[发明专利]一种基于历史网球赛视频分析的对战策略辅助训练方法

权利要求书

1.一种基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于，主要包括以下步骤：

步骤S1：定义某职业球员在网球赛中的单拍回球质量，包含相关量化数据，例如双方开球至得分为止双方当前对战的拍数占双方的总拍数的百分比；

步骤S2：将该球员历史网球赛中回球拍的回球质量、对手的击球相关数据(包括三维击球轨迹信息、击球得分、击球角度、对手身份、击球球速、击球三维轨迹、击球类型、潜在噪声分布以及球员移动二维轨迹数据)输入至基于神经记忆网络的生成对抗网络模型，输出该球员的预测回球轨迹图、回球分类以及回球相关数据(包括回球角度、回球球速)；

步骤S3：将所述基于神经记忆网络的生成对抗网络模型，通过减少分类器的监督损失进行学习，得到该球员的网球对战回球决策模型；

步骤S4：在网球比赛前将所述球员对手的历史网球赛数据输入至所述球员的网球回球决策模型，通过改变输入回球质量，得到该球员战胜对手的回球策略以及球员需要避免的失误回球以辅助球员训练。

2.根据权利要求1所述的基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于：所述步骤S1中将网球赛中发球方的单拍表示为一个集合S₁＝{a_i|i＝1，2，…，n₁}，接发球方的单拍表示为一个集合S₂＝{b_j|j＝1，2，…，n₂}，定义某职业球员在网球赛中的单拍回球质量q_i，包含所有量化数据，例如：单拍回球质量其中i、j分别表示开球至得分为止双方当前对战的拍数，n₁、n₂分别表示双方开球至得分为止对战的总拍数，若该职业球员最终得分，则q_i＞0，若该职业球员最终失误，则q_i＜0。

3.根据权利要求1所述的基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于，所述步骤S2包括以下步骤：

步骤S201：将所述输入数据中的职业球员对手op_t的三维击球轨迹曲线[x_1，t，y_1，t，z_1，t]中的[x_1，t，y_1，t]以线性映射的方式绘制在二维标准网球场地图中，并添加对战双方当前的二维移动轨迹信息，得到二维击球轨迹图H_t；

步骤S202：将所述二维击球轨迹图添加球轨迹高度信息z_1，t，z_1，t的变化通过颜色渐变算子映射至二维标准网球场地图中，对二维球轨迹进行颜色渐变渲染，得到具有三维球轨迹信息的二维击球轨迹图；

步骤S203：将所述职业球员对手op_t具有三维信息的二维击球轨迹图片H_t输入至由9层深度卷积神经网络构成的感知网络，得到该职业球员p对于op_t击球轨迹、球员移动的感知信息编码P_t＝f_PN(H_t)；

步骤S204：将所述职业球员p的击球感知信息编码P_t展成向量形式，并添加此时球员回球拍所需的回球质量q_t、当前网球赛比分score_t、对手的身份op_t、对手击球球速S_t、潜在噪声分布n_t以及对手击球轨迹角度α_t的编码信息，得到此时的击球情景记忆表示

EM_t＝[FC_EM(flatten(P_t))，q_t，score_t，op_t，S_t，α_t，n_t]；

步骤S205：将所述职业球员p的情景记忆序列EM＝[EM₁，EM₂，EM₃，…，EM_t]通过门控循环单元进行编码，更新隐状态h_t＝GRU(EM_t，h_t-1)，再计算门函数作为注意力机制加权更新所述情景记忆的隐状态得到时间步t情景向量然后更新情景记忆编码mⁱ＝GRU(eⁱ，m^i-1)，经过T_M次传递后得到最终情景记忆编码

步骤S206：将所述情景记忆编码传入门控循环单元网络，输出职业球员p的语义记忆编码其中为隐状态

步骤S207：将所述职业球员p的击球语义记忆编码SM_t输入至由与感知网络对称结构的响应生成网络，得到该职业球员p的具有三维球轨迹信息的二维预测回球响应轨迹图再将该回球响应轨迹图展成向量，通过2层全连接层，得到此时预测的回球球速、回球角度编码信息，即

步骤S208：将所述球员p的三维回球球轨迹信息通过与所述步骤S201、S202类似的方式生成具有三维球轨迹信息的二维回球轨迹图R_t；

步骤S209：将所述预测回球响应轨迹图与所述球员真实回球响应轨迹图R_t混合，通过2层卷积神经网络展成向量形式，并添加上述网球赛编码信息，再通过2层全连接网络，分成两路构成分类器进行分类，其中一路对于回球响应图的真实性进行预测，即

另一路分类器对于的回球响应类型进行分类，即