CN108905095B - 运动员比赛状态评估方法和设备 - Google Patents

运动员比赛状态评估方法和设备 Download PDF

Info

Publication number
CN108905095B
CN108905095B CN201810886490.8A CN201810886490A CN108905095B CN 108905095 B CN108905095 B CN 108905095B CN 201810886490 A CN201810886490 A CN 201810886490A CN 108905095 B CN108905095 B CN 108905095B
Authority
CN
China
Prior art keywords
participating
competition
motion
time period
preset time
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.)
Active
Application number
CN201810886490.8A
Other languages
English (en)
Other versions
CN108905095A (zh
Inventor
戚天禹
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.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201810886490.8A priority Critical patent/CN108905095B/zh
Publication of CN108905095A publication Critical patent/CN108905095A/zh
Application granted granted Critical
Publication of CN108905095B publication Critical patent/CN108905095B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0003—Analysing the course of a movement or motion sequences during an exercise or trainings sequence, e.g. swing for golf or tennis
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
    • A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0669—Score-keepers or score display devices

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Processing Or Creating Images (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种运动员比赛状态评估方法和设备。该方法包括：获取参赛运动员在比赛过程中预设时间段内的运动视频；从所述运动视频中提取所述参赛运动员的运动特征；根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。由于本发明中的评估模型是对运动特征和比赛状态的关系的客观描述，因此根据该评估模型得到的参赛运动员比赛状态可靠度较高。

Description

运动员比赛状态评估方法和设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种运动员比赛状态评估方法和设备。
背景技术
足球和篮球等竞技类运动作为人们日常生活中经常接触的运动项目，因其具有比赛过程高潮迭起、比赛结果难以预测等特点，深受广大球迷的喜欢。这类比赛由于参赛运动员人数多、比赛节奏快，使得观众在比赛过程中无法深度了解参赛运动员在某一时间段内的比赛状态，教练也无法根据参赛运动员的比赛状态及时调整比赛战术。
现有技术中，一般通过人工的方式记录运动员在某段时间内的表现，然后根据该表现对运动员的比赛状态做出主观评价。但是，通过主观评价得到的结果并不准确。
发明内容
本发明提供一种运动员比赛状态评估方法和设备，用以评估参赛运动员在预设时间段内的比赛状态。
第一方面，本发明提供一种运动员比赛状态评估方法，包括：
获取参赛运动员在比赛过程中预设时间段内的运动视频；
从所述运动视频中提取所述参赛运动员的运动特征；
根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
可选的，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态之前，还包括：
根据预存的训练样本，确定所述评估模型。
可选的，所述根据预存的训练样本，确定所述评估模型，包括：
根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；
根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
可选的，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：
根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；
将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；
其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；
所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；
所述结果参数包括：运动员做出各种技术动作的成功率。
可选的，所述将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态，包括：
将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；
根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：
当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
可选的，所述根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型，包括：
采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
可选的，所述方法，还包括：
根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；
根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
可选的，所述获取参赛运动员在比赛过程中预设时间段内的运动视频，包括：
通过终端的摄像头获取所述运动视频。
第二方面，本发明提供一种运动员比赛状态评估装置，包括：
第一获取模块，用于获取参赛运动员在比赛过程中预设时间段内的运动视频；
提取模块，用于从所述运动视频中提取所述参赛运动员的运动特征；
第二获取模块，用于根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
可选的，所述装置，还包括：
确定模块，用于根据预存的训练样本，确定所述评估模型。
可选的，，所述确定模块，包括：第一构建模块和确定单元；
所述第一构建模块，用于根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；
所述确定单元，用于根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
可选的，所述第二获取模块，包括：第二构建模块和获取单元；
所述第二构建模块，用于根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；
所述获取单元，用于将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；
其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；
所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；
所述结果参数包括：运动员做出各种技术动作的成功率。
可选的，所述获取单元，具体用于将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；
根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述获取单元，具体用于当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
可选的，所述确定单元，具体用于采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
可选的，所述装置，还包括：
计算模块，用于根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；
呈现模块，用于根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
可选的，所述第一获取模块，具体用于通过终端的摄像头获取所述运动视频。
第三方面，本发明提供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上述运动员比赛状态评估方法。
第四方面，本发明提供一种服务器，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来实现上述运动员比赛状态评估方法。
本发明提供的运动员比赛状态评估方法，在获取到参赛运动员在比赛过程中预设时间段内的运动视频后，从该运动视频中提取该参赛运动员的运动特征，然后根据该运动特征和评估模型，确定该参赛运动员的比赛状态，和现有技术中人为主观评估参赛运动员比赛状态的方法相比，由于本发明中的评估模型是对运动特征和比赛状态的关系的客观描述，因此根据该评估模型得到的参赛运动员比赛状态可靠度较高。
附图说明
图1为本发明提供的运动员比赛状态评估方法的实施例一的流程图；
图2为本发明提供的运动员比赛状态评估方法的实施例二的流程图；
图3为本发明提供的训练样本示意图；
图4为本发明提供的评估模型示意图；
图5为本发明提供的运动员比赛状态评估方法的实施例三的流程图；
图6为本发明提供的运动员比赛状态评估装置的实施例一的结构示意图；
图7为本发明提供的运动员比赛状态评估装置的实施例二的结构示意图；
图8为本发明提供的服务器的硬件结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了了解赛场上运动员的比赛状态，现有技术中，一般通过人工的方式记录运动员在某段时间内的表现，然后根据该表现对运动员的比赛状态做出主观评价。但是，通过主观评价得到的结果并不准确。
本发明提供一种运动员比赛状态评估方法和设备，通过从参赛运动员的运动视频中提取该运动员在预设时间段内的运动特征，然后将该运动特征输入预先训练好的评估模型，进而得到参赛运动员在预设时间段内的比赛状态。由于该评估模型表征了运动员的运动特征和运动员的比赛状态的关系，根据该评估模型得到的比赛状态客观准确。
可选的，本发明提供的方法可由安装有相应软件的终端的处理设备如处理器执行相应的软件代码实现，也可由该终端的处理设备执行相应的软件代码，并结合其他硬件实体实现，还可由服务器来实现。下面的实施例以服务器为执行主体进行说明。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
图1为本发明提供的运动员比赛状态评估方法的实施例一的流程图，如图1所示，本实施例提供的运动员比赛状态评估方法，包括：
S101、获取参赛运动员在比赛过程中预设时间段内的运动视频。
可选的，可通过终端的摄像头获取上述运动视频，也可通过相机等拍摄装置获取上述运动视频，获取到上述运动视频后，将该运动视频发送给服务器，以便服务器执行S102-S103的步骤。
可选的，预设时间段由用户自行选择，例如可以是比赛开始后半小时内，距离比赛结束还剩十五分钟内等，本发明对比不做限定。
S102、从所述运动视频中提取所述参赛运动员的运动特征。
可选的，上述运动视频中包含的参赛运动员可能为一个，也可能为多个。如果用户当前仅需确定上述运动视频中一个参赛运动员的比赛状态，则从上述运动视频中仅提取该一个参赛运动员的运动特征；如果用户当前需要确定上述运动视频中多个参赛运动员的比赛状态，则从上述运动视频中提取该多个参赛运动员的运动特征。上述参赛运动员可以是比赛双方任意一方的参赛运动员。
可选的，上述运动特征可以包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率。
其中，以篮球为例，跑动速度可以是参赛运动员在上述预设时间段内的平均跑动速度，传球次数可以是经由该参赛运动员将球传给另一参赛运动员的次数，命中率可以是在上述预设时间段内投中次数与投篮总次数的比值。
S103、根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
可选的，评估模型可以是通过训练得到的一个关系表达式，该关系表达式用于表征运动特征和比赛状态之间的关系，在得到参赛运动员在预设时间段内的运动特征后，带入该关系表达式，便可获取到参赛运动员在上述预设时间段的比赛状态。
本实施例提供的运动员比赛状态评估方法，在获取到参赛运动员在比赛过程中预设时间段内的运动视频后，从该运动视频中提取该参赛运动员的运动特征，然后根据该运动特征和评估模型，确定该参赛运动员的比赛状态，和现有技术中人为主观评估参赛运动员比赛状态的方法相比，由于本实施例中的评估模型是对运动特征和比赛状态的关系的客观描述，因此根据该评估模型得到的参赛运动员比赛状态可靠度较高。
图2为本发明提供的运动员比赛状态评估方法的实施例二的流程图，在根据评估模型确定参赛运动员的比赛状态之前，要先确定该评估模型。如图2所示，本实施提供的运动员比赛状态评估方法，描述了确定评估模型的一种可实现的方式，即为根据预存的训练样本，确定所述评估模型，具体可包括：
S201、根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量。
参见图3所示：假设训练样本中有N个样本，可根据该N个样本中每个样本的运动特征，得到与该样本对应的运动特征向量；比如：样本1的运动特征包括：跑动速度1，传球次数1和命中率1；则根据样本1的运动特征构建得到的样本1的运动特征向量为：
Figure BDA0001755804260000081
样本2的运动特征包括：跑动速度2，传球次数2和命中率2；则根据样本2的运动特征构建得到的样本2的运动特征向量为：
Figure BDA0001755804260000082
Figure BDA0001755804260000083
样本3的运动特征包括：跑动速度3，传球次数3和命中率3；则根据样本3的运动特征构建得到的样本3的运动特征向量为：
Figure BDA0001755804260000084
Figure BDA0001755804260000085
依次类推，便可得到N个样本中每个样本的运动特征向量。
其中，训练样本中，每个样本对应的比赛状态都已被标记好，继续参见图3所示，样本1的比赛状态已被标记为“优”，样本2的比赛状态已被标记为“良”，样本3的比赛状态已被标记为“良”。也就是说，训练样本中，每个样本的比赛状态都是已知的。
可选的，比赛状态可用图3所示“优”“良”“差”等区分，也可用数值来区分，比赛状态越好时对应的数值越高，比赛状态越差时对应的数值越低。
S202、根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
在得到训练样本中每个样本的运动特征向量和与其对应的比赛状态的基础上，可采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
在通过S202得到评估模型的基础上，上述实施例中的S103的一种可实现的方式可以为：
S1031、根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量。
S1032、将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
假设S102得到参赛运动员的运动特征为：跑动速度m，传球次数m和命中率m；则根据该参赛运动员的运动特征构建得到的运动特征向量为
Figure BDA0001755804260000086
Figure BDA0001755804260000087
参见图4所示，将得到的参赛运动员的运动特征向量
Figure BDA0001755804260000091
输入评估模型中，评估模型便可输出该参赛运动员在上述预设时间段内的比赛状态。
本实施例提供的运动员比赛状态评估方法，描述了一种确定评估模型的可实现方式，为确定参赛运动员的比赛状态提供的基础。
图5为本发明提供的运动员比赛状态评估方法的实施例三的流程图，本实施是进一步对上述实施例中S1032的一种可实现方式的描述，如图5所示，S1032具体包括：
S301、将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数。
S302、根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
其中，S301通过评估模型得到的是一个状态指数，该状态指数和参赛运动员的比赛状态有特定的映射关系。可选的，上述映射关系可以为：
当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
可选的，可通过本实施例提供的方法，确定比赛双方所有参赛运动员在上述预设时间段内的比赛状态。
本实施例提供的运动员比赛状态评估方法，还包括：
S303、根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分。
可选的，在采用加权方式计算每一方的综合实力得分时，可根据参赛运动员在球场上的位置，比如前锋、中锋、后卫赋予每个参赛运动员不同的权重。
S304、根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
具体的，得到每一方的综合实力得分后，可根据该综合实力得分预测比赛结果，并通过增强现实技术AR将其呈现出来，以便用户能够直观看到预测的比赛结果，提高用户使用体验。
本实施例提供的运动员比赛状态评估方法，描述了获取参赛运动员在预设时间段内比赛状态的一种可实现的方式，根据该方式得到的参赛运动员的比赛状态客观准确。同时，根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分，然后根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。使得用户能够直观看到预测的比赛结果，提高了用户使用体验。
图6为本发明提供的运动员比赛状态评估装置的实施例一的结构示意图，如图6所示，本实施例提供的运动员比赛状态评估装置，包括：
第一获取模块601，用于获取参赛运动员在比赛过程中预设时间段内的运动视频；
提取模块602，用于从所述运动视频中提取所述参赛运动员的运动特征；
可选的，上述运动特征可以包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率。
第二获取模块603，用于根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
本实施例提供的运动员比赛状态评估装置，可用于执行图1所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
图7为本发明提供的运动员比赛状态评估装置的实施例二的结构示意图，如图7所示，本实施例提供的运动员比赛状态评估装置，还包括：
确定模块70，用于根据预存的训练样本，确定所述评估模型。
可选的，所述确定模块，包括：第一构建模块701和确定单元702；
所述第一构建模块701，用于根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；
所述确定单元702，用于根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
可选的，所述第二获取模块603，包括：第二构建模块703和获取单元704；
所述第二构建模块703，用于根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；
所述获取单元704，用于将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述获取单元704，具体用于将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；
根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
可选的，所述获取单元704，具体用于当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
可选的，所述确定单元702，具体用于采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
可选的，本实施例提供的运动员比赛状态评估装置，还包括：计算模块705，用于根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；
呈现模块706，用于根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
可选的，所述第一获取模块601，具体用于通过终端的摄像头获取所述运动视频。
本实施例提供的运动员比赛状态评估装置，可用于执行图2或者图5所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
图8为本发明提供的服务器的硬件结构示意图。如图8所示，本实施例的服务器可以包括：
存储器801，用于存储程序指令。
所述处理器802，用于在所述程序指令被执行时实现上述任一实施例描述的方法，具体实现原理可参见上述实施例，本实施例此处不再赘述。
本发明提供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上述任一实施例所述的运动员比赛状态评估方法。
本发明还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述任一实施例所述的运动员比赛状态评估方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (20)

1.一种运动员比赛状态评估方法，其特征在于，包括：
获取参赛运动员在比赛过程中预设时间段内的运动视频；
从所述运动视频中提取所述参赛运动员的运动特征，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率；
根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
2.根据权利要求1所述的方法，其特征在于，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态之前，还包括：
根据预存的训练样本，确定所述评估模型。
3.根据权利要求2所述的方法，其特征在于，所述根据预存的训练样本，确定所述评估模型，包括：
根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；
根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：
根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；
将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
5.根据权利要求4所述的方法，其特征在于，所述将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态，包括：
将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；
根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
6.根据权利要求5所述的方法，其特征在于，所述根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态，包括：
当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
7.根据权利要求3所述的方法，其特征在于，所述根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型，包括：
采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
8.根据权利要求1所述的方法，其特征在于，还包括：
根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；
根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
9.根据权利要求1所述的方法，其特征在于，所述获取参赛运动员在比赛过程中预设时间段内的运动视频，包括：
通过终端的摄像头获取所述运动视频。
10.一种运动员比赛状态评估装置，其特征在于，包括：
第一获取模块，用于获取参赛运动员在比赛过程中预设时间段内的运动视频；
提取模块，用于从所述运动视频中提取所述参赛运动员的运动特征，所述运动特征包括：运动员自身的运动参数、与所述运动参数相关的外部参数以及与所述运动参数相关的结果参数；其中，所述运动参数包括：跑动距离、冲刺速度、击球速度、传球次数、投篮次数、射门次数和抢断次数；所述外部参数包括：运动员出现在运动场的每个区域的时间、频率以及在每个区域做出各种技术动作的频率；所述结果参数包括：运动员做出各种技术动作的成功率；
第二获取模块，用于根据所述运动特征和评估模型，获取所述参赛运动员在所述预设时间段内的比赛状态，其中，所述评估模型用于指示运动员的运动特征和运动员的比赛状态之间的关系。
11.根据权利要求10所述的装置，其特征在于，还包括：
确定模块，用于根据预存的训练样本，确定所述评估模型。
12.根据权利要求11所述的装置，其特征在于，所述确定模块，包括：第一构建模块和确定单元；
所述第一构建模块，用于根据所述训练样本中每个样本的运动特征，构建每个样本的运动特征向量；
所述确定单元，用于根据每个样本的运动特征向量和每个样本被标记的比赛状态，确定所述评估模型。
13.根据权利要求10-12任一项所述的装置，其特征在于，所述第二获取模块，包括：第二构建模块和获取单元；
所述第二构建模块，用于根据所述参赛运动员的运动特征，构建所述参赛运动员的运动特征向量；
所述获取单元，用于将所述参赛运动员的运动特征向量输入所述评估模型中，得到所述参赛运动员在所述预设时间段内的比赛状态。
14.根据权利要求13所述的装置，其特征在于，
所述获取单元，具体用于将所述参赛运动员的运动向量特征输入所述评估模型中，获取所述参赛运动员在所述预设时间段内的状态指数；
根据所述参赛运动员的状态指数，获取所述参赛运动员在所述预设时间段内的比赛状态。
15.根据权利要求14所述的装置，其特征在于，
所述获取单元，具体用于当所述参赛运动员的状态指数小于等于第一阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“差”；
当所述参赛运动员的状态指数在第一阈值和第二阈值之间，则确定所述参赛运动员在所述预设时间段内的状态为“良”；
当所述参赛运动员的状态指数大于等于第二阈值时，则确定所述参赛运动员在所述预设时间段内的比赛状态为“优”。
16.根据权利要求12所述的装置，其特征在于，
所述确定单元，具体用于采用深度学习方法对每个样本的运动特征向量和对应比赛状态的关系进行训练，得到所述评估模型。
17.根据权利要求10所述的装置，其特征在于，还包括：
计算模块，用于根据比赛双方的参赛运动员的比赛状态，通过加权方式计算每一方的综合实力得分；
呈现模块，用于根据每一方的综合实力得分，采用增强现实技术AR呈现比赛结果。
18.根据权利要求10所述的装置，其特征在于，
所述第一获取模块，具体用于通过终端的摄像头获取所述运动视频。
19.一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权利要求1-9任一项所述的方法。
20.一种服务器，其特征在于，包括：
处理器；以及
存储器，用于存储所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来实现权利要求1-9任一项所述的方法。
CN201810886490.8A 2018-08-06 2018-08-06 运动员比赛状态评估方法和设备 Active CN108905095B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810886490.8A CN108905095B (zh) 2018-08-06 2018-08-06 运动员比赛状态评估方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810886490.8A CN108905095B (zh) 2018-08-06 2018-08-06 运动员比赛状态评估方法和设备

Publications (2)

Publication Number Publication Date
CN108905095A CN108905095A (zh) 2018-11-30
CN108905095B true CN108905095B (zh) 2020-03-10

Family

ID=64394350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810886490.8A Active CN108905095B (zh) 2018-08-06 2018-08-06 运动员比赛状态评估方法和设备

Country Status (1)

Country Link
CN (1) CN108905095B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109847321B (zh) * 2019-01-31 2020-12-04 软通智慧科技有限公司 一种运动员训练辅助方法、装置、服务器及存储介质
CN114584679A (zh) * 2020-11-30 2022-06-03 北京市商汤科技开发有限公司 赛况数据呈现方法、装置、计算机设备及可读存储介质
CN113240190A (zh) * 2021-06-02 2021-08-10 郑州大学体育学院 基于多周期演化熵技术的运动员赛前状态评价方法
CN115757551B (zh) * 2022-11-30 2023-08-25 肇庆市智云体育信息科技有限公司 赛事关键信息挖掘及预测方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101470898B (zh) * 2007-12-26 2012-04-11 中国科学院自动化研究所 一种双人跳水同步性自动分析方法
CN106422211B (zh) * 2016-11-18 2019-08-20 广东小天才科技有限公司 球类训练技术统计方法及装置
CN108090421B (zh) * 2017-11-30 2021-10-08 睿视智觉（深圳）算法技术有限公司 一种运动员竞技能力分析方法

Also Published As

Publication number Publication date
CN108905095A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108905095B (zh) 运动员比赛状态评估方法和设备
US10643492B2 (en) Remote multiplayer interactive physical gaming with mobile computing devices
US11263462B2 (en) Non-transitory computer readable recording medium, extraction method, and information processing apparatus
JP2023054333A (ja) 運動トレーニングのシステムおよび方法
US10118101B2 (en) Systems and methods for crowd-sourced game strategy
KR101766636B1 (ko) 플레이어 매칭 장치 및 플레이어 매칭 방법
JP6673221B2 (ja) 情報処理装置、情報処理方法、およびプログラム
CN108694466B (zh) 击球路线的推荐方法及装置
CN107335220B (zh) 一种消极用户的识别方法、装置及服务器
KR102061485B1 (ko) 경기 관리 서버, 시스템 및 방법
WO2019105240A1 (zh) 资源获取概率的确定方法和装置、存储介质、电子装置
US11351464B2 (en) Automated coaching for online gaming
JP6677319B2 (ja) スポーツ動作解析支援システム、方法およびプログラム
KR20210139021A (ko) 회원간에 이루어지는 스포츠 게임 관리 시스템
US20200282314A1 (en) Interactive sports fan experience
CN113544697A (zh) 用数据和身体姿态分析运动表现以对表现进行个性化预测
US20160247119A1 (en) Rating system characterizing athletes based on skillset
CN105531003A (zh) 模拟装置、模拟方法、程序及信息存储介质
CN105848737B (zh) 解析装置、记录媒体和解析方法
KR101349399B1 (ko) 사용자의 골프 샷을 분석하는 방법 및 장치
Babaei et al. A state-based game attention model for cloud gaming
CN116866663A (zh) 图像预测处理方法、装置及存储介质
CN110314368B (zh) 台球击球的辅助方法、装置、设备及可读介质
KR101190497B1 (ko) 온라인 게임 서비스의 자동 플레이 방지 방법 및 서버
Keane et al. Data-driven lowlight and highlight reel creation based on explainable temporal game models

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
GR01 Patent grant
GR01 Patent grant