[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

说明书

本发明提供一种基于历史网球赛视频分析的对战策略辅助训练方法，根据网球运动轨迹进行分析，得到战胜对手的击球轨迹以及相关细化数据，给出辅助建议。通过定义单拍回球质量，采集网球比赛对战数据信息并加以标记，通过颜色渲染，使二维网球轨迹带上三维信息，并通过感知网络，获得该轨迹的感知信息编码，通过记忆网络生成情景记忆、语义记忆；加上相应量化数据输入响应网络的生成预测轨迹，并与实际球员回球轨迹进行对抗，最小化监督误差，不断优化预测响应模块，形成网球对战回球辅助模型，输入对手历史网球赛数据，通过改变输入回球质量，模拟球员与对手的对战过程，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。

技术领域

本发明涉及深度学习技术领域，特别涉及一种基于历史网球赛视频分析的对战策略辅助训练方法、系统。

背景技术

在职业网球运动中，网球的运动速度很快，从快球运动中准确预测对手动作的能力被认为是一项了不起的壮举，考虑到目前球的速度超过130英里/小时，接受者就对手的意图做出决定并做出回应所需的时间可能会超过球的飞行时间，因此训练运动员这种能力成为提升比赛胜率的关键，再者对于赛后观看高球速视频分析从中获取指导信息较难实现，大多为人工分析标记，效率低，细化处难以发现。

在机器学习领域，研究人员对更好地理解影响快球运动决策的因素越来越感兴趣，但很少有研究将对潜在神经机制的观察转化为机器学习中的神经建模，特别是决策属性方面，该预测能力包含从感觉记忆到存储在情景记忆中的经验，以及从语义记忆中获得的知识，现有最先进的方法试图通过手工制作来捕捉底层语义，这种方法大大减低其运作效率，并且手工制作的功能只在给定的环境中捕获抽象级别的语义，无法在多个数据挖掘和知识发现任务中代表上下文，针对于此，结合网球实例，并鉴于当前比赛跟踪数据的完善，本发明推导出一种新的端到端深度学习方法，自主形成情景记忆以及语义记忆，预测玩家行为，进行归因分析，帮助运动员赛后分析，提供高性能指导，是本领域技术人员亟待解决的问题。

发明内容

有鉴于此，本发明目的在以提供一种基于历史网球赛视频分析的对战策略辅助训练方法、系统，以解决在网球视频可视化情境下运动员击球预测，以及在自动生成学习情景记忆、语义记忆下人工捕捉的局限性，并以此生成击球预测，归因分析，给出相应击球细节指导，便于分析对手招式并进行自我提升。其具体实施方案如下：

定义单拍回球质量，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，得到单拍回球质量其中q_i＞0，职业球员最终得分，q_i＜0，职业球员最终失误失分；

结合单拍回球质量，在此基础上采集网球赛中每回合击球得分、击球角度、球员身份、击球球速、击球三维轨迹、击球类型以及球员移动二维轨迹数据，构建网球赛的球员对战数据；

将对战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，得到二维网球轨迹的击球图；

在只包含二维信息的网球轨迹图中，为二维轨迹赋予颜色，在同一轨迹下，不同位置线段颜色不同，代表该位点的高度信息，通过颜色渐变算子映射至二维标准网球场地图中，经颜色渐变渲染，得到具有三维球轨迹信息的二维击球轨迹图；

基于上诉二维网球轨迹图，进行网球击球决策与归因分析，如下；