[发明专利]一种基于深度学习的球员识别方法

说明书

本发明公开了一种基于深度学习的球员识别方法，该方法步骤：(1)下载高清篮球比赛的视频，并将视频抽成一帧一帧的图片；(2)在图片上对运动员进行截取，得到210张球衣号码较为清晰的运动员图片；(3)根据球员的球衣号码，对210张图片使用Bounding Box标记出号码的位置，并给出标签完成分类；(4)对YOLOv3算法进行修改后对数据集进行训练，训练完成后保存训练好的权重；(5)对测试图片进行测试，直接回归出目标的边界框及分类类别，实现球衣号码的定位以及号码识别，从而实现球员的识别，本发明能够利用对球衣号码的定位以及识别实现对运动员的自动识别，测试结果具有很好的准确性和鲁棒性，大大减少了以往普遍采用的人工查找方式的工作量。

技术领域

本发明涉及基于深度学习的识别领域，具体涉及一种基于深度学习的球员识别方法。

背景技术：

运动比赛中通常会录制大量的视频，工作人员通过观看比赛视频来统计每个球员的具体表现，统计的过程往往耗费了大量的人力和物力。随着人工智能的发展，这些繁琐的工作可以用人工智能取代，那么如何快速识别球员成为普遍关注的问题。由于球场的拍摄通常都是远距离的拍摄，拥有较低的像素，而现在的人脸识别技术以及现有相机的像素远远达不到精确识别球员的程度。也有方法是通过人体的姿态来识别人体，但由于运动场上球员的姿态较为复杂，无法精确学习到哪些球员具有哪些姿态。实际应用的球员识别仍然是一个具有挑战性的问题。

本发明把球衣号码作为球员最有效的特征之一，通过对球衣号码进行识别从而识别球员，为检索特定运动员图像提供了思路，大大减少了以往普遍采用的人工查找方式的工作量。

发明内容

现有的摄像头分辨率不够高，且对于远距离的识别有一定的局限性，所以通过人脸对球员进行识别目前无法完成。球员在球场的姿态变化不定，伴随着一定程度的扭曲,同时伴随着手臂的摆动，网络学习较为困难，所以通过姿态对球员进行识别难度较大。现在的人工统计浪费了太多的人力和财力，而且存在较大的误差。本发明的目的在于提供一种基于深度学习的球员识别方法，通过对号码的识别从而识别球员、数据集的创建以及深度学习模型的建立。

一种基于深度学习的球员识别方法，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。

优选的，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。

优选的，所述步骤S2中球员图像的截取张数为210张。

优选的，所述步骤S3中的提取网络为Darknet-53网络。

优选的，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。

优选的，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。