；

(2)根据步骤(1)的图像采集结果，依据运动训练中体质状况监测图像进行信息中心像素标定和特征信息自适应加权；

(3)求解运动员运动训练中体质状况监测的视差模板函数，在运动员运动训练中体质状况监测图像的特征分割区域进行亚像素级匹配，得到运动员运动训练中体质状况监测图像分布的像素视差；

(4)初始化视频监控的谱特征量，构建实时监控模型，结合运动员运动训练视频图像三维重建的三维数据分布，进行图像运动训练中体质状况监测图像重构处理；

步骤三，通过中央控制器的去燥单元对采集的运动图像进行去噪处理：(I)去燥单元收集图像原始数据；基于图像原始数据，对预设概念所隶属的类型，进行网络图像数据库上的图像三元组的爬取和解析；

(II)爬取预设子类中包含图像的类型标签并将类型标签添加到图像三元组；其中，预设子类即对图像原始数据进行预设概念所隶属的类型确定，预设概念所隶属的类型包括图像格式、大小以及类型；

(III)计算图像三元组初始相似度，对图像三元组标签添加图片类型距离，并根据初始相似度，通过搜索识别按照预设方法获取图像三元组目标相似度；根据图像三元组目标相似度进行图像去燥；

步骤四，利用灰度像素特征分解方法进行运动训练中体质状况监测图像信息的增强处理；通过中央控制器利用自适应特征提取方式对监测图像的局部动态特征点进行提取；

步骤五，通过中央控制器搭载的微处理器利用预设数量的子图像与所对应的子图像的分析指令对目标图像进行分析：1)获取目标图像；

2)将所述目标图像分割为预设数量的子图像；

3)根据所述预设数量，生成至少一个子图像分析指令

4)将所述预设数量的子图像以及所生成的子图像分析指令发送给所述的异构处理器组进行分析，得到分析结果；

步骤六，通过存储器将采集的运动训练视频及图像进行存储，以备后续调用观看；通过显示器将采集的视频信息及处理后的图像进行显示；通过外接的太阳能电池板为运动训练设备进行供电。

2.如权利要求1所述的运动训练设备的控制方法，其特征在于，步骤二中，所述信息中心像素标定和特征信息自适应加权的确定方法如下：

依据运动训练中体质状况监测图像模板匹配的疏线性方程组：

g(x，y)＝h(x，y)＊f(x，y)+η(x，y)；

其中，h(x，y)是运动员运动训练中体质状况监测视差函数，符号＊表示卷积；根据运动员运动训练中体质状况监测像素级视差函数进行信息中心像素标定和特征信息自适应加权。

3.如权利要求1所述的运动训练设备的控制方法，其特征在于，步骤二中，利用以下公式求解运动员运动训练中体质状况监测图像分布的像素视差：

g(x，y)＝f(x，y)+η(x，y)；

其中，η(x，y)是运动员运动训练中体质状况监测的权重系数；

所述体质状况监测的边缘像素估计值为：

其中，F(x，y)是运动员运动训练中体质状况监测图像的强纹理集关于扫描点(x，y)点的像素值，m_i为体质状况监测部位弱纹理集，为局部方差，用f₁(x)和f₂(x)表示运动员运动训练中体质状况监测图像重构的灰度值。