Размещено на http://www.allbest.ru/

Министерство образования и науки РФ

ФГБОУ ПО «Челябинский государственный педагогический университет»

Кафедра информатики, информационных технологий и методики обучения информатике

Курсовая работа

Система управления телекамерами при трансляции спортивных событий

Выполнил:

Зайнагетдинов Ю.Ф.

Руководитель:

Паршукова Н.Б.

• Содержание
• Введение
• Глава 1. Моделирование
• 1.1 Проблемы разработки имитационных моделей
• 1.2 Инструменты для разработки
• Глава 2. Разработка модели
• 2.1 Футбольное поле
• 2.2 Видеокамеры
• 2.3 Мяч
• 2.3.1 Отскок мяча от границ
• 2.3.2 Скорость мяча
• 2.4 Создание модели
• Заключение
• Список литературы
• 

Введение

В последнее время актуальной является проблема видеофиксации спортивных событий с использованием мяча. Операторы видеокамер просто не успевают следить за перемещением мяча, вследствие чего искажается общая картина трансляции спортивного события, а телезрители пропускают некоторые важные моменты игры. Это негативно сказывается на психологическом состоянии телезрителей, а также могут возникнуть спорные ситуации в судействе. Видеофиксация положения мяча и игроков, владеющих мячом, способствует объективному решению спорных ситуаций.

Создание виртуальной модели футбольного поля позволит наглядно показать, как видеокамеры могут следить за мячом.

Цель: Необходимо разработать виртуальный стенд, предусматривающий футбольное поле, мяч, и четыре видеокамеры, расположенных по углам поля. Предусматривается, что мяч имеет устройство геопозиционирования, которое передает устройству слежения координаты мяча на плоскости относительно футбольного поля.

Задачи: Разработать поведенческую модель, состоящую из футбольного поля и движущегося по нему в случайном направлении мяча. Изучить литературу, посвященную компьютерному моделированию. Разработать виртуальный стенд. Провести анализ полученной модели.

Глава 1. Моделирование

имитационный виртуальный спортивный телекамера

Моделирование является общепризнанным средством познания действительности. Этот процесс состоит из двух больших этапов: разработки модели и анализа разработанной модели. Моделирование позволяет исследовать суть сложных процессов и явлений с помощью экспериментов не с реальной системой, а с ее моделью. Известно, что для принятия разумного решения по организации работы системы не обязательно знание всех характеристик системы, всегда достаточен анализ ее упрошенного, приближенного представления.

В области создания новых систем моделирование является средством исследования важных характеристик будущей системы на самых ранних стадиях ее разработки. С помощью моделирования возможно исследовать узкие места будущей системы, оценить производительность, стоимость, пропускную способность -- все главные ее характеристики еще до того, как система будет создана. С помощью моделей разрабатываются оптимальные операционные планы и расписания функционирования существующих сложных систем. В организационных системах имитационное моделирование становится основным инструментом сравнения различных вариантов управляющих решений и поиска наиболее эффективного из них как для решений внутри цеха, организации, фирмы, так и на макроэкономическом уровне.

Модели сложных систем строятся в виде программ, выполняемых на компьютере. Компьютерное моделирование существует почти 50 лет, оно возникло с появлением первых компьютеров. С тех пор сложились две перекрывающиеся области компьютерного моделирования, которые можно охарактеризовать как математическое моделирование и имитационное моделирование.

Математическое моделирование связано, в основном, с разработкой математических моделей физических явлений, с созданием и обоснованием численных методов. Существует академическая трактовка моделирования как области вычислительной математики, которая является традиционной для активности прикладных математиков. В России сложилась сильная школа в этой области: НИИ Математического Моделирования РАН -- головная организация, Научный Совет РАН по проблеме «Математическое моделирование», издается журнал «Математическое моделирование».

Имитационное моделирование -- это разработка и выполнение на компьютере программной системы, отражающей поведение и структуру моделируемого объекта. Компьютерный эксперимент с моделью состоит в выполнении на компьютере данной программы с разными значениями параметров (исходных данных) и анализе результатов этих выполнений.

1.1 Проблемы разработки имитационных моделей

Имитационное моделирование -- очень обширная область. Можно по-разному подходить к классификации решаемых в ней задач. В соответствии с одной из классификаций эта область насчитывает в настоящее время четыре основных направления: моделирование динамических систем, дискретно- событийное моделирование, системная динамика и агентное моделирование. В каждом из этих направлений развиваются свои инструментальные средства, упрощающие разработку моделей и их анализ. Данные направления (кроме агентного моделирования) базируются на концепциях и парадигмах, которые появились и были зафиксированы в инструментальных пакетах моделирования несколько десятилетий назад и с тех пор не менялись.

Например, моделирование динамических систем направлено на исследование сложных объектов, поведение которых описывается системами алгебро-дифференциальных уравнений. Инженерным подходом к моделированию таких объектов 40 лет назад была сборка блок-схем из решающих блоков аналоговых компьютеров: интеграторов, усилителей и сумматоров, токи и напряжения в которых представляли переменные и параметры моделируемой системы. Этот подход и сейчас является основным в моделировании динамических систем, только решающие блоки являются не аппаратными, а программными. Он реализован, например, в инструментальной среде Simulink. В другой области идея моделирования систем с дискретными событиями, в которых потоки пассивных заявок обрабатываются активными приборами, была сформулирована более 40 лет назад и реализована в среде моделирования GPSS, которая с некоторыми модификациями до сих пор используется для обучения имитационному моделированию. Еще одним примером является системная динамика. Идея потоковых диаграмм, отражающих причинно-следственные связи в сложной системе, была предложена Дж. Форрестером еще в 1958 году, она реализована в существующих до сих пор на рынке системах моделирования.

В современном мире информационных технологий десятилетие сравнимо с веком прогресса в традиционных технологиях, и удивительно то, что в имитационном моделировании почти без изменения и почти повсеместно применяются идеи и решения 60-х годов прошлого века. Возникшие тогда парадигмы имитационного моделирования зафиксированы в распространяемых на рынке программных продуктах, они не используют появившихся значительно позже современных достижений информационных технологий, которые привели к революционным изменениям во многих прикладных областях. Поэтому и сейчас разработка имитационных моделей в рамках традиционных парадигм остается непростой задачей. Кроме того, проблемы анализа современных реальных систем часто требуют разработки моделей, не укладывающихся в рамки одной единственной парадигмы моделирования. Например, при моделировании системы с преобладаюшим дискретным типом событии может потребоваться введение переменных, описывающих непрерывные характеристики среды. В парадигму блочной модели потоков данных совершенно не вписываются дискретно-событийные системы, поэтому, например, в среде Simulink с большим трудом выражаются сущности дискретно-событийных моделей: события и состояния, поведение, управляемое событиями. В рамках обеих этих парадигм невыразимы такие концепции, как активные объекты, взаимодействующие с окружением, что необходимо использовать, например, для моделирования конкуренции компаний на рынке. В системно-динамической модели часто возникает необходимость учета дискретных событии или моделирования индивидуальных свойств объектов из разнородных групп. Подобные требования, вывозящие за рамки традиционных парадигм при построении моделей, требуют использования скриптовых языков, тонких и сложных средств интеграции внешних программных модулей с моделью и т.п., что существенно усложняет разработку моделей в традиционных средах.

Имитационное моделирование в настоящее время реально используется узким кругом профессионалов, которые должны иметь не только глубокие знания в той прикладной области, для которой строится модель, но также глубокие знания в программировании, теории вероятностей и статистике.

Учебники и монографии с названием "Имитационное моделирование", изданные даже в последние годы, приводят в качестве примеров первых простейших моделей программы из сотен строк на алгоритмических языках.

1.2 Инструменты для разработки

Основным инструментом будет среда разработки имитационных моделей AnyLogic 5. Данная среда позволяет создавать модели систем высокого уровня сложности. Основными строительными блоками являются активные объекты, которые позволяют моделировать любые объекты реального мира. Активный объект представляет собой экземпляр класса активного объекта. Классы активного объекта могут создаваться разработчиком или использоваться из библиотек. Классы активного объекта интерпретируются средой AnyLogic в классы объектно-ориентированного языка Java, что дает преимущество в использовании объектно-ориентированного программирования.

Создание моделей в AnyLogic осуществляется с использованием визуальных инструментов, поэтому использование языка Java требуется в редких случаях.

Выполнение компьютерных экспериментов с созданной моделью, позволяет использовать различные виды анализа - от анализа чувствительности до оптимизации параметров модели относительно некоторого критерия.

Среда AnyLogic позволяет создавать анимации из простых фигур (прямоугольник, эллипс, ломаная и т.д.), а для более сложных фигур есть возможность вставлять изображения в распространенных графических форматах, JPEG, PNG и GIF.

Для автономного запуска модели необходимо наличие виртуальной машины Java-JavaRuntimeEnvironment, так же будет полезна утилита jstart32, которая создает исполняемый файл-обертку (wrapper), запускающий приложения Java без использования сложной командной строки.

Глава 2. Разработка модели

Разрабатываемая модель будет состоять из основного активного объекта - футбольного поля и вложенных активных объектов мяча и видеокамер. Для наглядности примем 1 метр реального поля равный 6 пикселям модельного поля. Таким образом, при стандартных размерах футбольного поля 105м на 68 м, размеры модельного поля будут 630 пикселей на 408 пикселей.

Создаем новый проект Football в среде AnyLogic. При этом автоматически создается класс активного объекта Main, который будет отвечать за футбольное поле.

2.1 Футбольное поле

Будем создавать модель наиболее часто встречающегося футбольного поля - поле 630 Ч 408 пикселей (105 Ч 68 метров). Поле имеет уже нанесенную разметку и текстуру травы в файле pole.jpg.

Размеры мяча будем считать условными, и будут равны 40 Ч 40 пикселей. Если делать мяч в соответствии с масштабом, то диаметр мяча составит 2 пикселя, что будет мешать наглядности модели.

За начало координат примем нижний левый угол поля.

Непосредственно на поле будет располагаться мяч. По четырем углам поля расположены видеокамеры: треугольники синего цвета, одна из вершин которых обозначает ось вращения видеокамеры, остальные две вершины образуют угол обзора видеокамеры. Еще одна видеокамера двигается по периметру поля.

Для визуализации футбольного поля создаем анимацию для класса активного объекта Main. В свойствах анимации выбираем направление оси Y вверх - установить флажок «Перевернуть ось Y». Размер активной области анимации устанавливаем 930 Ч 480 пикселей, координаты верхнего левого угла - X=-250, Y=450. Располагаем соответствующие графические элементы (Рис. 1)

Рис. 1 Общий вид футбольного поля

Рассматривать будем движение мяча в случайном направлении и абсолютно упругом отскоке от границ поля. Абсолютно упругий отскок -- модель соударения, при которой полная кинетическая энергия системы сохраняется. В классической механике при этом пренебрегают деформациями тел. Соответственно, считается, что энергия на деформации не теряется, а взаимодействие распространяется по всему телу мгновенно. Хорошей моделью абсолютно упругого отскока является столкновение бильярдных шаров или упругих мячиков

2.2 Видеокамеры

Для слежения за мячом на футбольном поле предусмотрено пять видеокамер. Четыре из них установлены по углам поля, а пятая двигается по периметру.

Видеокамеры поворачиваются вокруг своей оси. Осью является одна из вершин треугольника, обозначающего видеокамеру. Угол поворота видеокамеры рассчитывается исходя из координат "x" и "у" мяча на поле.

Создаем в проекте класс активного объекта Cam, который будет имитировать работу видеокамер на футбольном поле. Помещаем четыре активных объекта Cam, Cam1, Cam2, Cam3 и Сam4 класса Cam, на структурную диаграмму класса Root, являющегося главным для нашей модели.

Рис. 2 Скриншот структурной диаграммы Root

В классе Cam создаем переменные xcam, ycam типа real, отвечающие за координаты положения видеокамеры Cam4. Переносим эти переменные на границу диаграммы Cam и меняем направление, делая переменные входными.

Рис. 3 Скриншот структурной диаграммы Cam

За поворот видеокамер отвечают переменные cambeta, cam1beta, cam2beta, cam3beta и cam4beta. Значения переменных рассчитываются по формуле следующим образом:

cambeta = atan(y/x);

cam1beta = PI - atan(y/(630-x));

cam2beta = PI + atan((410-y)/(630-x));

cam3beta = 0 - atan((410-y)/x);

cam4beta = atan((ycam-y)/(xcam-x))+PI*var2.

Анимация видеокамеры представляет собой треугольник синего цвета.

Рис. 4 Анимация видеокамеры

На анимации футбольного поля должны появиться изображения видеокамер. Поместим их в соответствующих местах на поле

Рис. 5 Расположение видеокамер на футбольном поле

2.3 Мяч

Создаем в проекте класс активного объекта Ball, который будет имитировать поведение футбольного мяча. Помещаем активный объект Ball класса Ball на структурную диаграмму класса Root.

Положение в пространстве задаем переменными x и y, величину скорости задаем переменной V, которая влияет на значения переменных Vx и Vy, задающих векторы скорости по осям х и у. Направление движения будем определять углом в радианах от оси X против часовой стрелки, добавляем параметр alpha. Зададим радиус мяча параметром r.

Визуализацию мяча создаем в анимации для класса активного объекта Ball. В центр области анимации помещаем элемент «Изображение». Размеры активной области анимации и изображения устанавливаем 40 Ч 40 пикселей. В элемент «Изображение» загружаем, заранее подготовленное изображение мяча.

В класс активного объекта Ball добавляем параметры Xmax и Ymax типа real. Эти параметры задают максимальные значения для координат мяча, т.е. задают границы для перемещения мяча.

В результате анимация мяча должна иметь вид, представленный на Рис. 6

Рис. 6 Анимация активного объекта Ball

Также на анимации класса Root должно появиться изображение мяча (Рис. 7).

Рис. 7

Изображение мяча на футбольном поле

Чтобы видеокамеры могли следить за перемещением мяча, в классе активного объекта Root добавим переменные х и y типа real. На структурной диаграмме класса Root соединим их с выходными переменными класса активного объекта Ball.

Рис. 8 Связь переменных

Отскок мяча от границ задаем стейтчартом.

2.3.1 Отскок мяча от границ

Добавим в класс активного объекта стейтчарт под именем main, отвечающий за отскок мяча (Рис. 9).

Рис. 9 Стейтчарт отскока мяча

Стейтчарт содержит только одно состояние с именем Movement. От него идут два перехода, отвечающие за отскок мяча от вертикальных и горизонтальных границ. Переход «отскок от вертикальных границ» выполняется, когда условие x<=r&&vx<0||x>=Xmax-r&&vx>0 становится истинным. Таким же образом переход «отскок от горизонтальных границ» выполняется, когда условие y>=Ymax-r&&vy>0||y<=r&&vy<0 становится истинным. В обоих случаях действие от выполнения будет выражения О1=-О1 и О=-О соответственно. Переменная О введена для возможности изменения скорости мяча с помощью ползунка slider2 в окне анимации класса активного объекта Root.

2.3.2 Скорость мяча

Для изменения скорости мяча в класс активного объекта Root добавим переменную О и О1 (Рис. 10)

Рис. 10 Диаграмма класса Ball в классе Root

Векторы скорости мяча рассчитываются из формул

vx=V*Math.cos(Ball.alpha)*O1 и vy=V*Math.sin(Ball.alpha)*O.

Скорость мяча задается переменной V, значение которой задается ползунком slider2 в окне анимации класса Root.

2.4 Создание модели

В коде класса активного объекта укажем код инициализации, в котором зададим радиус мяча и функцию Dvig() отвечающую за начало движения мяча.

В функции Dvig()зададим первоначальные координаты мяча с помощью генератора случайных чисел:

x = DistrUniform.sample(r, Xmax-r);

y = DistrUniform.sample(r, Ymax-r);

Таким же образом зададим начальное направление движения мяча:

alpha = DistrUniform.sample(2*Math.PI);

Теперь, запустив модель, можно наблюдать поведение мяча на футбольном поле (Рис. 11).

Рис. 11 Выполнение модели

Чтобы запускать модель без использования среды AnyLogic, необходимо построить приложение Java (апплет). Для этого необходимо нажать соответствующую кнопку на панели инструментов, либо выбрать пункт меню «Модель» - «Создать апплет». В результате получим директорию «CrosswayAppletFiles», в которой располагаются файлы:

Таблица 1 Список файлов для автономного запуска модели

В ходе проделанной работы удалось разработать имитационную модель футбольного поля, отвечающую поставленной задаче. При помощи модели можно наблюдать поведение мяча и видеокамер, изменяя параметры. Используя данную работу, мы можем смоделировать не только футбольное поле, но изменяя начальные значения параметров, провести анализ поведения телекамер на любом виде спорта, где применяется прямоугольное поле и мяч. Из этого можно говорить об универсальности использования модели.

Таким образом, используя статистические данные в реальной жизни, можно оценить работу видеокамер для использования на футбольном поле. На основе полученных данных можно выработать методы оптимального управления телекамерами.

Проведение экспериментов с виртуальной моделью более эффективно, чем на реальном футбольном поле, так как ошибки в управлении не приводят к ущербу, а за более короткое время можно рассмотреть различные ситуации.

Список литературы

1. AnyLogic 5. Руководство пользователя. [Электронный ресурс]: Справочная система AnyLogic. URL: http://www.anylogic.ru/anylogic/help/. (дата обращения 1.11.2012 г.)

2. Виртуальная машина Java [электронный ресурс]:Java для Windows. URL: http://www.java.com/ru/download/. (дата обращения 1.11.2012 г.)

3. Карпов, Ю.Г. Имитационное моделирование систем. Введение в моделирование с AnyLogic 5: - СПб.: БХВ-Петербург, 2009. 400 с.

4. Справочник Java [электронный ресурс]: JavaSE 6 API Documentation. URL: http://docs.oracle.com/javase/6/docs/api/ (дата обращения 1.11.2012 г.)

Размещено на Allbest.ru