[发明专利]一种基于深度学习的球员识别方法在审
| 申请号： | 201811547459.8 | 申请日： | 2018-12-18 |
| 公开（公告）号： | CN109766768A | 公开（公告）日： | 2019-05-17 |
| 发明（设计）人： | 桂冠;邵蕾;曹文刚;路丽果;杨洁;熊健 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62;G06N3/04 |
| 代理公司： | 南京纵横知识产权代理有限公司 32224 | 代理人： | 董建林 |
| 地址： | 210003 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 球衣 视频 测试图片 分类类别 号码识别 篮球比赛 图片使用 自动识别 边界框 出标签 鲁棒性 数据集 截取 高清 权重 下载 算法 工作量 图片 测试 查找 学习 保存 清晰 分类 回归 | ||
1.一种基于深度学习的球员识别方法，其特征在于，所述识别方法包括以下步骤：
S1：采集赛事视频；
S2：根据所述赛事视频获取球衣号码清晰的球员图像；
S3：将球员图像输入至已训练好的提取网络中，提取球衣号码；
S4：根据球衣号码识别球员。
2.根据权利要求1所述的一种基于深度学习的球员识别方法，其特征在于：所述提取网络的训练方法包括：
(1)将已知信息的球员图像输入至提取网络中，通过Bounding Box标记出球衣号码的位置；
(2)使用YOLOv3算法对标记的球衣号码进行定位识别并分类；
(3)将识别出的球衣号码与球员信息进行匹配；
(4)匹配完成后根据迭代次数和分类对完成的文件进行保存。
3.根据权利要求1所述的一种基于深度学习的球员识别方法，其特征在于：所述步骤S2中球员图像的截取张数为210张。
4.根据权利要求1所述的一种基于深度学习的球员识别方法，其特征在于：所述步骤S3中的提取网络为Darknet-53网络。
5.根据权利要求2所述的一种基于深度学习的球员识别方法，其特征在于：所述步骤(4)中，当迭代次数小于1000时，每100次迭代保存一次；当迭代次数大于1000时，每10000次迭代保存一次。
6.根据权利要求2所述的一种基于深度学习的球员识别方法，其特征在于：所述步骤(4)中，将完成后的results文件‘yolov3-voc_final.weights’保存在backup文件夹中，形成数据库。
7.根据权利要求2所述的一种基于深度学习的球员识别方法，其特征在于：所述步骤S2中，将截取的球员图像转换为txt格式文件，并将所述txt格式文件与球员图像放置在同一个目录下，便于YOLOv3算法的使用。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811547459.8/1.html，转载请声明来源钻瓜专利网。
