[发明专利]体育视频数据的处理方法、装置、计算机设备及计算机存储介质

权利要求书

1.一种体育视频数据的处理方法，其特征在于，所述方法包括：

获取体育视频样本数据，所述体育视频样本数据中包含携带有技术动作标签的体育视频图片；

将所述体育视频样本数据中携带有技术动作标签的体育视频图片输入至深度学习模型中进行训练，构建动作识别模型，所述动作识别模型用于识别体育视频图片中的技术动作；

当接收到体育视频数据的处理请求时，将待处理体育视频数据中的体育视频图片输入至所述动作识别模型，得到体育视频图片中的技术动作；

基于所述处理请求中携带的请求信息，对每个体育视频图片中的技术动作进行统计，得到体育视频数据的处理结果。

2.根据权利要求1所述的方法，其特征在于，所述深度学习模型为深度残差网络，所述深度残差网络包括多层结构，所述将所述体育视频样本数据中携带有技术动作标签的体育视频图片输入至深度学习模型中进行训练，构建动作识别模型包括：

通过所述深度残差网络的卷积层提取体育视频图片的特征，得到体育视频图片在不同技术动作上的特征参数；

通过所述深度残差网络的池化层对所述体育视频图片在不同技术动作上的特征参数进行降维处理，得到降维处理后体育视频图片在不同技术动作上的特征参数；

通过所述深度残差网络的全连接层汇总所述降维处理后体育视频图片在不同技术动作上的特征参数，得到体育视频图片中表征不同技术动作的权重值；

通过所述深度残差网络的分类层根据所述体育视频图片中表征不同技术动作的权重值生成体育视频图片中技术动作的识别结果。

3.根据权利要求1所述的方法，其特征在于，所述获取体育视频样本数据，具体包括：

收集采集设备捕获的体育视频数据，按照预设时间间隔对所述体育视频数据进行分割，得到多段体育视频帧数据；

从每段体育视频帧数据中选取多个体育视频图片，基于体育视频图片中的技术动作对所述体育视频图片进行标记，得到体育视频样本数据。

4.根据权利1中任一项所述的方法，其特征在于，当所述处理请求为统计体育视频数据中第一技术动作的出现次数时，所述请求信息中携带有请求统计的第一技术动作，所述基于所述处理请求中携带的请求信息，对每个体育视频图片中的技术动作进行统计，得到体育视频数据的处理结果包括：

通过对体育视频数据中识别得到的技术动作进行连续性判定，统计体育视频数据中每个技术动作的出现次数；

根据所述体育视频数据中每个技术动作的出现次数，确定第一技术动作的出现次数，得到体育视频数据的处理结果；

所述通过对体育视频数据中识别得到的技术动作进行连续性判定，统计体育视频数据中每个技术动作的出现次数，具体包括：

基于体育视频数据中每个视频图片识别得到的技术动作，如果体育视频数据中连续出现大于或等于预设数量的体育视频图片识别得到的技术动作相同，则判定体育视频数据中出现一次技术动作，统计体育视频数据中每个技术动作的出现次数。

5.根据权利要求1所述的方法，其特征在于，在所述当接收到体育视频数据的处理请求时，将待处理体育视频数据中的体育视频图片输入至所述动作识别模型，得到体育视频图片中的技术动作之后，所述方法还包括：

基于采集设备捕获的不同角度以及不同距离的体育视频数据，对所述体育视频数据进行划分，得到不同采集角度以及不同采集距离的体育视频数据。

6.根据权利要求5所述的方法，其特征在于，所述基于采集设备捕获的不同角度以及不同距离的体育视频数据，对所述体育视频数据进行划分，具体包括：

通过人体检测算法识别体育视频图片中的人体目标，确定人体目标在体育视频图片中的坐标以及大小；

根据所述人体目标在体育视频图片中的坐标以及大小，计算人体目标在体育视频图片中的占比值；

基于人体目标在体育视频图片中的占比值对所述体育视频数据进行划分，得到不同采集角度以及不同采集距离的体育视频数据。