[发明专利]一种冰壶球运动状态估计方法有效
申请号: | 202010435770.4 | 申请日: | 2020-05-21 |
公开(公告)号: | CN111709301B | 公开(公告)日: | 2023-04-28 |
发明(设计)人: | 金晶;姜宇;刘劼;沈毅 | 申请(专利权)人: | 哈尔滨工业大学 |
主分类号: | G06V20/40 | 分类号: | G06V20/40;G06V10/774 |
代理公司: | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人: | 刘景祥 |
地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 冰壶球 运动 状态 估计 方法 | ||
本发明的一种冰壶球运动状态估计方法,属于人工智能与图像处理领域。步骤一:建立冰壶球数据集,训练冰壶球目标检测网络和转角检测网络;步骤二:采用训练好的冰壶球目标检测网络对冰壶球比赛视频序列进行检测,获取冰壶球边界框信息;步骤三:将冰壶球边界框信息取出,初始化冰壶球目标跟踪网络,在后续视频帧中持续跟踪冰壶球目标,获得冰壶球的中心坐标;步骤四:根据冰壶球边界框信息,将该冰壶球从原始图像中截取出来,送入训练好的转角检测网络进行转角提取;步骤五:通过坐标转换,将图像坐标系下的冰壶球的中心坐标和转角转换为冰壶赛场上的冰壶球坐标和转角。本发明对冰壶球状态和把手转角的估计结果更为准确。
技术领域
本发明涉及基于一种冰壶球运动状态估计方法,属于人工智能与图像处理领域。
背景技术
冰壶是一项需要复杂策略和高超运动控制技术的运动,对于运动员的体力和智力水平要求较高,因而被称为“冰上象棋”,冰壶球的运动轨迹往往与其出手速度、出手角度、旋转角速度、冰面状况等因素关系密切。从冰壶球视频中实时地提取出冰壶球的运动信息有着广泛的应用前景,包括辅助冰壶运动员进行训练、提高观众对冰壶比赛的观赏体验、建立冰壶球运动学模型等。
但由于冰面比较光滑,且冰场均位于室内,由于室内光照的问题,冰面容易反光,以传统的图像处理方法进行处理,受到的干扰极大。且传统的图像处理方法难以估计冰壶球的实时运动状态。因此,迫切需要新型的处理方法对冰面实施监测以及对冰壶球的运动状态进行估计。
随着人工智能、图像识别的快速发展,使用深度学习模型对图像进行物体检测的方法越来越完善。与传统图像处理方法相比,深度学习模型能够通过海量数据学习到丰富的特征,再辅以数据增强等手段,能够较好的克服冰壶场地的光照变化和冰壶球表面的反光等干扰因素,预测的结果较为鲁棒。
发明内容
本发明的目的是提出一种冰壶球运动状态估计方法,以解决目前现有的图像处理方法由于易受冰面反光影响预测冰壶球运动状态不够稳定准确的问题。
一种冰壶球运动状态估计方法,所述估计方法包括以下步骤:
步骤一:建立冰壶球数据集,训练冰壶球目标检测网络Yolov3和转角检测网络;
步骤二:采用训练好的冰壶球目标检测网络Yolov3对冰壶球比赛视频序列进行检测,获取冰壶球边界框信息;
步骤三:将所述冰壶球边界框信息取出,初始化冰壶球目标跟踪网络,在后续视频帧中持续跟踪冰壶球目标,获得冰壶球的中心坐标;
步骤四:根据所述冰壶球边界框信息,将该冰壶球从原始图像中截取出来,送入训练好的转角检测网络进行转角提取;
步骤五:通过坐标转换,将图像坐标系下的冰壶球的中心坐标和转角转换为冰壶赛场上的冰壶球坐标和转角。
进一步的,步骤一中包括以下步骤:
步骤一一、获取标注的冰壶球数据集,为每个冰壶球标注边界框和把手;
步骤一二、将标注好的冰壶球数据集划分为训练集和验证集,使用验证集数据训练冰壶球目标检测网络Yolov3;
步骤一三、利用标注好的冰壶球把手数据集,训练转角检测网络。
进一步的,步骤二中包括以下步骤:
步骤二一、将图像输入至卷积神经网络,输出零至多个边界框,边界框的信息由[x1,y1,x2,y2]表示,其中(x1,y1)为冰壶球边界框的左上角坐标,(x2,y2)为冰壶球边界框的右下角坐标;
步骤二二、统计边界框的个数N,如果N≥1,执行步骤三,否则重新执行步骤二。
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哈尔滨工业大学,未经哈尔滨工业大学许可,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/202010435770.4/2.html,转载请声明来源钻瓜专利网。