Nothing Special   »   [go: up one dir, main page]

CN114005072A - 一种用于羽毛球运动的智能辅助裁判方法及系统 - Google Patents

一种用于羽毛球运动的智能辅助裁判方法及系统 Download PDF

Info

Publication number
CN114005072A
CN114005072A CN202111339274.XA CN202111339274A CN114005072A CN 114005072 A CN114005072 A CN 114005072A CN 202111339274 A CN202111339274 A CN 202111339274A CN 114005072 A CN114005072 A CN 114005072A
Authority
CN
China
Prior art keywords
badminton
coordinates
cameras
shuttlecock
coordinate system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111339274.XA
Other languages
English (en)
Inventor
赵晶晶
赵莹莹
张一帆
朱畅
李沐瀚
叶端南
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Petroleum East China
Original Assignee
China University of Petroleum East China
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Petroleum East China filed Critical China University of Petroleum East China
Priority to CN202111339274.XA priority Critical patent/CN114005072A/zh
Publication of CN114005072A publication Critical patent/CN114005072A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0605—Decision makers and devices using detection means facilitating arbitration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30221—Sports video; Sports image
    • G06T2207/30228—Playing field

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种用于羽毛球运动的智能辅助裁判方法及系统，它属于智能辅助工具领域。本发明解决了现有方法对羽毛球是否压线以及发球是否违例判断的准确率低的问题。本发明借助电脑的计算把比赛场地内的立体空间分隔成以毫米计算的测量单位；然后利用高速摄像头从不同角度同时捕捉羽毛球飞行轨迹的基本数据；再通过电脑计算，将这些数据生成三维图像；最后利用即时成像技术，由大屏幕清晰地呈现出羽毛球运动路线及落点。本发明方法对羽毛球是否压线和发球是否违例的判断准确率高，判断结果的错误率低于1％，而且获取结果迅速，整个过程在10s以内。本发明可以应用于智能辅助工具领域用。

Description

一种用于羽毛球运动的智能辅助裁判方法及系统
技术领域
本发明属于智能辅助工具领域，具体涉及一种用于羽毛球运动的智能辅助裁判方法及系统。
背景技术
羽毛球是一项隔着球网，使用长柄网状球拍击打用羽毛和软木制作而成的一种小型球类的室内运动项目，近些年来羽毛球运动也被越来越多的人们所喜爱。羽毛球运动在长方形的场地上进行，场地中间有网相隔，双方运用各种发球、击球和移动等技战术，将球在网上往返对击，以不使球落在本方有效区域内，或使对方击球失误为胜。同时，羽毛球运动作为大学体育课中的一个项目，在学校中也有许多的比赛，但是由于裁判人数不够以及质量不高等问题，会导致对羽毛球边线是否压线以及发球是否违例进行判断的准确率较低，参赛者经常对于判罚有着很大的争议，因此，通过智能裁判来辅助主裁进行适当的判断，对提高学生比赛的公正性以及专业性有着重要的意义。
发明内容
本发明的目的是为解决现有方法对羽毛球是否压线以及发球是否违例判断的准确率低的问题，而提出了一种用于羽毛球运动的智能辅助裁判方法及系统。
本发明为解决上述技术问题所采取的技术方案是：
一种用于羽毛球运动的智能辅助裁判方法，所述方法具体通过以下步骤实现：
步骤一、将四个摄像机分别布设于羽毛球场地四个底角的周围；
步骤二、从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；
根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例；
步骤三、采用步骤二的坐标计算方法获得连续的多个时刻下羽毛球在三维图像中的坐标后，得到羽毛球的飞行轨迹，进而获得羽毛球的落地弹跳点；
根据羽毛球的落地弹跳点判断羽毛球是否压线。
进一步地，所述方法从四个摄像机采集的视频数据中获取图像之前，需要对羽毛球场地的各条边线进行校准，并将比赛场地内的立体空间分隔成以毫米计算的测量单位。
进一步地，所述步骤二是以1000帧/秒的速度从摄像机采集的视频数据中获取图像的。
进一步地，所述步骤二中，从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；其具体过程为：
步骤二一、当羽毛球在场地的某一侧内时，则利用布设于该侧的两个摄像机来采集视频数据；
对于任一采集时刻，分别从两个摄像机所采集的视频数据中获取该时刻的场地图像；
步骤二二、分别对步骤二一中获取的图像中的羽毛球位置进行识别；
步骤二三、建立世界坐标系，设羽毛球的某个像素点在一张图像中的投影点P的坐标为
Figure BDA0003351857940000021
在另一张图像中的投影点P′的坐标为
Figure BDA0003351857940000022
对两个摄像机分别进行标定，获得投影矩阵T和T′；
Figure BDA0003351857940000023
Figure BDA0003351857940000024
其中，Q为该像素点在世界坐标系下的齐次坐标，S1和S2为中间变量；
将投影矩阵T分解成行向量T11、T12、T13，则
Figure BDA0003351857940000025
同理得到公式(4)：
Figure BDA0003351857940000026
联立公式(3)和公式(4)得到公式(5)：
Figure BDA0003351857940000027
根据公式(5)求解齐次坐标Q；
步骤二四、重复步骤二三的过程，获得羽毛球的每个像素点在世界坐标系下的齐次坐标。
进一步地，所述根据公式(5)求解齐次坐标，所采用的求解方法为SVD分解或最小二乘法。
进一步地，所述根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例，其具体过程为：
根据羽毛球的中心像素点坐标计算羽毛球距离地面的高度，若羽毛球距离地面的高度大于1.15米，则认为属于发球违例，否则羽毛球距离地面的高度小于等于1.15米，则认为不属于发球违例。
一种用于羽毛球运动的智能辅助裁判系统，所述系统用于执行一种用于羽毛球运动的智能辅助裁判方法。
本发明的有益效果是：
本发明借助电脑的计算把比赛场地内的立体空间分隔成以毫米计算的测量单位；然后利用高速摄像头从不同角度同时捕捉羽毛球飞行轨迹的基本数据；再通过电脑计算，将这些数据生成三维图像；最后利用即时成像技术，由大屏幕清晰地呈现出羽毛球运动路线及落点。本发明方法对羽毛球是否压线和发球是否违例的判断准确率高，判断结果的错误率低于1％，而且获取结果迅速，整个过程在10s以内。
附图说明
图1为本发明的一种用于羽毛球运动的智能辅助裁判方法的流程图。
具体实施方式
具体实施方式一、结合图1说明本实施方式。本实施方式所述的一种用于羽毛球运动的智能辅助裁判方法，所述方法具体通过以下步骤实现：
步骤一、将四个摄像机分别布设于羽毛球场地四个底角的周围；
步骤二、从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；
根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例；
步骤三、采用步骤二的坐标计算方法获得连续的多个时刻下羽毛球在三维图像中的坐标后，得到羽毛球的飞行轨迹，进而获得羽毛球的落地弹跳点；
根据羽毛球的落地弹跳点判断羽毛球是否压线。
采用本发明方法获得的羽毛球落地弹跳点的误差在3毫米以内。
裁判、球员和现场观众可以立刻从现场的大屏幕上看到电脑模拟的慢动作回放，系统还可以显示比赛中的争议球压线与否，用于辅助裁判员进行裁决。
具体实施方式二：本实施方式与具体实施方式一不同的是，所述方法从四个摄像机采集的视频数据中获取图像之前，需要对羽毛球场地的各条边线进行校准，并将比赛场地内的立体空间分隔成以毫米计算的测量单位。
使得羽毛球运行的轨迹被各部摄像机捕捉到后，可以在建模区域上映射预测的飞行路径，能够通过画面呈现。
其它步骤及参数与具体实施方式一相同。
具体实施方式三：本实施方式与具体实施方式一或二不同的是，所述步骤二是以1000帧/秒的速度从摄像机采集的视频数据中获取图像的。
其它步骤及参数与具体实施方式一或二相同。
具体实施方式四：本实施方式与具体实施方式一至三之一不同的是，所述步骤二中，从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；其具体过程为：
步骤二一、当羽毛球在场地的某一侧内时，则利用布设于该侧的两个摄像机来采集视频数据；
对于任一采集时刻，分别从两个摄像机所采集的视频数据中获取该时刻的场地图像；即对于某一时刻，从其中一个摄像头采集的视频数据中获取在该时刻对应的图像，再从其中另一个摄像头采集的视频数据中获取在该时刻对应的图像，两张图像分别来自于两个摄像机，且两张图像对应于同一时刻；
步骤二二、分别对步骤二一中获取的图像中的羽毛球位置进行识别；
所述步骤二二的具体过程为：
S1)：采集羽毛球的不同姿态的图像作为样本数据集；
S2)：构建基于Faster-RCNN算法的深度神经网络，所述Faster-RCNN算法包括候选框提取模块和检测模块；
S3)：基于样本数据集对所述所述深度神经网络进行训练，得到Faster-RCNN的训练模型；
所述Faster-RCNN训练模型包括卷积层、区域生成网络、兴趣区域池化层和分类器，所述卷积层提取图像的特征映射，所述区域生成网络生成候选区域，所述兴趣区域池化层收集输入的特征映射和候选集，提取候选特征映射，所述分类器，利用候选特征映射计算候选集的类别，同时再次边框回归获得识别目标的精确位置；
S4)：利用Faster-RCNN训练模型识别羽毛球并确定羽毛球在图像中的位置。
步骤二三、建立世界坐标系，设羽毛球的某个像素点在获取的一张图像中的投影点P的坐标为
Figure BDA0003351857940000051
(即羽毛球在该图像的成像平面坐标系下的坐标)，在获取的另一张图像中的投影点P′的坐标为
Figure BDA0003351857940000052
(即羽毛球在该图像的成像平面坐标系下的坐标)；
对两个摄像机分别进行标定，获得投影矩阵T和T′，投影矩阵T和T′的大小均为3×4；
Figure BDA0003351857940000053
Figure BDA0003351857940000054
其中，Q为该像素点在世界坐标系下的齐次坐标，S1和S2为中间变量，S1为拍摄投影点P所在图像的摄像机对应的成像矩阵，S2为拍摄投影点P′所在图像的摄像机对应的成像矩阵；
将投影矩阵T分解成行向量T11、T12、T13，则
Figure BDA0003351857940000055
同理得到公式(4)：
Figure BDA0003351857940000056
联立公式(3)和公式(4)得到公式(5)：
Figure BDA0003351857940000061
根据公式(5)求解齐次坐标Q；
步骤二四、重复步骤二三的过程，获得羽毛球的每个像素点在世界坐标系下的齐次坐标。
需要判断是否存在发球违例时，则要从视频数据中截取出发球时刻两个摄像机采集的图像，再采用本实施方式的方法得到羽毛球在世界坐标系下的齐次坐标，根据得到的坐标获得羽毛球的高度，以判断是否存在发球违例。当需要判断羽毛球是否出界时，则从两个摄像机所采集的视频数据中获取多个时刻的图像，其中，每个时刻均对应于两张图像，两张图像分别来自于两个摄像机；再采用本实施方式的方法得到多个时刻下羽毛球在世界坐标系下的齐次坐标，根据连续多个时刻下羽毛球的坐标获得羽毛球的飞行轨迹，根据羽毛球的落地弹跳点判断羽毛球是否压界。
需要注意的是，当羽毛球在哪侧场地时，就利用哪侧的两个摄像头所采集的视频数据，以提高判断的准确率。
其它步骤及参数与具体实施方式一至三之一相同。
具体实施方式五：本实施方式与具体实施方式一至四之一不同的是，所述根据公式(5)求解齐次坐标，所采用的求解方法为SVD分解或最小二乘法。
其它步骤及参数与具体实施方式一至四之一相同。
具体实施方式六：本实施方式与具体实施方式一至五之一不同的是，所述根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例，其具体过程为：
根据羽毛球的中心像素点坐标计算羽毛球距离地面的高度，若羽毛球距离地面的高度大于1.15米，则认为属于发球违例，否则羽毛球距离地面的高度小于等于1.15米，则认为不属于发球违例。
取羽毛球所在像素区域的最小外接矩形，将最小外接矩形的中心作为羽毛球的中心像素点，再将中心像素点距离地面的距离作为羽毛球距离地面的高度。
其它步骤及参数与具体实施方式一至五之一相同。
具体实施方式七：本实施方式所述的一种用于羽毛球运动的智能辅助裁判系统，所述系统用于执行一种用于羽毛球运动的智能辅助裁判方法。
本发明的上述算例仅为详细地说明本发明的计算模型和计算流程，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (7)

1.一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述方法具体包括以下步骤：
步骤一、将四个摄像机分别布设于羽毛球场地四个底角的周围；
步骤二、从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；
根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例；
步骤三、采用步骤二的坐标计算方法获得连续的多个时刻下羽毛球在三维图像中的坐标后，得到羽毛球的飞行轨迹，进而获得羽毛球的落地弹跳点；
根据羽毛球的落地弹跳点判断羽毛球是否压线。
2.根据权利要求1所述的一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述方法从四个摄像机采集的视频数据中获取图像之前，需要对羽毛球场地的各条边线进行校准，并将比赛场地内的立体空间分隔成以毫米计算的测量单位。
3.根据权利要求2所述的一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述步骤二是以1000帧/秒的速度从摄像机采集的视频数据中获取图像的。
4.根据权利要求3所述的一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述步骤二中，从四个摄像机采集的视频数据中获取图像，并对获取到的图像中的羽毛球位置进行识别；利用识别出的羽毛球位置得到羽毛球在世界坐标系的三维图像中的坐标；其具体过程为：
步骤二一、当羽毛球在场地的某一侧内时，则利用布设于该侧的两个摄像机来采集视频数据；
对于任一采集时刻，分别从两个摄像机所采集的视频数据中获取该时刻的场地图像；
步骤二二、分别对步骤二一中获取的图像中的羽毛球位置进行识别；
步骤二三、建立世界坐标系，设羽毛球的某个像素点在一张图像中的投影点P的坐标为
Figure FDA0003351857930000011
在另一张图像中的投影点P′的坐标为
Figure FDA0003351857930000012
对两个摄像机分别进行标定，获得投影矩阵T和T′；
Figure FDA0003351857930000013
Figure FDA0003351857930000021
其中，Q为该像素点在世界坐标系下的齐次坐标，S1和S2为中间变量；
将投影矩阵T分解成行向量T11、T12、T13，则
Figure FDA0003351857930000022
同理得到公式(4)：
Figure FDA0003351857930000023
联立公式(3)和公式(4)得到公式(5)：
Figure FDA0003351857930000024
根据公式(5)求解齐次坐标Q；
步骤二四、重复步骤二三的过程，获得羽毛球的每个像素点在世界坐标系下的齐次坐标。
5.根据权利要求4所述的一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述根据公式(5)求解齐次坐标，所采用的求解方法为SVD分解或最小二乘法。
6.根据权利要求5所述的一种用于羽毛球运动的智能辅助裁判方法，其特征在于，所述根据发球时刻羽毛球在世界坐标系的三维图像中的坐标，判断是否存在发球违例，其具体过程为：
根据羽毛球的中心像素点坐标计算羽毛球距离地面的高度，若羽毛球距离地面的高度大于1.15米，则认为属于发球违例，否则羽毛球距离地面的高度小于等于1.15米，则认为不属于发球违例。
7.一种用于羽毛球运动的智能辅助裁判系统，其特征在于，所述系统用于执行权利要求1至权利要求6之一所述的一种用于羽毛球运动的智能辅助裁判方法。
CN202111339274.XA 2021-11-12 2021-11-12 一种用于羽毛球运动的智能辅助裁判方法及系统 Pending CN114005072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111339274.XA CN114005072A (zh) 2021-11-12 2021-11-12 一种用于羽毛球运动的智能辅助裁判方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111339274.XA CN114005072A (zh) 2021-11-12 2021-11-12 一种用于羽毛球运动的智能辅助裁判方法及系统

Publications (1)

Publication Number Publication Date
CN114005072A true CN114005072A (zh) 2022-02-01

Family

ID=79928842

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111339274.XA Pending CN114005072A (zh) 2021-11-12 2021-11-12 一种用于羽毛球运动的智能辅助裁判方法及系统

Country Status (1)

Country Link
CN (1) CN114005072A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103252073A (zh) * 2013-06-06 2013-08-21 龚伟明 球类运动的边线裁判系统及裁判方法
CN107146254A (zh) * 2017-04-05 2017-09-08 西安电子科技大学 多相机系统的相机外参数标定方法
CN107729295A (zh) * 2017-10-19 2018-02-23 广东工业大学 一种羽毛球的实时落点预判方法、平台及设备
CN109087328A (zh) * 2018-05-31 2018-12-25 湖北工业大学 基于计算机视觉的羽毛球落点位置预测方法
CN109684919A (zh) * 2018-11-15 2019-04-26 重庆邮电大学 一种基于机器视觉的羽毛球发球违例判别方法
CN109876417A (zh) * 2019-04-06 2019-06-14 接楚添 基于计算机视觉检测技术的羽毛球发球助理裁判系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103252073A (zh) * 2013-06-06 2013-08-21 龚伟明 球类运动的边线裁判系统及裁判方法
CN107146254A (zh) * 2017-04-05 2017-09-08 西安电子科技大学 多相机系统的相机外参数标定方法
CN107729295A (zh) * 2017-10-19 2018-02-23 广东工业大学 一种羽毛球的实时落点预判方法、平台及设备
CN109087328A (zh) * 2018-05-31 2018-12-25 湖北工业大学 基于计算机视觉的羽毛球落点位置预测方法
CN109684919A (zh) * 2018-11-15 2019-04-26 重庆邮电大学 一种基于机器视觉的羽毛球发球违例判别方法
CN109876417A (zh) * 2019-04-06 2019-06-14 接楚添 基于计算机视觉检测技术的羽毛球发球助理裁判系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
TING, H. Y. 等: "Kinect-based badminton movement recognition and analysis system", 《INTERNATIONAL JOURNAL OF COMPUTER SCIENCE IN SPORT 》, vol. 14, 31 December 2015 (2015-12-31), pages 25 - 41 *
许庆勇: "《基于深度学习理论的纹身图像识别与检测研究》", 31 December 2018, 华中科技大学出版社, pages: 10 *
阚江明 等: "《基于计算机视觉的活立木三维重建方法》", 30 November 2011, 中国环境科学出版社, pages: 100 - 102 *
黄刚: "双目视觉系统实现羽毛球实时跟踪", 《电子测量与仪器学报》, vol. 35, no. 6, 30 June 2021 (2021-06-30), pages 117 - 123 *

Similar Documents

Publication Publication Date Title
US11715214B1 (en) Systems and methods for indicating user performance in launching a basketball toward a basketball hoop
US9036864B2 (en) Ball trajectory and bounce position detection
JP6609327B2 (ja) 仮想環境構築装置、仮想環境構築方法、プログラム、および記録媒体
CN107871120B (zh) 基于机器学习的体育赛事理解系统及方法
CN104504694B (zh) 一种获取运动球体三维信息的方法
US11798318B2 (en) Detection of kinetic events and mechanical variables from uncalibrated video
CN109961039B (zh) 一种个人进球视频捕捉方法及系统
CN111444890A (zh) 一种基于机器学习的体育数据分析系统和方法
CN103617614B (zh) 一种在视频图像中确定乒乓球落点数据的方法及系统
CN108596942A (zh) 一种利用单摄像机精准判断球类落点的系统和方法
CN109684919B (zh) 一种基于机器视觉的羽毛球发球违例判别方法
US11893808B2 (en) Learning-based 3D property extraction
CN111754549B (zh) 一种基于深度学习的羽毛球运动员轨迹提取方法
CN115845349A (zh) 基于深度学习技术进行运动目标检测的球类运动项目通用训练方法及辅助裁判系统
CN110910489B (zh) 一种基于单目视觉的智能球场运动信息采集系统与方法
TWI822380B (zh) 球體追蹤系統及方法
CN107537149B (zh) 确定用于拍摄球图像的关心区域的方法、系统及非暂时性计算机可读记录介质
CN114005072A (zh) 一种用于羽毛球运动的智能辅助裁判方法及系统
CN115393373A (zh) 一种面向球场视频的单目三维抛物线球轨迹跟踪方法、系统、介质及设备
CN105879350A (zh) 一种高尔夫球评分方法及其系统
TWI782649B (zh) 羽球殺球測量系統及其方法
CN116785661A (zh) 一种球类运动体感训练方法及系统
CN114550048A (zh) 高尔夫等级考试评分方法、存储介质及系统
CN119090972A (zh) 针对隔网球类运动的技战术能力监测、分析系统和方法
CN117635655A (zh) 基于事件相机和传统光学相机的即时回放方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination