专利名称:基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测系统
专利类型:发明专利
专利申请号:CN202410418873.8
专利申请(专利权)人:安庆师范大学
权利人地址:安徽省安庆市菱湖南路128号
专利发明(设计)人:杨伟康,陆梦婕,杨斌,凌英,杨兴华,鲍广荣
专利摘要:本发明提供一种基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测系统,涉及乒乓球发球检测技术领域,具体步骤包括:S1.通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;S2.将N次发球时乒乓球上升的高度、乒乓球的旋转速度进行标记。本发明将上升高度的违规评分系数和旋转速度的违规评分系数综合分析,保证了发球时上升高度的判罚准确,为裁判员的判罚提供辅助,提升了乒乓球发球违规的判罚精度。
主权利要求:
1.一种基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于,具体步骤包括:S1.通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;
S2.将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;
S3.将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;
S4.将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;
S5.将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。
2.根据权利要求1所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:对所述乒乓球的运动轨迹进行分析和处理,获取N次发球时乒乓球上升的高度的过程如下:视频预处理:对采集到的视频进行预处理,包括调整图像亮度;
乒乓球检测:使用计算机视觉技术和跟踪算法,通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹;
运动轨迹分析:对乒乓球在视频中的运动轨迹进行分析,包括距离、速度和加速度的计算,通过对乒乓球运动轨迹的时间序列数据进行数学建模和分析,确定乒乓球的运动状态,包括上升的高度。
3.根据权利要求2所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:所述调整图像亮度通过直方图均衡化的过程如下:
计算图像的直方图,得到图像中各个灰度级别的像素数量,从采集到的视频中选择一帧图像作为处理对象,图像的直方图表示了图像中各个灰度级别的像素数量分布情况,通过统计图像中每个灰度级别的像素数量,得到图像的直方图;
计算累积分布函数:在得到图像的直方图后,计算图像的累积分布函数,累积分布函数表示图像中各个灰度级别像素的累积分布情况,即在当前灰度级别之前所有灰度级别的像素数量累积之和;
重新映射图像的像素值:根据直方图的累积分布函数,重新映射图像的像素值,将累积分布函数进行归一化处理,使其范围在0到1之间,对于图像中每个像素值,根据其原始灰度级别找到对应的累积分布函数值,并将该累积分布函数值乘以最大灰度级别,得到新的像素值;
应用新的像素值到图像上:将计算得到的新像素值应用到原始图像上,完成图像的均衡化,图像中的像素值将根据重新映射的规则得到调整。
4.根据权利要求2所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:所述乒乓球检测中,使用计算机视觉技术和跟踪算法,通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹的过程如下:视频帧分割:将采集到的视频分解为一系列连续的图像帧,每一帧都是一个静止的图像;
背景建模:在视频中,乒乓球是运动的目标,而背景是静止的,通过背景建模技术,将背景从图像中提取出来,显示乒乓球的运动轨迹;
目标跟踪:当乒乓球被检测到,跟踪乒乓球在视频序列中的运动轨迹,根据乒乓球在连续帧中的位置和外观信息,通过卡尔曼滤波器预测其下一帧的位置;
轨迹重建:通过对乒乓球在视频中的连续位置进行跟踪,重建其在时间上的运动轨迹,运动轨迹用来分析乒乓球的运动状态。
5.根据权利要求2所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:对运动轨迹分析,确定乒乓球上升的高度的过程如下;
数据获取:获取乒乓球的视频数据,并标注每一帧中乒乓球所在区域的边界框坐标,基于深度学习的目标检测算法,从视频中提取乒乓球的运动轨迹数据;
距离计算:根据轨迹数据,计算乒乓球在每个时间点的位置,通过计算乒乓球当前位置与前一个位置之间的距离,并累积计算得到;
速度计算:根据计算得到的位置数据,计算乒乓球在每个时间点的速度,速度通过计算乒乓球在相邻时间点之间的位移并除以时间间隔获得;
加速度计算:根据计算得到的速度数据,计算乒乓球在每个时间点的加速度,加速度通过计算乒乓球在相邻时间点之间的速度变化率获得;
高度确定:通过分析乒乓球的运动轨迹数据,找到乒乓球上升的最高点,最高点通常是速度为零时的位置,即乒乓球在上升过程中速度达到最大并开始下降的位置,通过在速度数据中找到零速度点,并获取其对应的位置,确定高度。
6.根据权利要求1所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:对所述乒乓球的旋转轨迹进行分析和处理,获取N次发球时乒乓球的旋转速度的过程如下:视频帧提取:从采集到的视频中提取每一帧图像;
乒乓球检测:在每一帧图像中,通过深度学习算法检测乒乓球的位置;
旋转轨迹提取:在检测到乒乓球位置的基础上,利用图像处理技术提取乒乓球的旋转轨迹;
旋转速度计算:根据提取的旋转轨迹数据,计算乒乓球在N次发球时的旋转速度,旋转速度通过相邻时间点之间的角度变化和时间间隔得到。
7.根据权利要求1所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域的过程如下:高度下限值设定:确定乒乓球发球时的上升高度的下限值,该值根据乒乓球规则和比赛标准预先设定,上升高度的下限值为发球时乒乓球必须达到的最低高度;
高度的下值域设定:将获取的N次乒乓球上升高度与预先设定的高度下限值进行比较,当高度低于设定的高度下限值,将其标记为高度的下值域,当高度高于设定的高度下限值,将其标记为高度的上值域;
旋转速度上限值设定:确定发球时乒乓球的旋转速度的上限值,该值根据乒乓球规则和比赛标准预先设定,旋转速度的上限值为发球时乒乓球必须达到的最高旋转速度;
旋转速度的下值域设定:将获取的N次乒乓球的旋转速度与预先设定的旋转速度下限值进行比较,当旋转速度高于设定的旋转速度上限值,将其标记为旋转速度的上值域,当旋转速度低于设定的旋转速度上限值,将其标记为旋转速度的下值域。
8.根据权利要求1所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:所述深度学习网络采用基于多层感知器的深度神经网络构成,所述多层感知器的深度神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层,所述第一隐藏层、第二隐藏层和第三隐藏层均具有至少两个神经元,且均采用ReLU作为激活函数。
9.根据权利要求1所述的基于视频识别的乒乓球发球判罚辅助检测方法,其特征在于:将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况的过程如下:当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数 旋转速度的违规评分系数阈值,则判定乒乓球的高度违规、乒乓球的旋转速度违规;
在高度违规和旋转速度均违规时,那么乒乓球发球确定违规;
当高度的违规评分系数 高度的违规评分系数阈值或旋转速度的违规评分系数 旋转速度的违规评分系数阈值,则判定乒乓球的高度违规或旋转速度违规;
在高度违规时,旋转速度未违规,那么乒乓球发球确定违规;
在高度未违规时,旋转速度违规,那么乒乓球发球是否违规不能确定;
当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数 旋转速度的违规评分系数阈值,则判定乒乓球的高度未违规、乒乓球的旋转速度未违规;
在高度违规和旋转速度均未违规时,那么乒乓球发球确定未违规。
10.一种基于视频识别的乒乓球发球判罚辅助检测系统,所述系统执行权利要求1‑9任一项所述的基于视频识别的乒乓球发球判罚辅助检测方法,包括:数据采集模块,用于通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;
特征标记模块,用于将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;
模型构建模块,用于将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;
系数获取模块,用于将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;
判断模块,用于将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。 说明书 : 基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测
系统技术领域[0001] 本发明涉及乒乓球发球检测技术领域,具体为一种基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测系统。背景技术[0002] 作为竞技运动的一种,乒乓球运动的技术发展与规则限制具有很大的相关性,比赛中使用的技术必须符合规则关于技术的合法性要求。而对是否符合规则的判定,乒乓球运动同网球,足球等大多数竞技运动一样,很大程度的依赖裁判员的主观判断,裁判员的主观判断大多依据经验,而由于经验判断的不确定和不精确性,将会或多或少的会导致一些误判,对运动员的比赛进程和心理都会产生很大的影响。[0003] 现有技术中的,公开号为CN106853289B公开了一种基于视频识别的乒乓球发球裁判辅助系统,包括高速摄像机,及与高速摄像机电连接的图像采集卡,及与图像采集卡电连接的上位机;及与上位机电连接的显示屏。本发明用于计算运动员发球的抛球高度和抛球角度,从而判定其发球合法性,为裁判员的判罚提供一定的科学参考,也为运动员质疑裁判的判罚提供一种辅助性的依据。[0004] 但是还存在如下不足,由上述的陈述可知,上述通过抛球高度和抛球角度判断乒乓球发球是否违规,要求发球时乒乓球在离开不执拍手的手掌之后上升要不少于16厘米和抛球角度垂直,但是打乒乓球时,发球时还需要乒乓球不能具有高旋转速度,当乒乓球具有高旋转速度时,特别是上旋发球时,球在上升的过程中由于旋转的影响会呈现出一种被称为“马格努斯效应”的现象,该效应会使得球的飞行轨迹产生偏移,使球的上升高度看起来比实际上升高度更高,而如果裁判或评判员仅依靠测量上升高度来判断发球是否违规,大概率会得出错误的结论。[0005] 因此本申请设计改进一种研究发球时乒乓球上升高度和旋转速度,综合判断发球是否符合规定,确保发球行为判罚准确的基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测系统。[0006] 在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。发明内容[0007] 本发明的目的在于提供一种基于视频识别的乒乓球发球判罚辅助检测方法及辅助检测系统,以解决上述背景技术中提出的问题。[0008] 为实现上述目的,本发明提供如下技术方案:[0009] 一种基于视频识别的乒乓球发球判罚辅助检测方法,具体步骤包括:[0010] S1.通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;[0011] S2.将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;[0012] S3.将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;[0013] S4.将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;[0014] S5.将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。[0015] 进一步地,对所述乒乓球的运动轨迹进行分析和处理,获取N次发球时乒乓球上升的高度的过程如下:[0016] 视频预处理:对采集到的视频进行预处理,包括调整图像亮度;[0017] 乒乓球检测:使用计算机视觉技术和跟踪算法,通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹;[0018] 运动轨迹分析:对乒乓球在视频中的运动轨迹进行分析,包括距离、速度和加速度的计算,通过对乒乓球运动轨迹的时间序列数据进行数学建模和分析,确定乒乓球的运动状态,包括上升的高度。[0019] 进一步地,所述调整图像亮度通过直方图均衡化的过程如下:[0020] 计算图像的直方图,得到图像中各个灰度级别的像素数量,从采集到的视频中选择一帧图像作为处理对象,图像的直方图表示了图像中各个灰度级别的像素数量分布情况,通过统计图像中每个灰度级别的像素数量,得到图像的直方图;[0021] 计算累积分布函数:在得到图像的直方图后,计算图像的累积分布函数,累积分布函数表示图像中各个灰度级别像素的累积分布情况,即在当前灰度级别之前所有灰度级别的像素数量累积之和;[0022] 重新映射图像的像素值:根据直方图的累积分布函数,重新映射图像的像素值,将累积分布函数进行归一化处理,使其范围在0到1之间,对于图像中每个像素值,根据其原始灰度级别找到对应的累积分布函数值,并将该累积分布函数值乘以最大灰度级别,得到新的像素值;[0023] 应用新的像素值到图像上:将计算得到的新像素值应用到原始图像上,完成图像的均衡化,图像中的像素值将根据重新映射的规则得到调整。[0024] 进一步地,所述乒乓球检测中,使用计算机视觉技术和跟踪算法,通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹的过程如下:[0025] 视频帧分割:将采集到的视频分解为一系列连续的图像帧,每一帧都是一个静止的图像;[0026] 背景建模:在视频中,乒乓球是运动的目标,而背景是静止的,通过背景建模技术,将背景从图像中提取出来,显示乒乓球的运动轨迹;[0027] 目标跟踪:当乒乓球被检测到,跟踪乒乓球在视频序列中的运动轨迹,根据乒乓球在连续帧中的位置和外观信息,通过卡尔曼滤波器预测其下一帧的位置;[0028] 轨迹重建:通过对乒乓球在视频中的连续位置进行跟踪,重建其在时间上的运动轨迹,运动轨迹用来分析乒乓球的运动状态。[0029] 进一步地,对运动轨迹分析,确定乒乓球上升的高度的过程如下;[0030] 数据获取:获取乒乓球的视频数据,并标注每一帧中乒乓球所在区域的边界框坐标,基于深度学习的目标检测算法,从视频中提取乒乓球的运动轨迹数据;[0031] 距离计算:根据轨迹数据,计算乒乓球在每个时间点的位置,通过计算乒乓球当前位置与前一个位置之间的距离,并累积计算得到;[0032] 速度计算:根据计算得到的位置数据,计算乒乓球在每个时间点的速度,速度通过计算乒乓球在相邻时间点之间的位移并除以时间间隔获得;[0033] 加速度计算:根据计算得到的速度数据,计算乒乓球在每个时间点的加速度,加速度通过计算乒乓球在相邻时间点之间的速度变化率获得;[0034] 高度确定:通过分析乒乓球的运动轨迹数据,找到乒乓球上升的最高点,最高点通常是速度为零时的位置,即乒乓球在上升过程中速度达到最大并开始下降的位置,通过在速度数据中找到零速度点,并获取其对应的位置,确定最高点的高度。[0035] 进一步地,对所述乒乓球的旋转轨迹进行分析和处理,获取N次发球时乒乓球的旋转速度的过程如下:[0036] 视频帧提取:从采集到的视频中提取每一帧图像;[0037] 乒乓球检测:在每一帧图像中,通过深度学习算法检测乒乓球的位置;[0038] 旋转轨迹提取:在检测到乒乓球位置的基础上,利用图像处理技术提取乒乓球的旋转轨迹;[0039] 旋转速度计算:根据提取的旋转轨迹数据,计算乒乓球在N次发球时的旋转速度,旋转速度通过相邻时间点之间的角度变化和时间间隔得到。[0040] 进一步地,所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域的过程如下:[0041] 高度下限值设定:确定乒乓球发球时的上升高度的下限值,该值根据乒乓球规则和比赛标准预先设定,上升高度的下限值为发球时乒乓球必须达到的最低高度;[0042] 高度的下值域设定:将获取的N次乒乓球上升高度与预先设定的高度下限值进行比较,当高度低于设定的高度下限值,将其标记为高度的下值域,当高度高于设定的高度下限值,将其标记为高度的上值域;[0043] 旋转速度上限值设定:确定发球时乒乓球的旋转速度的上限值,该值根据乒乓球规则和比赛标准预先设定,旋转速度的上限值为发球时乒乓球必须达到的最高旋转速度;[0044] 旋转速度的下值域设定:将获取的N次乒乓球的旋转速度与预先设定的旋转速度下限值进行比较,当旋转速度高于设定的旋转速度上限值,将其标记为旋转速度的上值域,当旋转速度低于设定的旋转速度上限值,将其标记为旋转速度的下值域。[0045] 进一步地,所述深度学习网络采用基于多层感知器的深度神经网络构成,所述多层感知器的深度神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层,所述第一隐藏层、第二隐藏层和第三隐藏层均具有至少两个神经元,且均采用ReLU作为激活函数。[0046] 进一步地,将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况的过程如下:[0047] 当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度违规、乒乓球的旋转速度违规;[0048] 在高度违规和旋转速度均违规时,那么乒乓球发球确定违规;[0049] 当高度的违规评分系数 高度的违规评分系数阈值或旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度违规或旋转速度违规;[0050] 在高度违规时,旋转速度未违规,那么乒乓球发球确定违规;[0051] 在高度未违规时,旋转速度违规,那么乒乓球发球是否违规不能确定;[0052] 当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度未违规、乒乓球的旋转速度未违规;[0053] 在高度违规和旋转速度均未违规时,那么乒乓球发球确定未违规。[0054] 一种基于视频识别的乒乓球发球判罚辅助检测系统,所述系统执行上述任一项所述的基于视频识别的乒乓球发球判罚辅助检测方法,包括:[0055] 数据采集模块,用于通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;[0056] 特征标记模块,用于将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;[0057] 模型构建模块,用于将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;[0058] 系数获取模块,用于将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;[0059] 判断模块,用于将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。[0060] 与现有技术相比,本发明的有益效果是:[0061] 本发明通过高速摄像机采集N次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次发球时乒乓球的旋转速度,将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,分别标记为高度的下值域、高度的上值域、旋转速度的上值域和旋转速度的下值域,将发球时乒乓球的高度和旋转速度划定区域范围,将高度的下值域、高度的上值域、旋转速度的上值域和旋转速度的下值域作为训练集,上升高度的违规评分系数和旋转速度的违规评分系数作为标签,通过深度学习网络,获得乒乓球的上升高度的违规评分系数和旋转速度的违规评分系数,将上升高度的违规评分系数和旋转速度的违规评分系数综合分析,保证了发球时上升高度的判罚准确,为裁判员的判罚提供辅助,提升了乒乓球发球违规的判罚精度。附图说明[0062] 图1为本发明的方法流程示意图;[0063] 图2为本发明的模块组成框图;具体实施方式[0064] 为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。[0065] 需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。[0066] 实施例:[0067] 请参阅图1至图2,本发明提供一种技术方案:[0068] 一种基于视频识别的乒乓球发球判罚辅助检测方法,如图1所示,具体步骤包括:[0069] S1.通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;[0070] S2.将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;[0071] S3.将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;[0072] S4.将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;[0073] S5.将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。[0074] 本实施例中,采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,其中,N大于等于1。[0075] 当打乒乓球时,一方面在发球时乒乓球在离开不执拍手的手掌之后上升要不少于16厘米,否则会被判罚发球违规;另一方面发球时需要用手将球几乎垂直的向上抛起,不得使球旋转,当乒乓球具有高旋转速度时,特别是上旋发球时,球在上升的过程中由于旋转的影响会呈现出一种被称为“马格努斯效应”的现象。这种效应会使得球的飞行轨迹产生偏移,使球的上升高度看起来比实际上升高度更高,而如果裁判或评判员仅仅依靠测量上升高度来判断发球是否违规,可能会得出错误的结论,认为发球是合法的,因为测量的高度符合规定,而实际上升高度低于比赛规定的16厘米。[0076] 因此,在这种情况下,裁判或评判员需要考虑乒乓球的旋转速度对于上升高度测量的影响,以综合判断发球是否符合规定,可以确保对于发球行为做出更准确的裁决。[0077] 在上述实施例的基础上,对所述乒乓球的运动轨迹进行分析和处理,获取N次发球时乒乓球上升的高度的过程如下:[0078] 视频预处理:对采集到的视频进行预处理,包括调整图像亮度;[0079] 乒乓球检测:使用计算机视觉技术和跟踪算法,通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹;[0080] 运动轨迹分析:对乒乓球在视频中的运动轨迹进行分析,包括距离、速度和加速度的计算,通过对乒乓球运动轨迹的时间序列数据进行数学建模和分析,可以确定乒乓球的运动状态,包括上升的高度;[0081] 其中,对采集到的视频进行图像亮度调整可以通过直方图均衡化,过程如下:[0082] 计算图像的直方图,得到图像中各个灰度级别的像素数量,从采集到的视频中选择一帧图像作为处理对象,图像的直方图表示了图像中各个灰度级别的像素数量分布情况,通过统计图像中每个灰度级别的像素数量,可以得到图像的直方图;[0083] 计算直方图的累积分布函数:在得到图像的直方图后,计算图像的累积分布函数,累积分布函数表示图像中各个灰度级别像素的累积分布情况,即在当前灰度级别之前所有灰度级别的像素数量累积之和;[0084] 重新映射图像的像素值:根据直方图的累积分布函数,重新映射图像的像素值,将累积分布函数进行归一化处理,使其范围在0到1之间,对于图像中每个像素值,根据其原始灰度级别找到对应的累积分布函数值,并将该累积分布函数值乘以最大灰度级别,得到新的像素值;[0085] 应用新的像素值到图像上:最后,将计算得到的新像素值应用到原始图像上,完成图像的均衡化,图像中的像素值将根据重新映射的规则得到调整,使得整体图像的亮度分布更均匀,亮度也得到了提高。[0086] 在乒乓球检测中,使用计算机视觉技术和跟踪算法,可以通过检测乒乓球的形状、颜色和运动方向特征,识别和跟踪乒乓球在视频中的运动轨迹,过程如下:[0087] 视频帧分割:首先,将采集到的视频分解为一系列连续的图像帧,每一帧都是一个静止的图像;[0088] 背景建模:在视频中,乒乓球是运动的目标,而背景是静止的,通过背景建模技术,可以将背景从图像中提取出来,从而突出乒乓球的运动轨迹;[0089] 目标跟踪:一旦乒乓球被检测到,就需要跟踪它在视频序列中的运动轨迹,根据乒乓球在连续帧中的位置和外观信息,通过卡尔曼滤波器预测其下一帧的位置;[0090] 轨迹重建:通过对乒乓球在视频中的连续位置进行跟踪,可以重建其在时间上的运动轨迹,这些轨迹可以用来分析乒乓球的运动状态,例如速度、加速度和旋转。[0091] 对运动轨迹分析,确定乒乓球上升的高度的过程如下;[0092] 数据获取:获取乒乓球的视频数据,并标注每一帧中乒乓球所在区域的边界框坐标,基于深度学习的目标检测算法,从视频中提取乒乓球的运动轨迹数据;[0093] 距离计算:根据轨迹数据,计算乒乓球在每个时间点的位置,通过计算乒乓球当前位置与前一个位置之间的距离,并累积计算得到;[0094] 速度计算:根据计算得到的位置数据,计算乒乓球在每个时间点的速度,速度可以通过计算乒乓球在相邻时间点之间的位移并除以时间间隔获得;[0095] 加速度计算:根据计算得到的速度数据,计算乒乓球在每个时间点的加速度,加速度可以通过计算乒乓球在相邻时间点之间的速度变化率获得;[0096] 高度确定:通过分析乒乓球的运动轨迹数据,找到乒乓球上升的最高点,最高点通常是速度为零时的位置,即乒乓球在上升过程中速度达到最大并开始下降的位置,通过在速度数据中找到零速度点,并获取其对应的位置,即可确定最高点的高度。[0097] 在上述实施例的基础上,对所述乒乓球的旋转轨迹进行分析和处理,获取N次发球时乒乓球的旋转速度的过程如下:[0098] 视频帧提取:从采集到的视频中提取每一帧图像;[0099] 乒乓球检测:在每一帧图像中,通过深度学习算法检测乒乓球的位置;[0100] 旋转轨迹提取:在检测到乒乓球位置的基础上,利用图像处理技术提取乒乓球的旋转轨迹;[0101] 旋转速度计算:根据提取的旋转轨迹数据,计算乒乓球在N次发球时的旋转速度,旋转速度可以通过分析乒乓球旋转轨迹中相邻时间点之间的角度变化,并除以时间间隔得到。[0102] 在上述实施例的基础上,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域的过程如下:[0103] 高度下限值设定:首先,确定乒乓球发球时的上升高度的下限值,这个值可以根据乒乓球规则和比赛标准预先设定,通常是一个固定的数值,表示发球时乒乓球必须达到的最低高度才能视为合规发球;[0104] 高度的下值域设定:将获取的N次乒乓球上升高度与预先设定的高度下限值进行比较,当高度低于设定的高度下限值,将其标记为高度的下值域,当高度高于设定的高度下限值,将其标记为高度的上值域;[0105] 旋转速度上限值设定:首先,确定发球时乒乓球的旋转速度的上限值,这个值可以根据乒乓球规则和比赛标准预先设定,通常是一个固定的数值,表示发球时乒乓球的旋转速度必须要低于该最低速度才能视为合规发球;[0106] 旋转速度的下值域设定:将获取的N次乒乓球的旋转速度与预先设定的旋转速度下限值进行比较,当旋转速度高于设定的旋转速度上限值,将其标记为旋转速度的上值域,当旋转速度低于设定的旋转速度上限值,将其标记为旋转速度的下值域。[0107] 在上述实施例的基础上,所述深度学习网络采用基于多层感知器的深度神经网络构成,所述多层感知器的深度神经网络包括输入层、第一隐藏层、第二隐藏层、第三隐藏层和输出层,所述第一隐藏层、第二隐藏层和第三隐藏层均具有至少两个神经元,且均采用ReLU作为激活函数。[0108] 本实施例中,多层感知器的深度神经网络的输入特征包括:高度的下值域和高度的上值域:2个特征,旋转速度的上值域和旋转速度的下值域:2个特征;[0109] 多层感知器的深度神经网络的结构为:[0110] 输入层**:接收4个特征的输入;[0111] 第一隐藏层:具有16个神经元,使用ReLU作为激活函数;[0112] 第二隐藏层:具有32个神经元,同样使用ReLU激活函数;[0113] 第三隐藏层:具有16个神经元,使用ReLU激活函数;[0114] 输出层:具有2个神经元,输出乒乓球的高度的违规评分系数和旋转速度的违规评分系数。[0115] 在上述实施例的基础上,将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况的过程如下:[0116] 当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度违规、乒乓球的旋转速度违规;[0117] 在高度违规和旋转速度均违规时,那么乒乓球发球确定违规;[0118] 当高度的违规评分系数 高度的违规评分系数阈值或旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度违规或旋转速度违规;[0119] 在高度违规时,旋转速度未违规,那么乒乓球发球确定违规;[0120] 在高度未违规时,旋转速度违规,那么乒乓球发球是否违规不能确定;[0121] 当高度的违规评分系数 高度的违规评分系数阈值,旋转速度的违规评分系数旋转速度的违规评分系数阈值,则判定乒乓球的高度未违规、乒乓球的旋转速度未违规;[0122] 在高度违规和旋转速度均未违规时,那么乒乓球发球确定未违规。[0123] 一种基于视频识别的乒乓球发球判罚辅助检测系统,所述系统执行上述任一项所述的基于视频识别的乒乓球发球判罚辅助检测方法,如图2所示,包括:[0124] 数据采集模块,用于通过高速摄像机采集N次和第N+1次发球时乒乓球的运动轨迹和旋转轨迹,对所述乒乓球的运动轨迹进行分析,获取N次和第N+1次发球时乒乓球上升的高度,对所述乒乓球的旋转轨迹进行分析,获取N次和第N+1次发球时乒乓球的旋转速度;[0125] 特征标记模块,用于将N次发球时所述乒乓球上升的高度、乒乓球的旋转速度进行标记,将所述发球时乒乓球上升的高度低于预先设置的乒乓球上升的高度下限值,标记为高度的下值域,将所述发球时乒乓球上升的高度高于预先设置的乒乓球上升的高度下限值,标记为高度的上值域,将所述发球时乒乓球的旋转速度高于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的上值域,将所述发球时乒乓球的旋转速度低于预先设置的乒乓球的旋转速度上限值,标记为旋转速度的下值域;[0126] 模型构建模块,用于将N次所述高度的下值域和高度的上值域,以及N次所述旋转速度的上值域和旋转速度的下值域作为训练集,对应的N次高度的违规评分系数和旋转速度的违规评分系数作为标签,输入至深度学习网络中进行训练;[0127] 系数获取模块,用于将第N+1次乒乓球上升的高度、乒乓球的旋转速度输入到模型中,获取第N+1次乒乓球的高度的违规评分系数和旋转速度的违规评分系数;[0128] 判断模块,用于将第N+1次乒乓球的高度的违规评分系数和预先设置的高度的违规评分系数阈值比较,将第N+1次乒乓球的旋转速度的违规评分系数和预先设置的旋转速度的违规评分系数阈值比较,判断乒乓球发球违规情况。[0129] 上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够通过电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。[0130] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。[0131] 以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
专利地区:安徽
专利申请日期:2024-04-09
专利公开日期:2024-09-03
专利公告号:CN118097516B