基於耦合隱藏式馬可夫模型之 桌球招式辨識

温予佑
在桌球的領域中，人們依靠人眼觀察運動員的動作，進而分析其使用的招式與打法風格。然而桌球是一項技巧性相當高的運動，其中所使用的招式千變萬化，需要足夠的背景知識與經驗才能夠做出正確的判斷，這樣的情形使桌球運動的情報蒐集更具有難度，同時讓許多不熟悉桌球運動的觀眾難以分辨這些招式，進而造成觀眾無法體會一場精彩比賽的箇中奧妙。因此如何使用電腦視覺技術辨識桌球招式就變得十分的重要。

過去的動作辨識僅針對人體影像做特徵擷取及辨識，但是桌球招式與一般的人體動作不同，有些招式動作相似而球性不同，有些招式球性相似而動作不同，傳統的動作辨識做法應用在桌球招式辨識時，單從人體動作資訊辨識桌球招式容易發生動作相似的招式難以分辨的情形。

本篇論文提出使用耦合隱藏式馬可夫模型(Coupled Hidden Markov Model)結合人體及球體資訊做桌球的招式辨識。系統分成三個部分：球體動作特徵擷取、人體動作特徵擷取以及桌球招式辨識。

球體動作特徵擷取的部分，為了還原出球體在三維空間下的位置，首先針對兩台DV做校正，取得攝影機的內部參數以及外部參數，接著分別針對兩台DV所拍攝到的畫面做球體追蹤，最後將追蹤結果取得的座標還原成三維座標，並擷取球體動作特徵。人體動作特徵擷取的部分，本論文使用Kinect追蹤人體骨架，取持拍手的四個關節點，擷取其座標位置、速度、加速度以及手臂的夾角做人體動作特徵。桌球招式辨識的部分，本論文使用耦合隱藏式馬可夫模型辨識十種桌球招式。實驗結果顯示，使用耦合隱藏式馬可夫模型結合人體及球體資訊可以達到比僅使用單一資訊之隱藏式馬可夫模型更高的平均辨識率。