[发明专利]一种篮球位置点的生成方法及设备

权利要求书

1.一种篮球位置点的生成方法，其特征在于，包括以下步骤：

基于深度学习训练篮球检测模型；

获取投篮过程视频的连续视频帧；

将所有视频帧输入篮球检测模型，输出所有视频帧的篮球的检测框，包括所有检测框的坐标；

过滤错误输出的检测框；

判断从篮球员出手投篮时刻所对应的视频帧开始到篮球进入篮筐或脱离篮筐时刻所对应的视频帧结束的所有视频帧中，误检的检测框是否全部被过滤掉；

如有未被过滤的误检的检测框，则将其过滤；

如已经过滤掉和/或有漏检的视频帧，则记录下被过滤掉检测框和/或有漏检的视频帧的前一帧中篮球的检测框da和帧号a；

向后遍历每一帧如果某一帧中出现了篮球的检测框，则记录下该帧中篮球的检测框db和帧号b；

通过检测框da的坐标和检测框db的坐标，计算a+1帧开始到b-1帧结束的检测框的坐标；

计算da和db在x和y方向上的距离，并计算视频帧b和视频帧a之间所有帧的篮球检测框的平均坐标值：x_avg,y_avg；

从a+1帧开始到b-1帧结束，依次将第a帧的检测框的x和y加上x_avg和y_avg作为该视频帧中检测框的位置，并以第a帧中检测框的大小作为该视频帧中篮球的检测框大小；

根据未被过滤的检测框计算出被过滤检测框和/或漏检检测框的视频帧上的实际检测框数据；生成完整的投篮过程中篮球的检测框数据。

2.根据权利要求1所述的篮球位置点的生成方法，其特征在于，利用基于深度学习的物体检测算法，对进球视频投篮阶段的每一视频帧进行检测，输出每一视频帧的篮球的检测框。

3.根据权利要求1或2所述的篮球位置点的生成方法，其特征在于，所述视频帧包括从投篮球员开始投篮动作到篮球进篮筐或进篮失败动作结束的视频片段的所有视频帧。

4.根据权利要求1所述的篮球位置点的生成方法，其特征在于，所述检测框数据包括检测框大小和检测框坐标。

5.根据权利要求1所述的篮球位置点的生成方法，其特征在于，对输出的篮球的检测框进行滤波，过滤掉检测错误的检测框，包括步骤：

将连续视频帧分为若干组当前帧和后一帧，计算当前帧和后一帧中两组检测框的欧式距离d；

若距离d大于预设的距离阈值dt，判断后一帧中的检测框为误检的检测框，将其过滤；

若距离d小于预设的距离阈值dt，判断后一帧中的检测框为检测正确的检测框，将其保留。

6.根据权利要求1所述的篮球位置点的生成方法，其特征在于，所述检测框的大小为帧号a的检测框的大小。

7.根据权利要求1所述的篮球位置点的生成方法，其特征在于，篮球检测模型训练步骤为，

获取各类篮球比赛视频；

对所述篮球比赛视频，抽取视频帧，并将其保存成图片，将所有非比赛片段的图片删除；

对图片中篮球检测框进行标注；

利用标注数据训练基于卷积神经网络的篮球检测模型。

8.一种篮球位置点的生成设备，其特征在于，用于实现权利要求1-7任意一项所述的篮球位置点的生成方法，包括：

视频获取单元，获取需要处理的视频，输出视频帧；

模型训练单元，训练篮球检测模型，以实现自动识别篮球目标，输出检测框；

第一处理单元，将视频帧输入篮球检测模型，输出每一视频帧中的检测框；

第二处理单元，过滤检测错误输出的检测框；

第三处理单元，补充被过滤掉错误输出检测框或有漏检检测框的视频帧上的实际检测框；

输出单元，输出在视频中最终的篮球位置点图。