CN108009468A - 一种马拉松赛事反作弊方法、电子设备和存储介质 - Google Patents

一种马拉松赛事反作弊方法、电子设备和存储介质 Download PDF

Info

Publication number
CN108009468A
CN108009468A CN201710994359.9A CN201710994359A CN108009468A CN 108009468 A CN108009468 A CN 108009468A CN 201710994359 A CN201710994359 A CN 201710994359A CN 108009468 A CN108009468 A CN 108009468A
Authority
CN
China
Prior art keywords
player
image information
compared
face
marathon race
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710994359.9A
Other languages
English (en)
Inventor
陈泽然
邓立邦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Phase Intelligent Technology Co Ltd
Original Assignee
Guangdong Phase Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Phase Intelligent Technology Co Ltd filed Critical Guangdong Phase Intelligent Technology Co Ltd
Priority to CN201710994359.9A priority Critical patent/CN108009468A/zh
Publication of CN108009468A publication Critical patent/CN108009468A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161—Detection; Localisation; Normalisation
    • G06V40/166—Detection; Localisation; Normalisation using acquisition arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Library & Information Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种马拉松赛事反作弊方法，包括以下步骤：获取赛道上摄像头拍摄到的所有选手的视频图像信息；将识别得到的视频图像信息与参赛选手资料库内的选手图像信息进行比对以得比对结果；根据比对结果进行预警。本发明还公开了一种电子设备和计算机可读存储介质。本发明的马拉松赛事反作弊方法，通过获取各路径点的图像信息以确认各运动员身份与运动员数据库的资料是否一致，立即预警并将关键图像抽取，发送并通知组委会和裁判，以便迅速对参赛人员实施干预；并将相关视频及图像信息保存，作为后续处理的证据。既能最大限度保证赛事的公平性，又能节省人力成本，大幅提高效率，避免处理的滞后性。

Description

一种马拉松赛事反作弊方法、电子设备和存储介质
技术领域
本发明涉及一种图像识别技术领域，尤其涉及一种马拉松赛事反作弊方法、电子设备和存储介质。
背景技术
近年来，中国的马拉松赛事呈井喷式发展。
马拉松热背后，也出现了越来越多的作弊案例。作弊事件都是赛后经网友举报才被发现，再经过组委会工作人员人工排查、对比照片和芯片信息后才最终确认并对外公布，这样一个周期耗时长、耗费人力多，更存在严重的滞后性。组委会和裁判员也承认，之前只有取得名次的运动员才会精准核实成绩和个人资料，而对于广大业余参赛者，除了赛后举报之外，很难确认是否存在替跑等作弊行为。
一方面，替跑等作弊行为屡见不鲜，也有愈演愈烈的趋势，中国田径协会更出重拳大力打击，持“零容忍”的态度；但另一方面，排查确认工作仅靠举报和人工赛后确认却效率低下，更可能出现“漏网之鱼”，所以，更高效、更准确、更及时的马拉松赛事反作弊系统就亟需研发出来，填补市场的空白。
发明内容
为了克服现有技术的不足，本发明的目的之一在于提供一种马拉松赛事反作弊方法，其能解决马拉松比赛中节省人力以及提高效率的问题。
本发明的目的之二在于提供一种电子设备，其能解决马拉松比赛中节省人力以及提高效率的问题。
本发明的目的之三在于提供一种计算机可读存储介质，其能解决马拉松比赛中节省人力以及提高效率的问题。
本发明的目的之一采用如下技术方案实现：
一种马拉松赛事反作弊方法，包括以下步骤：
获取步骤：获取赛道上摄像头拍摄到的所有选手的视频图像信息，抽取视频图像信息中的选手图像信息；
比对步骤：将识别得到的选手图像信息与参赛选手资料库内的选手登记信息进行比对以得比对结果；
预警步骤：根据比对结果进行预警。
进一步地，所述比对步骤中，将识别得到的选手图像信息与参赛选手资料库内的选手登记信息进行一一比对以得到比对结果。
进一步地，所述选手登记信息包括选手面部特征集，所述选手面部特征集为通过预录入的视频或者通过签到处摄像头拍摄到的视频图像得到的。
进一步地，所述视频图像信息包括人面部图像特征和号码牌信息；选手登记信息包括选手面部特征集和选手号码集；所述比对步骤具体包括以下子步骤：
第一面部比对步骤：通过人脸识别技术将获取得到的人面部图像特征与参赛选手资料库内的选手面部特征集进行比对，如果比对成功，则执行第一文字比对步骤，如果比对失败，则执行预警步骤；
第一文字比对步骤：通过文字识别技术将识别到的号码牌信息与参赛选手资料库内的选手号码集进行比对以得比对结果。
进一步地，所述视频图像信息包括人面部特征集和号码牌信息；选手登记信息包括选手面部特征集和选手号码集；所述比对步骤具体包括以下子步骤：
第二文字比对步骤：通过文字识别技术将识别到的号码牌信息与参赛选手资料库内的选手号码集进行比对，如果比对成功，则执行第二面部比对步骤，如果比对失败，则执行预警步骤；
第二面部比对步骤：通过人脸识别技术将获取得到的人面部图像特征与参赛选手资料库内的选手面部特征进行比对以得比对结果。
进一步地，所述选手面部信息为选手的模型特征向量集，所述模型特征向量集由模型特征向量构成，所述模型特征向量为选手模型特征点的位移变化；所述人面部图像特征为人面部特征向量，所述人脸识别技术主要包括以下子步骤：
抽取视频图像信息中的关键帧以构建人面部特征向量，所述人面部特征向量为人面部特征点的位移变化；
将人面部特征向量与模型特征向量集进行比对，当人面部特征向量与模型特征向量的相似度超过预设值时，则比对成功，执行步骤第一文字比对步骤或者得到比对结果，否则，比对失败执行预警步骤。
进一步地，所述模型特征点的数量为70至75之间的任意一数值。
进一步地，所述预设值为85％。
本发明的目的之二采用如下技术方案实现：
一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明目的之一中任意一行所述的马拉松赛事反作弊方法。
本发明的目的之三采用如下技术方案实现：
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上任意一项所述的方法。
相比现有技术，本发明的有益效果在于：
本发明的马拉松赛事反作弊方法，通过获取各个跑道的图像信息以确认各运动员身份与运动员数据库的资料是否一致，立即预警并将关键图像抽取，发送并通知组委会和裁判，以便迅速对参赛人员实施干预、判决，并将相关视频及图像信息保存，作为后续处理的证据。既能最大限度保证赛事的公平性，又能节省人力成本，大幅提高效率，避免处理的滞后性。
附图说明
图1为本发明的马拉松赛事反作弊方法的流程图；
图2为本发明的马拉松赛事反作弊装置的结构图。
具体实施方式
下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
实施例一：
本发明的马拉松赛事反作弊系统，主要包括以下装置：摄像头：多个摄像头设置在赛程各计时点，用于捕捉参赛者的视频图像。如图2所示，其主要包括签到模块、识别判断模块以及预警模块；
参赛选手资料库：成功报名后，预先录入各参赛选手的基本资料，证件号、参赛编号、姓名、性别，照片等参赛选手信息；除了照片还可以录入参赛选手的视频信息存储；
签到模块：比赛进场签到时，通过摄像头获取签到选手的面部视频图像，调取参赛选手资料库中参赛选手报名时提交的照片或者视频信息，核对面部视频图像与照片的一致性来确认参赛者是不是本人。同时核对参赛选手的其他基本信息是否一致，一致则完成签到，进行比赛相关装备发放，装备包括印有参赛者姓名、参赛编号的号码牌。比赛时，参赛者须将号码牌粘贴在上身前胸、后背的正中位置，以便赛程中摄像头能够清晰捕捉到号码牌图像。
识别判断模块：比赛开始时，在赛程中实时接收各签到点或赛道两边设置的摄像头拍摄的各参赛者的视频图像，通过人脸识别技术遍历参赛选手资料库和签到模块的参赛者照片、视频信息，判断参赛者人脸信息的一致性核对参赛者身份；通过文字识别技术识别参赛者身上佩戴的参赛号码牌，判断其与参赛选手资料库中各参赛者录入的姓名、参赛编号、性别的一致，全部一致通过验证则判定赛程中的参赛者为本人，其判断顺序也可以调换。
预警模块：接收到识别判断模块的判断结果，发现参赛者信息比对不一致时，立即进行预警，通知相关工作人员进行核查处理。
如图1所示，本实施例提供了一种马拉松赛事反作弊方法，包括以下步骤：
S1：获取赛道上摄像头拍摄到的所有选手的视频图像信息，抽取视频图像信息中的选手图像信息；
S2：将识别得到的选手图像信息与参赛选手资料库内的选手登记信息进行比对以得比对结果；所述视频图像信息包括人面部图像特征和号码牌信息；进行比对的时候是将选手图像信息与资料库内中的选手登记信息进行一一的比对，从而得到比较最接近的图像；选手图像信息包括选手面部特征集和选手号码集；所述步骤S2具体包括以下子步骤：
S21：通过人脸识别技术将获取得到的人面部图像与参赛选手资料库内的选手面部信息进行比对，如果比对成功，则执行S22，如果比对失败，则执行步骤 S3；
S22：通过文字识别技术将识别到的号码牌信息与参赛选手资料库内的号码牌信息进行比对以得比对结果；人脸识别与号码牌识别步骤可以任意一个先或者后处理都不影响最终识别判断结果。
其中所述选手面部信息为选手的模型特征向量集，所述模型特征向量集由模型特征向量构成，所述模型特征向量为选手模型特征点的位移变化；所述模型特征点的数量为70至75之间的任意一数值。人的面部结构及五官形态组合在面部表情变化时具有显著特征。通过学习和不断校正，根据面部的眉毛、眼睛、眼角、鼻子、鼻孔、嘴唇、颧骨等面部五官及各个组成部分的结构、轮廓组合特点，查找出能够体现人的脸部表情变化、且在各种光线投射外部环境影响下、人脸各角度偏移时、有明确像素点颜色分布特征的、稳定的72个关键点，基于面部72个关键点进行识别。
所述人脸识别技术主要包括以下子步骤：
抽取视频图像信息中的关键帧以构建人面部特征向量，所述人面部特征向量为人面部特征点的位移变化；
将人面部特征向量与模型特征向量集进行比对，当人面部特征向量与模型特征向量的相似度超过预设值时，所述预设值为85％。则比对成功，执行步骤 S22a或者得到比对结果，否则，比对失败执行步骤S3。由于每个人的脸部特征点的移动轨迹是经过几年，甚至是几十年的长期练习形成的，特征点的移动轨迹较稳定，我们通过分析视频中各人脸的特征点的变化特征来完成对不同人的区分。我们提取签到时摄像头拍摄的签到参赛者的视频图像，持续计算各参赛者面部图像在不同面部动作变化时72个点的坐标分布情况，得到各面部图像面部72 个关键点的坐标偏移向量集。根据各参赛者签到时面部动作变化时，面部图像面部72个关键点的偏移向量数据作为训练集学习，建立各参赛者的面部图像特征向量集模版库，即每位参赛者的人脸特征识别模型。将上述各参赛者的面部识别模型对应存储到参赛者资料库中。在赛程中，通过各签到点和赛道两边摄像头获取各参赛者的比赛过程视频图像。实时提取视频图像，对图像抽取关键帧进行图像预处理、图像分割，对应每位参赛者上身佩戴粘贴的号码牌对每个参赛者进行身份鉴别。通过文字识别技术，对参赛者的号码牌进行识别，通过系统数据库的登记信息对应到各参赛选手资料库的参赛者信息，对比数据库中登记的人脸信息与视频中人脸的一致性。
S3：根据比对结果进行预警。对应上述号码牌识别结果，对每位参赛者提取面部图像，构建面部72个关键点，持续计算各参赛者不同面部动作变化时面部 72个关键点的偏移向量，与签到时建立好的各面部图像特征向量集模版库做比对，相似度85％以上的则通过验证。如号码牌识别结果对应参赛者的人脸识别比对结果不一致，则进行预警；通知相关工作人员进行核查处理。
本发明利用摄像头拍摄获取所有经过计时点运动员的视频图像，通过图像识别技术，获取人脸、号码布数字、颜色(区分男女运动员)的信息，快速匹配，检查各运动员身份与运动员数据库的资料是否一致。一旦其中一个拍摄点的信息不一致，立即预警并将关键图像抽取，发送并通知组委会和裁判，以便迅速对参赛人员实施干预、判决，并将相关视频及图像信息保存，作为后续处理的证据。既能最大限度保证赛事的公平性，又能节省人力成本，大幅提高效率，避免处理的滞后性。
实施例二
实施例二公开了一种电子设备，该电子设备包括处理器、存储器以及程序，其中处理器和存储器均可采用一个或多个，程序被存储在存储器中，并且被配置成由处理器执行，处理器执行该程序时，实现实施例一的马拉松赛事反作弊方法。该电子设备可以是手机、电脑、平板电脑等等一系列的电子设备。
实施例三
实施例三公开了一种可读的计算机存储介质，该存储介质用于存储程序，并且该程序被处理器执行时，实现实施例一的马拉松赛事反作弊方法。
上述实施方式仅为本发明的优选实施方式，不能以此来限定本发明保护的范围，本领域的技术人员在本发明的基础上所做的任何非实质性的变化及替换均属于本发明所要求保护的范围。

Claims (10)

1.一种马拉松赛事反作弊方法，其特征在于，包括以下步骤：
获取步骤：获取赛道上摄像头拍摄到的所有选手的视频图像信息，抽取视频图像信息中的选手图像信息；
比对步骤：将识别得到的选手图像信息与参赛选手资料库内的选手登记信息进行比对以得比对结果；
预警步骤：根据比对结果进行预警。
2.如权利要求1所述的马拉松赛事反作弊方法，其特征在于，所述比对步骤中，将识别得到的选手图像信息与参赛选手资料库内的选手登记信息进行一一比对以得到比对结果。
3.如权利要求1所述的马拉松赛事反作弊方法，其特征在于，所述选手登记信息包括选手面部特征集，所述选手面部特征集为通过预录入的视频或者通过签到处摄像头拍摄到的视频图像得到的。
4.如权利要求1所述的马拉松赛事反作弊方法，其特征在于，所述视频图像信息包括人面部图像特征和号码牌信息；选手登记信息包括选手面部特征集和选手号码集；所述比对步骤具体包括以下子步骤：
第一面部比对步骤：通过人脸识别技术将获取得到的人面部图像特征与参赛选手资料库内的选手面部特征集进行比对，如果比对成功，则执行第一文字比对步骤，如果比对失败，则执行预警步骤；
第一文字比对步骤：通过文字识别技术将识别到的号码牌信息与参赛选手资料库内的选手号码集进行比对以得比对结果。
5.如权利要求1所述的马拉松赛事反作弊方法，其特征在于，所述视频图像信息包括人面部特征集和号码牌信息；选手登记信息包括选手面部特征集和选手号码集；所述比对步骤具体包括以下子步骤：
第二文字比对步骤：通过文字识别技术将识别到的号码牌信息与参赛选手资料库内的选手号码集进行比对，如果比对成功，则执行第二面部比对步骤，如果比对失败，则执行预警步骤；
第二面部比对步骤：通过人脸识别技术将获取得到的人面部图像特征与参赛选手资料库内的选手面部特征进行比对以得比对结果。
6.如权利要求4或5所述的马拉松赛事反作弊方法，其特征在于，所述选手面部信息为选手的模型特征向量集，所述模型特征向量集由模型特征向量构成，所述模型特征向量为选手模型特征点的位移变化；所述人面部图像特征为人面部特征向量，所述人脸识别技术主要包括以下子步骤：
抽取视频图像信息中的关键帧以构建人面部特征向量，所述人面部特征向量为人面部特征点的位移变化；
将人面部特征向量与模型特征向量集进行比对，当人面部特征向量与模型特征向量的相似度超过预设值时，则比对成功，执行步骤第一文字比对步骤或者得到比对结果，否则，比对失败执行预警步骤。
7.如权利要求6所述的马拉松赛事反作弊方法，其特征在于，所述模型特征点的数量为70至75之间的任意一数值。
8.如权利要求6所述的马拉松赛事反作弊方法，其特征在于，所述预设值为85％。
9.一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-8中任意一项所述的马拉松赛事反作弊方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-8任意一项所述的方法。
CN201710994359.9A 2017-10-23 2017-10-23 一种马拉松赛事反作弊方法、电子设备和存储介质 Pending CN108009468A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710994359.9A CN108009468A (zh) 2017-10-23 2017-10-23 一种马拉松赛事反作弊方法、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710994359.9A CN108009468A (zh) 2017-10-23 2017-10-23 一种马拉松赛事反作弊方法、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN108009468A true CN108009468A (zh) 2018-05-08

Family

ID=62051087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710994359.9A Pending CN108009468A (zh) 2017-10-23 2017-10-23 一种马拉松赛事反作弊方法、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN108009468A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108875667A (zh) * 2018-06-27 2018-11-23 北京字节跳动网络技术有限公司 目标识别方法、装置、终端设备和存储介质
CN108874474A (zh) * 2018-06-21 2018-11-23 北京卡路里科技有限公司 参赛对象的确定方法、装置、存储介质及处理器
CN109063536A (zh) * 2018-06-01 2018-12-21 浙江理工大学 一种反射式舞台人员身份识别方法
CN109701261A (zh) * 2019-01-11 2019-05-03 中国科学院重庆绿色智能技术研究院 射击比赛管理方法、系统、设备及存储介质
CN110222635A (zh) * 2019-06-04 2019-09-10 陕西工业职业技术学院 一种防替跑系统
CN110837784A (zh) * 2019-10-23 2020-02-25 中山大学 一种基于人体头部特征的考场偷窥作弊检测系统
CN110852161A (zh) * 2019-10-08 2020-02-28 上海淡竹体育科技有限公司 实时识别运动中人员身份的方法、装置及系统
CN112535856A (zh) * 2020-11-12 2021-03-23 北京壹体体育产业发展有限公司 一种比赛成绩数据获取系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080170762A1 (en) * 2007-01-15 2008-07-17 Takeshi Endo Alcohol test system, alcohol test device, alcohol test method, and program
CN101690845A (zh) * 2009-10-13 2010-04-07 福州闽缘电子有限公司 竞走运动犯规自动监测系统
CN103208212A (zh) * 2013-03-26 2013-07-17 陈秀成 一种防作弊的远程在线考试的方法与系统
CN103324911A (zh) * 2013-05-30 2013-09-25 苏州福丰科技有限公司 一种基于人脸识别的防作弊系统
CN104063690A (zh) * 2014-06-25 2014-09-24 广州卓腾科技有限公司 基于人脸识别技术的身份认证方法、装置及系统
CN106529414A (zh) * 2016-10-14 2017-03-22 国政通科技股份有限公司 一种通过图像比对实现结果认证的方法
CN107220590A (zh) * 2017-04-24 2017-09-29 广东数相智能科技有限公司 一种基于活体检测的防作弊网络调研方法、装置及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080170762A1 (en) * 2007-01-15 2008-07-17 Takeshi Endo Alcohol test system, alcohol test device, alcohol test method, and program
CN101690845A (zh) * 2009-10-13 2010-04-07 福州闽缘电子有限公司 竞走运动犯规自动监测系统
CN103208212A (zh) * 2013-03-26 2013-07-17 陈秀成 一种防作弊的远程在线考试的方法与系统
CN103324911A (zh) * 2013-05-30 2013-09-25 苏州福丰科技有限公司 一种基于人脸识别的防作弊系统
CN104063690A (zh) * 2014-06-25 2014-09-24 广州卓腾科技有限公司 基于人脸识别技术的身份认证方法、装置及系统
CN106529414A (zh) * 2016-10-14 2017-03-22 国政通科技股份有限公司 一种通过图像比对实现结果认证的方法
CN107220590A (zh) * 2017-04-24 2017-09-29 广东数相智能科技有限公司 一种基于活体检测的防作弊网络调研方法、装置及系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109063536A (zh) * 2018-06-01 2018-12-21 浙江理工大学 一种反射式舞台人员身份识别方法
CN108874474A (zh) * 2018-06-21 2018-11-23 北京卡路里科技有限公司 参赛对象的确定方法、装置、存储介质及处理器
CN108875667A (zh) * 2018-06-27 2018-11-23 北京字节跳动网络技术有限公司 目标识别方法、装置、终端设备和存储介质
CN108875667B (zh) * 2018-06-27 2021-03-02 北京字节跳动网络技术有限公司 目标识别方法、装置、终端设备和存储介质
CN109701261A (zh) * 2019-01-11 2019-05-03 中国科学院重庆绿色智能技术研究院 射击比赛管理方法、系统、设备及存储介质
CN110222635A (zh) * 2019-06-04 2019-09-10 陕西工业职业技术学院 一种防替跑系统
CN110852161A (zh) * 2019-10-08 2020-02-28 上海淡竹体育科技有限公司 实时识别运动中人员身份的方法、装置及系统
CN110837784A (zh) * 2019-10-23 2020-02-25 中山大学 一种基于人体头部特征的考场偷窥作弊检测系统
CN110837784B (zh) * 2019-10-23 2023-06-20 中山大学 一种基于人体头部特征的考场偷窥作弊检测系统
CN112535856A (zh) * 2020-11-12 2021-03-23 北京壹体体育产业发展有限公司 一种比赛成绩数据获取系统及方法

Similar Documents

Publication Publication Date Title
CN108009468A (zh) 一种马拉松赛事反作弊方法、电子设备和存储介质
CN109657609A (zh) 人脸识别方法及系统
CN108764058B (zh) 一种基于热成像效应的双摄像头人脸活体检测方法
CN107871120A (zh) 基于机器学习的体育赛事理解系统及方法
CN108205684A (zh) 图像消歧方法、装置、存储介质和电子设备
CN110837580A (zh) 一种行人图片标注方法、装置、存储介质和智能设备
CN108268814A (zh) 一种基于全局和局部特征模糊融合的人脸识别方法及装置
CN111263945A (zh) 用于体育赛事中的运动员的图像标识登记的系统和方法
CN106778636A (zh) 身份验证方法及装置
CN110660454A (zh) 一种癌痛实时评估仪及其评估方法
CN108171138A (zh) 一种生物特征信息获取方法和装置
CN105138967A (zh) 基于人眼区域活动状态的活体检测方法和装置
Yang et al. Research on face recognition sports intelligence training platform based on artificial intelligence
Yasser et al. Smart coaching: Enhancing weightlifting and preventing injuries
CN110473630A (zh) 一种肿瘤患者心理痛苦评估仪及其评估方法
CN116758459A (zh) 一种用于羽毛球比赛的实时分析系统及方法
CN117292288A (zh) 体育测试方法、系统、电子设备、芯片及存储介质
Tarek et al. Yoga Trainer for Beginners Via Machine Learning
CN110263753A (zh) 一种对象统计方法和装置
CN114550071B (zh) 田径视频动作关键帧自动识别和抓取方法、装置及介质
CN114209309A (zh) 一种基于视觉技术的运动行为分析方法
Habibu et al. UPM-3D facial expression recognition database (UPM-3DFE)
JP5688514B2 (ja) 視線計測システム、方法およびプログラム
CN110852161A (zh) 实时识别运动中人员身份的方法、装置及系统
Yang Smart Motion Capture and Scoring System for Taekwondo Training based on Camera Network Technology

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180508

RJ01 Rejection of invention patent application after publication