一种双向飞碟数据采集分析装置及方法，用于双向飞碟数据采集，属于射击射箭运动、计算机、大数据和图像识别。
背景技术：
1、双向飞碟是一项体育运动，其特殊性质使得数据采集和分析具有相当大的挑战性。在这项运动中，运动员需要在极短的时间内准确地击打飞出的飞碟，需要对运动员的姿态、反应时间等数据进行准确地采集和分析，以帮助运动员提高技术水平和竞技表现。
2、飞碟以极快的速度飞行，整个过程从准备瞄准到击发再到命中的时间非常短暂，几乎可以说是瞬间完成的。因此，数据采集设备需要具备高速连续采集的能力，能够准确地记录飞碟的飞行轨迹和运动员的动作。
3、飞碟在空中飞行的轨迹需要采用先进的图像处理算法来对飞碟轨迹进行检测和建模。同时，还需要对运动员的姿态和动作进行实时监测和分析，以获取关键的技术指标，如反应时间、一致性分析等。
4、双向飞碟是一项高速、高难度的运动项目，运动员的表现受到多种因素的影响，如风速、光线等环境因素，以及个体的身体素质和技术水平。因此，数据采集和分析需要考虑这些因素，以获取准确、可靠的数据，并为运动员提供个性化的训练和指导。
5、在当前双向飞碟数据采集领域存在许多挑战。其中最主要的挑战之一是数据采集方法的局限性。目前主要采用惯性传感器来收集运动员的姿态数据，但最关键的问题是目前的数据采集方法未能充分考虑飞碟的飞行轨迹。通常情况下，仅采集了运动员的姿态数据，而忽略了飞碟发射的瞬间以及其他关键时间节点的记录，这就导致了数据的不全面性，影响了对运动员表现的综合分析。要全面分析运动员的表现，我们必须关注飞碟的飞行轨迹，以便综合考虑姿态数据，从而进行射击准备时间、瞄准时间等方面的分析。
6、此外，当前数据采集方法中使用惯性传感器需要将其安装在运动员身上，通常要求紧密贴合皮肤以确保准确采集数据。然而，这种传感器的安装方式可能会对运动员的射击状态产生重大影响，增加他们的心理负担，无法模拟平时的训练环境，导致比赛时运动员的感觉与平时训练不一致，进而影响他们的表现。因此，我们需要寻求更加轻便、无需紧密贴合皮肤的数据采集设备，以减少对运动员的干扰，更好地模拟实际训练和比赛环境。
7、因此，现有技术存在如下技术问题：
8、1.传统方法主要依赖于惯性传感器和摄像机采集数据，但未充分考虑飞碟的飞行轨迹，从而造成数据采集的全面性和准确性差的问题。
9、2.传统方法中使用的惯性传感器需要贴合在运动员身上，可能会影响运动员的射击状态和感觉，增加其心理负担，从而造成对数据采集的可靠性差的问题。
技术实现思路
1、针对上述研究的问题，本发明的目的在于提供一种双向飞碟数据采集分析装置及方法，解决现有技术依赖于惯性传感器和摄像机采集数据，但未充分考虑飞碟的飞行轨迹，从而造成数据采集的全面性和准确性差的问题。
2、为了达到上述目的，本发明采用如下技术方案：
3、一种双向飞碟数据采集分析装置，包括采集运动员的射击姿态的视频数据的主高速摄像机，采集整个飞碟靶场的画面的视频数据的从高速摄像机，与主高速摄像机相连接用于接收触发信号并发出同步信号触发主高速摄像机和从高速摄像机同步采集视频数据的触发器，高速摄像机和从高速摄像机通过同步线缆相连接，对主高速摄像机和从高速摄像机同步采集的视频数据进行分析与可视化的上位机。
4、进一步，所述主高速摄像机使用焦段50mm的高速相机采集运动员的射击姿态的视频数据，从高速摄像机使用焦段18mm的高速相机采集整个飞碟靶场的画面的视频数据，包括采集的靶楼状态、飞碟的轨迹、靶楼指示灯信号。
5、进一步，所述上位机对高速摄像机和从高速摄像机同步采集的视频数据进行分析与可视化的具体步骤为：步骤1、对主高速摄像机和从高速摄像机同步采集的视频数据进行预处理，得到增强处理后的黑白视频数据；
6、步骤2、基于预处理得到的主高速摄像机获取的视频数据对运动员持枪射击姿态建模处理，得到可视化的肘关节角度变化数据，其中，预处理得到的主高速摄像机获取的视频数据即指增强后运动员的射击姿态的黑白视频数据；
7、步骤3、对预处理得到的从高速摄像机获取的视频数据进行关键时间点的标注，并获取运动员的反应时间和射击时间，其中，预处理得到的从高速摄像机获取的视频数据即指增强后整个飞碟靶场的画面的黑白视频数据；
8、步骤4、基于预处理后的从高速摄像机获取的视频数据对飞碟轨迹进行阶段建模计算碟飞行时间、水平位移和垂直位移，并进行阶段划分和标注；
9、步骤5、基于步骤2-步骤4得到的结果结合记录的命中情况分析关节角度姿态对于命中的影响，分析射击反应一致性以及各阶段反应时间对于命中的影响。
10、进一步，
11、所述步骤1的具体步骤为：
12、步骤1.1采用压缩算法对主高速摄像机和从高速摄像机同步采集的视频数据进行进行h.264编码格式的视频压缩处理，其中，压缩算法包括帧间预测方法、帧内预测方法、量化方法和熵编码方法，帧间预测方法利用视频数据帧间相关性，根据参考帧来预测当前帧的像素值，帧内预测方法则利用视频数据帧内相关性，根据当前帧的部分像素值来预测其余像素值，量化方法将预测误差进行量化，减小数据的表示精度，熵编码方法则根据数据的统计特性来进一步压缩数据；
13、步骤1.2、对压缩后的视频数据中的各帧图像进行反色处理，即采用rgb彩色空间的三个分量进行加权平均来将各帧图像中的每个像素点的颜色值转换为对应的灰度值，转换后得到各帧图像所对应的灰度图像，全部转换完成后得到黑白视频数据；
14、步骤1.3、采用图像增强处理方法对黑白视频数据进行增强处理，其中，增强处理方法包括锐化处理方法和降噪处理方法；
15、所述步骤2的具体步骤为：
16、步骤2.1、利用图像识别算法对预处理得到的射击姿态的视频数据进行建模处理，得到姿态模型，具体步骤为：
17、步骤2.11、采用深度学习模型检测预处理得到的射击姿态的视频数据的人体关键点，包括肘关节、肩膀、肘部和手腕，其中，深度学习模型为卷积神经网络；
18、步骤2.12、基于计算机图形学技术和人体关键点构建人体姿态模型，并将其以点线标记的方式叠加在原始射击姿态的视频数据上，形成可见的人体姿态模型；
19、步骤2.2、基于人体姿态模型获取肘关节角度变化数据并与原始射击姿态的视频数据进行关联和存储，具体步骤为：
20、步骤2.21、基于可见的人体姿态模型获取肘关节位置信息，并采用三角形计算方法计算出肘关节在时间序列上的角度变化数据，包括角度的大小和变化趋势；
21、步骤2.22、将计算得到的肘关节角度变化数据存储到数据库中，同时将其与原始射击姿态的视频数据的时间点或帧数进行关联；
22、步骤2.3、基于存储的肘关节角度变化数据和与原始射击姿态的视频数据进行关联展示肘关节角度的变化，具体步骤为：
23、步骤2.31、查询并抽取数据库中存储的肘关节角度变化数据；
24、步骤2.32、利用数据可视化工具，将肘关节角度变化数据以图表或图形的形式展示；
25、所述步骤3的具体步骤为：
26、步骤3.1对预处理得到的从高速摄像机获取的视频数据进行图像处理，得到关键时间点，具体步骤为：
27、步骤3.11、通过比较预处理后的画面的视频数据中相邻视频帧之间的像素值差异，使用opencv库函数检测靶楼指示信号灯的亮度变化情况，当指示信号灯由亮变暗时，表示信号灯熄灭，记录该信号灯熄灭时间点作为关键时间点；
28、步骤3.12、根据信号灯熄灭时间点之后，靶楼窗口中白色像素点的变化情况，使用opencv库函数监测靶楼窗口检测飞碟的出现，当检测到靶楼窗口中出现白色像素点时，记录该飞碟发出时间点作为关键时间点；
29、步骤3.2、基于预处理得到的从高速摄像机获取的视频数据获取其它关键时间点，包括运动员动作时间点、运动员击发时间点和飞碟命中时间点，具体步骤为：
30、步骤3.21、通过对预处理后的画面的视频数据中的运动员的人体像素点进行检测和跟踪，若前后两帧运动员各人体像素点数量变化大于三个像素的时间点或根据前三帧运动员对应的各人体像素点的平均像素值与第四帧对应的运动员的像素点数量变化超过三个像素的时间点作为运动员动作时间点，包括持枪、瞄准的开始时间；
31、步骤3.22、使用opencv库函数根据运动员动作时间点检测手持枪口区域的像素点数量的变化，当前后两帧手持枪口中各各像素点数量变化超过三个时，表示运动员进行了击发动作，记录该时间点作为运动员击发时间点；
32、步骤3.23、使用opencv库函数对预处理后的画面的视频数据中目标静态区域像素点进行检测，若前后两帧中目标静态区域中各像素点数量变化超过三个时的时间点作为飞碟命中时间点，其中，目标静态区域是指是命中区域范围；
33、步骤3.3，基于运动员动作时间点、运动员击发时间点和飞碟命中时间点的时间差值计算出运动员对反应时间和射击时间，公式为：
34、反应时间＝运动员动作时间点-飞碟发出时间点
35、射击时间＝运动员击发时间点-运动员动作时间点；
36、所述步骤4的具体步骤为：
37、步骤4.1、基于预处理后的画面的视频数据对飞碟轨迹检测和建模，具体步骤为：
38、步骤4.11、将飞碟发出时间点作为建模飞碟轨迹的起点；
39、步骤4.12、根据起点和其它关键时间点对飞碟轨迹进行自动化建模，并提取参数计算飞碟飞行时间、水平位移和垂直位移，提取参数包括飞行路径、初速度、重力加速度和命中位置，即基于起点和其它关键时间点对飞碟运行不同阶段进行不同颜色的标注，并根据标注计算碟飞行时间、水平位移和垂直位移，计算公式为：
40、飞碟飞行时间t＝飞碟命中时间点-飞碟发出时间点
41、v0x＝v0*cos(θ)
42、v0y＝v0*sin(θ)
43、x＝v0x*t
44、y＝v0y*t-1/2gt2
45、其中，v0表示初速度，v0x和v0y表示命中位置的水平位置和垂直位置，x和y分别表示水平位移和垂直位移，θ表示夹角为45°，g表示重力加速度；
46、步骤4.2、阶段划分和标注；
47、步骤4.21、将飞碟发出时间点到运动员动作时间点作为反应阶段，并进行标注；
48、步骤4.22、通过运动员动作时间点到运动员击发时间点作为运枪阶段，并进行标注；
49、步骤4.23、运动员动作时间点到飞碟命中时间点及以后时间为击发及后续阶段，并进行标注。
50、进一步，所述主高速摄像机和从高速摄像机通过三节专业三脚架安装在飞碟靶场的七号位右侧后十米搭建的二米高的平台上。
51、一种双向飞碟数据采集分析方法，包括如下步骤：
52、步骤s1、触发器接收触发信号并发出同步信号；
53、步骤s2、主高速摄像机和从高速摄像机接收到同步信号后同步采集视频数据；
54、步骤s3、上位机对主高速摄像机采集的运动员的射击姿态的视频数据和从高速摄像机采集的整个飞碟靶场的画面的视频数据进行分析与可视化。
55、进一步，所述步骤s2中的主高速摄像机使用焦段50mm的高速相机采集运动员的射击姿态的视频数据，从高速摄像机使用焦段18mm的高速相机采集整个飞碟靶场的画面的视频数据，包括采集的靶楼状态、飞碟的轨迹、靶楼指示灯信号。
56、进一步，所述步骤s3中的具体步骤为：步骤1、对主高速摄像机和从高速摄像机同步采集的视频数据进行预处理，得到增强处理后的黑白视频数据；
57、步骤2、基于预处理得到的主高速摄像机获取的视频数据对运动员持枪射击姿态建模处理，得到可视化的肘关节角度变化数据，其中，预处理得到的主高速摄像机获取的视频数据即指增强后运动员的射击姿态的黑白视频数据；
58、步骤3、对预处理得到的从高速摄像机获取的视频数据进行关键时间点的标注，并获取运动员的反应时间和射击时间，其中，预处理得到的从高速摄像机获取的视频数据即指增强后整个飞碟靶场的画面的黑白视频数据；
59、步骤4、基于预处理后的从高速摄像机获取的视频数据对飞碟轨迹进行阶段建模计算碟飞行时间、水平位移和垂直位移，并进行阶段划分和标注；
60、步骤5、基于步骤2-步骤4得到的结果结合记录的命中情况分析关节角度姿态对于命中的影响，分析射击反应一致性以及各阶段反应时间对于命中的影响。
61、进一步，
62、所述步骤1的具体步骤为：
63、步骤1.1采用压缩算法对主高速摄像机和从高速摄像机同步采集的视频数据进行进行h.264编码格式的视频压缩处理，其中，压缩算法包括帧间预测方法、帧内预测方法、量化方法和熵编码方法，帧间预测方法利用视频数据帧间相关性，根据参考帧来预测当前帧的像素值，帧内预测方法则利用视频数据帧内相关性，根据当前帧的部分像素值来预测其余像素值，量化方法将预测误差进行量化，减小数据的表示精度，熵编码方法则根据数据的统计特性来进一步压缩数据；
64、步骤1.2、对压缩后的视频数据中的各帧图像进行反色处理，即采用rgb彩色空间的三个分量进行加权平均来将各帧图像中的每个像素点的颜色值转换为对应的灰度值，转换后得到各帧图像所对应的灰度图像，全部转换完成后得到黑白视频数据；
65、步骤1.3、采用图像增强处理方法对黑白视频数据进行增强处理，其中，增强处理方法包括锐化处理方法和降噪处理方法；
66、所述步骤2的具体步骤为：
67、步骤2.1、利用图像识别算法对预处理得到的射击姿态的视频数据进行建模处理，得到姿态模型，具体步骤为：
68、步骤2.11、采用深度学习模型检测预处理得到的射击姿态的视频数据的人体关键点，包括肘关节、肩膀、肘部和手腕，其中，深度学习模型为卷积神经网络；
69、步骤2.12、基于计算机图形学技术和人体关键点构建人体姿态模型，并将其以点线标记的方式叠加在原始射击姿态的视频数据上，形成可见的人体姿态模型；
70、步骤2.2、基于人体姿态模型获取肘关节角度变化数据并与原始射击姿态的视频数据进行关联和存储，具体步骤为：
71、步骤2.21、基于可见的人体姿态模型获取肘关节位置信息，并采用三角形计算方法计算出肘关节在时间序列上的角度变化数据，包括角度的大小和变化趋势；
72、步骤2.22、将计算得到的肘关节角度变化数据存储到数据库中，同时将其与原始射击姿态的视频数据的时间点或帧数进行关联；
73、步骤2.3、基于存储的肘关节角度变化数据和与原始射击姿态的视频数据进行关联展示肘关节角度的变化，具体步骤为：
74、步骤2.31、查询并抽取数据库中存储的肘关节角度变化数据；
75、步骤2.32、利用数据可视化工具，将肘关节角度变化数据以图表或图形的形式展示；
76、所述步骤3的具体步骤为：
77、步骤3.1对预处理得到的从高速摄像机获取的视频数据进行图像处理，得到关键时间点，具体步骤为：
78、步骤3.11、通过比较预处理后的画面的视频数据中相邻视频帧之间的像素值差异，使用opencv库函数检测靶楼指示信号灯的亮度变化情况，当指示信号灯由亮变暗时，表示信号灯熄灭，记录该信号灯熄灭时间点作为关键时间点；
79、步骤3.12、根据信号灯熄灭时间点之后，靶楼窗口中白色像素点的变化情况，使用opencv库函数监测靶楼窗口检测飞碟的出现，当检测到靶楼窗口中出现白色像素点时，记录该飞碟发出时间点作为关键时间点；
80、步骤3.2、基于预处理得到的从高速摄像机获取的视频数据获取其它关键时间点，包括运动员动作时间点、运动员击发时间点和飞碟命中时间点，具体步骤为：
81、步骤3.21、通过对预处理后的画面的视频数据中的运动员的人体像素点进行检测和跟踪，若前后两帧运动员各人体像素点数量变化大于三个像素的时间点或根据前三帧运动员对应的各人体像素点的平均像素值与第四帧对应的运动员的像素点数量变化超过三个像素的时间点作为运动员动作时间点，包括持枪、瞄准的开始时间；
82、步骤3.22、使用opencv库函数根据运动员动作时间点检测手持枪口区域的像素点数量的变化，当前后两帧手持枪口中各各像素点数量变化超过三个时，表示运动员进行了击发动作，记录该时间点作为运动员击发时间点；
83、步骤3.23、使用opencv库函数对预处理后的画面的视频数据中目标静态区域像素点进行检测，若前后两帧中目标静态区域中各像素点数量变化超过三个时的时间点作为飞碟命中时间点，其中，目标静态区域是指是命中区域范围；
84、步骤3.3，基于运动员动作时间点、运动员击发时间点和飞碟命中时间点的时间差值计算出运动员对反应时间和射击时间，公式为：
85、反应时间＝运动员动作时间点-飞碟发出时间点
86、射击时间＝运动员击发时间点-运动员动作时间点；
87、所述步骤4的具体步骤为：
88、步骤4.1、基于预处理后的画面的视频数据对飞碟轨迹检测和建模，具体步骤为：
89、步骤4.11、将飞碟发出时间点作为建模飞碟轨迹的起点；
90、步骤4.12、根据起点和其它关键时间点对飞碟轨迹进行自动化建模，并提取参数计算飞碟飞行时间、水平位移和垂直位移，提取参数包括飞行路径、初速度、重力加速度和命中位置，即基于起点和其它关键时间点对飞碟运行不同阶段进行不同颜色的标注，并根据标注计算碟飞行时间、水平位移和垂直位移，计算公式为：
91、飞碟飞行时间t＝飞碟命中时间点-飞碟发出时间点
92、v0x＝v0*cos(θ)
93、v0y＝v0*sin(θ)
94、x＝v0x*t
95、y＝v0y*t-1/2gt2
96、其中，v0表示初速度，v0x和v0y表示命中位置的水平位置和垂直位置，x和y分别表示水平位移和垂直位移，θ表示夹角为45°，g表示重力加速度；
97、步骤4.2、阶段划分和标注；
98、步骤4.21、将飞碟发出时间点到运动员动作时间点作为反应阶段，并进行标注；
99、步骤4.22、通过运动员动作时间点到运动员击发时间点作为运枪阶段，并进行标注；
100、步骤4.23、运动员动作时间点到飞碟命中时间点及以后时间为击发及后续阶段，并进行标注。
101、进一步，所述步骤s2中的主高速摄像机和从高速摄像机通过三节专业三脚架安装在飞碟靶场的七号位右侧后十米搭建的二米高的平台上。
102、本发明同现有技术相比，其有益效果表现在：
103、一、本发明中的装置构建了完整的双向飞碟信息采集系统，能够全面地捕捉双向飞碟射击运动的各个环节，为后续数据分析提供了充足的原始数据支持，采用主从同步方式运作的两个高速摄像机确保了数据采集的同步性和准确性，主高速摄像机配置了触发器，设定为外同步，并与上位机正常通信，从而保证了数据采集过程的稳定性和可靠性；
104、二、本发明不依赖惯性传感器来采集数据，而完全依赖图像处理算法来实现射击阶段的划分和数据采集，通过图像处理技术，可以获取运动员的反应时间、射击时间、肘关节角度数据以及姿态建模数据，而无需额外的传感器设备。这种方法不仅简化了设备配置，还能提供更准确、全面的数据支持，有利于分析运动员的射击表现；
105、三、本发明在获取关键数据过程中，采用图像识别算法检测像素点，准确识别飞碟发出时间点、运动员动作时间点、击发时间点、命中时间点，并以上述时间点划分飞碟点不同阶段并在视频标注突出，获取到不同射击阶段的时间便于后续分析，人体姿态建模过程中，采用深度学习模型建模，获取了关键关节运动数据；
106、四、本发明能够对历史数据进行分析与可视化，为用户提供个性化的训练效果评估和指导。这种软件的使用使得教练和运动员能够更直观地了解训练情况，及时调整训练计划，提高训练效率。本技术提案不仅有对历史数据直观的可视化，还有对射击过程中困难数据采集过程对数据分析，包括运动员对反应时间、射击时间，对运动员反应一致性进行了分析及可视化。
1.一种双向飞碟数据采集分析装置，其特征在于，包括采集运动员的射击姿态的视频数据的主高速摄像机，采集整个飞碟靶场的画面的视频数据的从高速摄像机，与主高速摄像机相连接用于接收触发信号并发出同步信号触发主高速摄像机和从高速摄像机同步采集视频数据的触发器，高速摄像机和从高速摄像机通过同步线缆相连接，对主高速摄像机和从高速摄像机同步采集的视频数据进行分析与可视化的上位机。
2.根据权利要求1所述的一种双向飞碟数据采集分析装置，其特征在于：所述主高速摄像机使用焦段50mm的高速相机采集运动员的射击姿态的视频数据，从高速摄像机使用焦段18mm的高速相机采集整个飞碟靶场的画面的视频数据，包括采集的靶楼状态、飞碟的轨迹、靶楼指示灯信号。
3.根据权利要求2所述的一种双向飞碟数据采集分析装置，其特征在于：所述上位机对高速摄像机和从高速摄像机同步采集的视频数据进行分析与可视化的具体步骤为：步骤1、对主高速摄像机和从高速摄像机同步采集的视频数据进行预处理，得到增强处理后的黑白视频数据；
4.根据权利要求3所述的一种双向飞碟数据采集分析装置，其特征在于：
5.根据权利要求1所述的一种双向飞碟数据采集分析装置，其特征在于：所述主高速摄像机和从高速摄像机通过三节专业三脚架安装在飞碟靶场的七号位右侧后十米搭建的二米高的平台上。
6.一种双向飞碟数据采集分析方法，其特征在于，包括如下步骤：
7.根据权利要求6所述的一种双向飞碟数据采集分析方法，其特征在于：所述步骤s2中的主高速摄像机使用焦段50mm的高速相机采集运动员的射击姿态的视频数据，从高速摄像机使用焦段18mm的高速相机采集整个飞碟靶场的画面的视频数据，包括采集的靶楼状态、飞碟的轨迹、靶楼指示灯信号。
8.根据权利要求7所述的一种双向飞碟数据采集分析方法，其特征在于：所述步骤s3中的具体步骤为：步骤1、对主高速摄像机和从高速摄像机同步采集的视频数据进行预处理，得到增强处理后的黑白视频数据；
9.根据权利要求8所述的一种双向飞碟数据采集分析装置，其特征在于：
10.根据权利要求6所述的一种双向飞碟数据采集分析方法，其特征在于：所述步骤s2中的主高速摄像机和从高速摄像机通过三节专业三脚架安装在飞碟靶场的七号位右侧后十米搭建的二米高的平台上。
