[发明专利]乒乓球轨迹捕捉分析方法及分析系统在审
申请号: | 202010946287.2 | 申请日: | 2020-09-10 |
公开(公告)号: | CN112085761A | 公开(公告)日: | 2020-12-15 |
发明(设计)人: | 贺琪欲;张海波;杨跞;许楠;张文 | 申请(专利权)人: | 上海庞勃特科技有限公司 |
主分类号: | G06T7/20 | 分类号: | G06T7/20;G06T17/00 |
代理公司: | 北京科石知识产权代理有限公司 11595 | 代理人: | 李艳霞 |
地址: | 201206 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 乒乓球 轨迹 捕捉 分析 方法 系统 | ||
1.一种乒乓球轨迹捕捉分析方法,其特征在于,包括以下步骤:
基于稀疏卷积神经网络对采集到的图像中的乒乓球进行检测,得到乒乓球检测结果;
对双目图像中的多个乒乓球进行匹配、重建和筛选,得到有效运动目标乒乓球的空间坐标点;
利用有效运动目标乒乓球的空间坐标点,得到有效乒乓球轨迹;
根据有效乒乓球轨迹对乒乓球训练效果和竞技对打技战术进行分析。
2.根据权利要求1所述的乒乓球轨迹捕捉分析方法,其特征在于,所述步骤基于稀疏卷积神经网络对采集到的图像中的乒乓球进行检测的具体过程为:
双目立体视觉子系统以固定帧率同步触发两台相机对乒乓球运动过程的图像进行采集,该图像包括左相机图像和右相机图像;
将两台相机对应采集到的左相机图像和右相机图像分别输入到不同线程中的稀疏卷积神经网络中;
利用稀疏卷积神经网络分别对左相机图像和右相机图像中的乒乓球进行检测,得到左相机中的乒乓球的坐标点和右相机图像中的乒乓球的坐标点。
3.根据权利要求2所述的乒乓球轨迹捕捉分析方法,其特征在于,所述稀疏卷积神经网络的获得过程为:
利用获取的目标场景图像构建数据集,并对数据集中每幅图像中包含的所有检测目标进行标注;
根据检测目标在图像中的比例范围,优化基准卷积神经网络N的结构,得到优化后的卷积神经网络Ni;
在构建的数据集上对优化后的卷积神经网络Ni进行损失函数添加稀疏正则化项的预训练,得到卷积神经网络Nt;
对卷积神经网络Nt进行卷积神经网络稀疏化,得到稀疏化的卷积神经网络
在数据集D上对稀疏化的卷积神经网络进行微调训练,得到最终的稀疏卷积神经网络Ns。
4.根据权利要求1所述的乒乓球轨迹捕捉分析方法,其特征在于,所述步骤对双目图像中的多个乒乓球进行匹配、重建和筛选的具体过程为:
对双目多目标图像进行匹配,得到有效坐标点匹配对的组合;
对有效坐标点匹配对的组合进行三维重建,得到同时出现在双目立体视觉子系统中的乒乓球的空间坐标点;
利用三维重建得到的同时出现在双目立体视觉子系统中的乒乓球的空间坐标点进行多目标筛选,得到有效运动目标乒乓球的空间坐标点。
5.根据权利要求4所述的乒乓球轨迹捕捉分析方法,其特征在于,所述步骤对双目多目标图像进行匹配,得到有效坐标点匹配对的组合的具体过程为:
利用双目立体视觉子系统的标定参数将坐标点PL[i],i=1,2,3,L,m]转换成左相机校正图中的坐标点PRL[i],i=1,2,3,L,m,将坐标点PR[j],j=1,2,3,L,n转换成右相机校正图中的坐标点PRR[j],j=1,2,3,L,n;
遍历搜索所有左相机校正图中的坐标点PRL[i]与右相机校正图中的坐标点PRR[j]的组合;
计算每对组合中坐标点PRL[i]与PRR[j]之间的极线距离PE;
判断极线距离PE是否满足极线约束;
遍历满足极线约束的坐标点匹配对(PRL[i],PRR[j])的组合Record,通过唯一性约束和次序约束从组合Record中筛选出k个有效的坐标点匹配对的组合。
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上海庞勃特科技有限公司,未经上海庞勃特科技有限公司许可,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/202010946287.2/1.html,转载请声明来源钻瓜专利网。