CN109344697A - 一种对抗性竞赛中的精彩时刻识别方法 - Google Patents
一种对抗性竞赛中的精彩时刻识别方法 Download PDFInfo
- Publication number
- CN109344697A CN109344697A CN201810934862.XA CN201810934862A CN109344697A CN 109344697 A CN109344697 A CN 109344697A CN 201810934862 A CN201810934862 A CN 201810934862A CN 109344697 A CN109344697 A CN 109344697A
- Authority
- CN
- China
- Prior art keywords
- contest
- value
- time
- function
- index
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Abstract
本发明公开了一种对抗性竞赛中的精彩时刻识别方法。本方法为:1)根据目标竞赛的竞赛类型,初始化反映竞赛过程的各项指标;2)从该目标竞赛的竞赛过程获取各项指标的取值并进行插值处理,得到该目标竞赛各项指标的竞赛过程函数;3)对各竞赛过程函数进行精彩时刻判别,得到竞赛中各个时间片段的精彩程度值;4)根据所述精彩程度值与一设定阈值进行比较,确定出该目标竞赛的精彩时刻。本发明能够从比赛中抽取出被识别为精彩时刻的时间区间,从而得到整场比赛的精彩时刻所属时段。
Description
技术领域
本发明提出一种对抗性竞赛中的精彩时刻识别方法,它涉及一种基于时序信号处理技术和计算机软件算法领域的量化和处理方法,属于信息学与计算机科学的交叉技术领域。
背景技术
随着各种体育赛事的日趋多样化、职业化、信息化,对于体育赛事的赛况分析与新闻报道水平也有了更高的要求。长期以来,对于赛场情况的记录都局限于由熟悉赛事的解说进行实时观察与分析,在赛后也需要由富有经验的体育记者对于比赛整场情况进行快速回顾,手动标记出其中的值得注意的精彩时刻,从而找出比赛中的最为精彩、最有价值的那些时刻。
对抗类竞赛活动,它包括传统体育竞技运动,如NBA篮球赛、足球赛、围棋赛、F1赛车比赛等,也包括电子竞技项目,如英雄联盟、DOTA2、星际争霸、绝地求生等。对于一场对抗类竞赛而言,观众和参赛者往往最为关心比赛中那些对于赛事至关重要的精彩时刻,这种精彩可以是指某一方极有可能将获得压倒性优势的关键时刻,或是指一方将局势由劣转优的逆转时刻,或是指双方竞争白热化的紧要时刻。精确定位赛事过程中的这些精彩时刻,有利于对战双方赛后及时回顾比赛过程,发现己方不足,找出竞争对手的弱点,也有利于分析人员进行战报解析和战况预测,还能够帮助体育记者迅速组织材料撰写新闻,帮助赛事观众及时了解赛场精彩情况,因此这项工作对竞技活动而言具有十分重要的现实意义。
但是,纯粹由人工判断来进行赛事分析已经越来越不能满足竞赛队伍与广大观众的需要。一方面,人工对于局势的判断需要大量专业经验的积累方能完成,对一场比赛做出细致的解读也需要花费交多精力,这使得很多比赛不能及时得到充分解读,参赛队伍很难及时了解到自己的表现应该如何改进,只能按照赛后的主观感受来调整战术,限制了比赛队伍的职业化发展速度;另一方面,由于地理距离或语言障碍,很多比赛的观众无法及时听到专业解说员的解说和分析,对于体育赛事的观看体验严重受制于转播者和解说员的水准,这限制了一些体育赛事的国际化、普及化。因此,计算机的辅助分析就显得尤为必要。
目前,传统体育赛事大多已经做到了比分数据的实时数字化转播,而赛场的其他实时数据,如篮球中的投篮、判罚、暂停,F1赛车比赛中的超车、事故等,往往会由现场观众用文字直播的方式实时发布在网络上。上述各项数据,都可以用来判断一段比赛片段是否足够精彩,竞争是否足够激烈。
但是对于这些数据的计算机自动化利用还尚显不足。在2015年,腾讯公司的“Dreamwriter”和新华社的“快笔小新”等新闻自动撰写程序已经可以利用体育比赛的比分变化情况来判断赛事走势,从而自动撰写体育比赛的新闻报道。但是这些系统并未充分挖掘体育比赛中的各项综合数据,不能利用比分之外的多种赛场信息来综合判断竞赛过程何时最为激烈和精彩,因此它们撰写的新闻只是整场比赛的数据陈列,缺乏吸引力。新浪体育的NBA直播板块借助其文字直播的实时数据,提供了全场比赛各节的投篮、进球数据图表,可以较为直观地查看整场NBA比赛双方队伍的得分情况和各个球员的整体表现,但是并不能从时间的维度来直观地看出各个球员的高光时刻究竟在何时出现。电子竞技普遍采用观战者程序自动记录双方赛场的统计数据,但是这类数据大都十分零碎,如果不进行人工解读很难直观看出双方竞争的优劣态势。
综上所述,目前对于对抗性竞赛的人工分析需要经验丰富的分析员花费大量精力完成,不能满足需求,而自动化分析虽然已经有一些初步的应用,但是大都是十分基础的走势呈现,对于竞赛中的精彩时刻还不能做出更为综合的判断。
发明内容
针对现有技术中存在的技术问题,本发明的目的在于提供一种对抗性竞赛中的精彩时刻识别方法。本发明采用了信号处理领域的数据分析思路,将比分、赛场情况等各种数据进行综合考虑,将其视为多个复合的连续和离散的信号来进行处理,从而得到衡量比赛在各个时刻的精彩程度的数值函数。然后由相关竞赛的专业分析者手工录入相应的精彩时刻判断阈值,从比赛中抽取出被识别为精彩时刻的时间区间,从而得到整场比赛的精彩时刻所属时段。
本发明能够根据一项竞赛过程中的各项指标数据信息,实现对于竞赛中的精彩时刻的自动识别。在一场对抗性竞赛中,对抗的激烈程度是不同的,观众或分析家的关注重点应该是比赛中的那些对抗最为精彩的时刻。所谓精彩时刻,是在竞赛过程中较为重要的一些时间段,主要由以下两种时间段组成:对抗的激烈程度较高的时间段、对抗一方取得爆发性优势的时间段。能够反映竞赛过程的各项指标会随着竞赛时间的变化而变化,本发明基于反映竞赛过程的各项指标随时间变化的函数,计算出整场竞赛各个时间片段里的精彩程度,然后再由给定的判别函数,从这些时间片段中识别出属于精彩时刻的时间片段,最终得到整场竞赛的全部精彩时刻。
一种对抗性竞赛中的精彩时刻识别算法的步骤包括:
(1)根据目标竞赛的竞赛类型,初始化反映竞赛过程的各项指标。
(2)从该目标竞赛的竞赛过程获取各项指标的取值并进行插值处理,得到该目标竞赛各项指标的竞赛过程函数。
(3)对各竞赛过程函数进行精彩时刻判别,求得竞赛中各个时间片段中的精彩程度值。
(4)根据精彩程度值确定出该目标竞赛的精彩时刻,得到精彩时刻的识别结果。
进一步地,步骤(1)所述的竞赛类型可以包括足球、篮球、网球、F1赛车和电子竞技比赛等。反映竞赛过程的各项指标是指在竞赛过程中的某个特定时刻可以被测量得到的定量参数和定性参数。例如,在足球比赛中,定量参数包括某一时刻特定球队的进球数目,场上球员人数,累计被判罚数,定性参数包括该时刻球队是否正在被判罚点球,特定球员是否负伤等。这些参数的获取根据比赛特点,采用自动化采集和人工输入结合的方式得到。例如,在足球比赛中,进球数和被判罚数可以通过足球裁判系统或网络转播媒体自动获取,球员负伤情况等可以通过人工输入的方式获取。
进一步地,步骤(2)所述的从该目标竞赛的竞赛过程获取各项指标的取值,是通过自动化采集或人工输入的方式获取各项指标的参数,得到对于竞赛中每一项指标s=s1,s2,…,sm上的每一个对抗者p=p1,p2,…,pn的指标取值随着竞赛持续时间t(0≤t≤tend)而变化的离散化的函数fs,p-ori(t)。步骤(2)所述的插值处理,是指对上述反映竞赛过程的指标中的每一个定量参数s的随着时间变化的离散化函数fs,p-ori(t)采用三次样条曲线进行插值处理,得到其对于时间自变量一阶可导的竞赛过程函数fs,p(t)。也即,对于每一项定量指标s上对于每一个对抗者p的竞赛过程函数fs,p(t)对于竞赛持续时间t保证一阶可导。对于定性指标s,则保持其原有的取值随着时间变化的离散化函数fs,p-ori(t)不变,直接用它作为竞赛过程函数参与后续运算,即令fs,p(t)=fs,p-ori(t)。
进一步地,步骤(3)所述的对竞赛过程函数进行精彩时刻判别,其实现方式是,首先根据一个固定的时间间隔d作为处理窗口,这个处理窗口对于指标函数在时域(0,tend)进行滑动,每一次对每一定量指标s对应的竞赛过程函数fs,p(t)在当前窗口(t1,t2)内的函数曲线,计算其局部函数曲线的导数f′s,p(t)的四种特征参数ws1(t1,t2),ws2(t1,t2),ws3(t1,t2),ws4(t1,t2),其中s表示f′s,p(t)中对应的定量指标,(t1,t2)表示当前处理窗口。对定性指标计算其局部密度ρ,并得到其竞赛过程函数fs,p(t)的一个特征参数ws5(t1,t2),其中s表示f′s,p(t)中对应的定量指标,(t1,t2)表示当前处理窗口。再根据一个精彩时刻识别函数按照上述局部特征参数计算出每一个窗口时段(t1,t2)相应指标s所对应的精彩程度数值。该函数中wsi(t1.t2)即前述各种特征参数,min(wsi)表示在整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最小值,max(wsi)表示整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最大值,min(ws5)表示在整个竞赛过程上各时间段(t1,t2)上的ws5(t1,t2)的最小值,max(ws5)表示在整个竞赛过程上各时间段(t1,t2)上的ws5(t1,t2)的最大值,更为具体的含义说明由具体实施方式部分的公式(9)进行说明。
进一步地,步骤(4)所述的找出精彩时刻所属时间片段的实现方式是,首先由用户输入判别阈值,来构造一个对精彩程度的衡量函数,该函数的具体公式由具体实施方式部分的公式(11)进行说明。然后将所有精彩程度函数合并为同一个函数,该函数的具体公式由具体实施方式部分的公式(12)进行说明。使用衡量函数在这个合并后的函数上做运算,将符合衡量函数的衡量标准的相邻时刻互相合并,最终得到一场竞赛中的精彩时刻集合。
与当前已有相关技术相比,本发明的积极效果为:
本发明可以利用竞赛数据来自动识别出精彩时刻的所属时段,可以应用于实时性要求较高的新闻编辑或战报分析中。此外,本发明能够降低竞赛分析人员对竞赛过程的手工分析难度,帮助分析人员快速定位比赛中最为重要的片段,能作为比赛精彩时刻的有效识别手段。
附图说明
图1是本发明的整体流程图。
图2是对特定竞赛过程的指标取值进行插值处理,得到相应的竞赛过程函数的流程图。
图3是一个反映竞赛过程的定量指标的样条插值结果示意图。
图4是求得竞赛中各个时间片段中的精彩程度步骤的流程图。
图5是根据一个精彩程度函数求得精彩片段的结果示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明实施例中的技术方案,并使本发明的目的、特征和优点能够更加明显易懂,下面结合附图对本发明中技术核心作进一步详细的说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
在本发明中,设计了一种对抗性竞赛的精彩时刻识别方法。该方法的总体思路是通过竞赛过程中随着时间变化的各项相关的数据指标来判断某一特定时间段是否属于精彩时刻。设特定竞赛的m项数据指标分别为s1,s2,…,sm,n个对抗者分别为p1,p2,…,pn,竞赛持续时间为0≤t≤tend,则在整个竞赛过程中,在指标s上对抗者p在时刻t的指标取值v由竞赛过程函数fs,p(t)给出,即v=fs,p(t),这一竞赛过程函数表示特定指标特定对抗者的指标取值随竞赛时间的变化情况,在整场比赛中,一共有m·n个这样的竞赛过程函数分别对应m个数据指标以及每个数据指标上的n个对抗者。对于从初始时刻0到终止时刻tend之间的每一段时长为d的比赛时段(t1,t2),基于所有竞赛过程函数,判别这一时段内的整体上的竞赛精彩程度w(t1,t2)。对于整场比赛得到一组等间隔时间段上的竞赛精彩程度数值,对每一个精彩程度值w(t1,t2),采用判别函数h(w)来判别其是否达到被认为是精彩时刻的标准,若h(w)=1则w(t1,t2)所属比赛时段(t1,t2)可被称为精彩时刻,h(w)=0则(t1,t2)不足以被称为精彩时刻。
本发明的整体流程图如图1所示,所述方法的具体步骤细节描述如下所示:
(1)根据竞赛类型,初始化反映竞赛过程的各项指标。
在对竞赛的精彩时刻做识别时,首先要确定与竞赛过程相关的数据指标s有哪些。与竞赛相关的数据指标,有些是可以指示竞赛双方优势或者劣势的量化的数值,例如传统体育中的比赛得分、得分难度等级,或电子竞技中的击杀数、APM、资源获取量等。数据指标也可能并非是量化的数值,而是离散的类别参数,并不能直观解释其对于竞赛的指示作用,需要相关领域的专业知识来做出解释,例如传统体育中的发球位置、呼叫暂停、判罚类型,或电子竞技中的英雄阵容、装备种类、建造顺序等。此外,对抗双方的队伍、队员、赛制,也是对于竞赛精彩时刻判断有用的指标。
本发明将与竞赛相关的数据指标分为两类,如表1所示:
表1竞赛评价指标
指标名称 | 取值类型 | 含义 |
定量指标 | 实数值 | 可以比较数值大小来直接反映优劣势情况 |
定性指标 | 枚举值 | 需要借助专业知识来判断其反映的优劣势情况 |
针对特定的竞赛,应该人工录入该竞赛包含哪些与精彩时刻的判别相关的数据指标,并标注其属于定量指标还是定性指标。对于定量指标,应该给出其合理数值取值范围,对于定性指标,要对于它可能出现的所有取值做出规定。在对于某一场特定比赛的指标取值获取,可以采用自动化采集和人工输入结合的方式得到。自动化采集的方式,可以包括通过比赛裁判系统或观战系统的自动记录程序导出得到,或者从比赛的转播媒体的网站平台上自动采集,也可以通过对比赛录像的图像分析来取得。人工输入的方式,即由人工通过观看比赛或比赛录像,对特定指标在特定比赛时刻的取值进行手动录入。
(2)对特定竞赛过程的指标取值进行插值处理,得到相应的竞赛过程函数。
本步骤的具体实现流程如图2所示。为了便于后续步骤中的数学计算,定量指标s对应的竞赛过程函数fs,p(t)应该满足对于时间t的一阶导数存在的条件。但是实际获取的定量指标s随着时间变化的取值所组成的原始取值函数fs,p-ori(t)是离散不可导的,因此在对函数做计算之前,要对函数fs,p-ori(t)做平滑和插值处理,用一个连续可导的函数fs,p(t)对离散的取值点作拟合,插值的目的是为了得到一个一阶连续可导的竞赛过程函数。本发明采用三次样条插值法,对于在定量指标s上每一个对抗者p得到的数据序列各自进行插值,新序列的每一个分段都属于一个关于时间的二次多项式函数,因此可以保证整个竞赛过程函数fs,p是光滑的。这里使用三次样条曲线,确保插值结果经过每一个参数点。在一个具体实例中,针对篮球比赛的一节中两队得分数值作为竞赛过程指标,原始数据及求得的竞赛过程函数如图3所示。具体地,图3中的圆点,就是从文字直播数据中得到的比赛得分值。比赛得分值位于坐标轴上侧,表明球队1得分更高,反之表明另一支球队得分更高。图3中的实线线条,表示采用三次样条曲线插值得到的竞赛过程函数,图3中的虚线线条是以贝塞尔样条插值的结果作为对照,可以看到,贝塞尔样条丢失了更多的比赛细节信息,因此效果不如三次样条。
通过样条插值完成的函数fs,p在定义域t∈(0,tend)上是一阶导数连续的,可以较好地补充指标s在未给出观测值时的变化情况。
定性指标s的竞赛过程函数fs,p无需插值处理,直接以其离散化的取值作为竞赛过程函数。
(3)对竞赛过程函数进行精彩时刻判别,求得竞赛中各个时间片段中的精彩程度。
竞赛过程中的精彩片段可以分成两类:迅速获得优势,激烈交锋。具体而言,所谓迅速获得优势,就是竞赛中的某一方短时间内快速拉开比分或快速追上落后比分,也有可能是对方竞争者的某一指标在短时内迅速下跌;所谓激烈交锋就是指双方在短时间内竞争程度突然激烈,表现为某些定量指标迅速攀升至较高数值,或某些定性指标的短时出现密度迅速升高。
对精彩时刻的计算流程图如图4所示,对于每一个指标,选取窗长和精彩程度计算函数,对其在时域加窗计算,得到与该指标对应的精彩程度函数,将所有指标都计算完毕后,将其精彩程度函数合并,称为整体精彩程度函数。在计算特定指标s的精彩程度时,定量指标和定性指标的计算方法不同:对于定量指标,依据其对应的竞赛过程函数fs,p的函数值v、一阶导数值来计算精彩程度;对于定性指标,依据其对应的竞赛过程函数fs,p的取值短时出现密度ρ来计算精彩程度。给定一个时间段(t1,t2),上述各类精彩片段具体计算方法参考表2以及公式(1)至公式(9):
表2精彩片段计算方法
表2所述五种精彩片段计算方法的具体实现方案是,在每个定量指标s竞赛过程函数fs,p上,用时间间隔为d的窗口从起始时间为0开始直至结束时间达到tend为止进行逐段分析,对于每个时间段(t1,t2)内的竞赛过程函数fs,p,根据上述5类情形分别进行计算,从而得到该时间段(t1,t2)内,对于定量指标s的精彩程度数值ws(t1,t2)在上述前4个角度的衡量指标ws1(t1,t2),ws2(t1,t2),ws3(t1,t2),ws4(t1,t2)。其公式分别为:
其中形如Fs,pi(t1,t2)的函数表示对于定量指标s和比赛的第i个对抗者pi,在时刻t1到t2之间的竞赛过程函数的一阶导数的绝对值的最大值,其具体计算公式如下:
公式(5)中fs,p′(t)表示fs,p(t)的一阶导函数,max(fs,p′(t))和min(fs,p′(t))两个函数分别表示取函数fs,p′(t)在其定义域上的最大值和最小值。t的取值范围是t1~t2。
对于定性指标s的精彩程度数值ws(t1,t2)在上述第5个角度的衡量指标为ws5(t1,t2),公式为:
在公式(6)的w5(t1,t2)计算过程中,函数ρ=(s,w,t1,t2)是对时间t1到t2之间的特定对抗者p在定性指标s上的竞赛过程函数的有效取值v的个数进行计数得到的,其计算方法如公式(7)所示:
ρ(s,p,t1,t2)=∑sum(s,p,t) t1≤t≤t2且t在fs,p(t)中有定义 公式(7)
其中sum(s,p,t)是对于特定对抗者p在定性指标s上的竞赛过程函数fs,p(t)的每一个有效取值进行合理化判断。由于对于定性指标而言,竞赛过程函数fs,p(t)的自变量t取值是离散化的,因此该计算过程在有限步内终止。所谓合理化判断,是指竞赛过程函数fs,p(t)的自变量t取值是否是默认值,如果是默认值,说明此取值并不能反映竞赛的变化情况,仅仅是维持了先前的状态。例如,在足球比赛中,特定时刻的判罚状态取值的默认值可能是“无判罚”,则对于某个时刻的判罚状态取值如果也是“无判罚”,与默认值相同,说明该时刻在该定性指标(判罚状态)上并没有体现任何竞赛变化,就把这个取值忽略掉。sum(s,p,t)的计算公式如公式(8)所示:
根据上述定量指标和定性指标各自的计算方法,在整个比赛过程中,特定时间段(t1,t2)内,在指标s上的精彩程度ws(t1,t2)的计算公式如下所示:
公式(9)中min(wsi)表示在整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最小值,max(wsi)表示整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最大值。加入这两个因子是为了使得到的每一个wsi(t1,t2)归一化为(0,1)区间上的数值,min(ws5)表示在整个竞赛过程上各时间段(t1,t2)上的ws5(t1,t2)的最小值,max(ws5)表示在整个竞赛过程上各时间段(t1,t2)上的ws5(t1,t2)的最大值。
(4)找出精彩时刻所属时间片段,得到精彩时刻的识别结果。
对于特定竞赛过程中的指标s的一个在t时刻的精彩程度值wst,将其定义为时刻t所属的时间段(t1,t2)上的精彩程度ws(t1,t2),即:
wst=ws(t1,t2) t1≤t≤t2 公式(10)
对精彩程度值wst的精彩时刻判别函数h(wst)为:
其中w为由步骤(3)得到的该指标的精彩程度,ws0为该指标的精彩程度阈值。这个阈值ws0的取值范围是(0,1),由本发明的使用者根据具体竞赛的精彩时刻划分需要而输入系统。
上述精彩程度判别函数分别对于整个比赛中每一项指标分别计算,而考虑全部指标的整体的比赛精彩程度判别函数H(t)计算方法如公式(12)所示:
公式(12)中m是竞赛的指标总数,的表示指标si在时刻t的精彩程度值。该公式的含义是,只要某一时刻在各个指标中有任意一个达到了精彩时刻判别函数值为1的条件,那么这个时刻就可以被认为是这场比赛的一个精彩时刻。如果H(t)值为1,则表明该时间t可以被作为精彩时刻的一部分。
由于可能有连续多个时间段均属于同一个精彩时刻,因此需要对已经被识别出来的那些连续的精彩时间段进行合并,合并精彩片段的依据是,假如相邻两精彩片段的间隔小于精彩片段最短距离阈值,则将其合并为一个更大的精彩片段,但是单个精彩片段的长度不能超过片段长度最大阈值。最终经过合并后,得到了多个精彩时刻在竞赛过程上的起止时间,即完成了对于竞赛过程的精彩时刻的识别过程。
在篮球比赛得分的例子中,一个精彩程度函数及从中得到的精彩片段示意图如图5所示,图中实线线条为竞赛过程函数,虚线线条为窗长60s得到的精彩程度函数,矩形框选区域为由上述算法识别出的比赛精彩片段,精彩程度阈值ws0=0.18,精彩片段最短距离阈值为30s,片段长度最大阈值为60s。由图可见,这5分钟的比赛中被识别出来3个精彩时刻。由比分信息可见,这三个时刻都是某支球队短时间内快速得分的时段,称之为精彩时刻也较为合理。
本发明提供的对抗性竞赛中的精彩时刻识别方法,可以较好地满足对于比赛中精彩时刻的识别功能,可以为赛事分析、赛事播报和队员训练提供很好的辅助作用,提高竞技赛事的数字化、系统化、智能化程度。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体,但并不能因此理解为对本发明专利范围的限制。应当指出,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应当以所附权利要求为准。
Claims (10)
1.一种对抗性竞赛中的精彩时刻识别方法,其步骤包括:
1)根据目标竞赛的竞赛类型,初始化反映竞赛过程的各项指标;
2)从该目标竞赛的竞赛过程获取各项指标的取值并进行插值处理,得到该目标竞赛各项指标的竞赛过程函数;
3)对各竞赛过程函数进行精彩时刻判别,得到竞赛中各个时间片段的精彩程度值;
4)根据所述精彩程度值与一设定阈值进行比较,确定出该目标竞赛的精彩时刻。
2.如权利要求1所述的方法,其特征在于,所述步骤2)中,首先根据该目标竞赛中每一对抗者p在每一项指标s的取值生成一随着时间变化的离散化函数fs,p-ori(t);然后对每一离散化函数fs,p-ori(t)采用三次样条曲线进行插值处理,得到每一对抗者p在每一项指标s上对于时间自变量一阶可导的竞赛过程函数fs,p(t)。
3.如权利要求1所述的方法,其特征在于,对竞赛过程函数进行精彩时刻判别的方法为:首先设定一时间间隔作为处理窗口,将该处理窗口在一项指标s的竞赛过程函数fs,p(t)对应的曲线上进行滑动,获取当前处理窗口内的函数曲线并计算其导数f′s,p(t)的特征参数;然后根据所述特征参数值计算出该指标当前处理窗口所属时间片段对应的精彩程度值;然后根据各指标同一时间片段对应的精彩程度数值计算得到该目标竞赛对应时间片段的精彩程度值。
4.如权利要求3所述的方法,其特征在于,所述指标包括定量指标和定性指标;对于定量指标,所述特征参数值为ws1(t1,t2),ws2(t1,t2),ws3(t1,t2),ws4(t1,t2),其中,
函数表示对于定量指标s和比赛的第i个对抗者pi,在时刻t1到t2之间的竞赛过程函数的一阶导数的绝对值的最大值;
fs,p′(t)表示fs,p(t)的一阶导函数,max(fs,p′(t))和min(fs,p′(t))两个函数分别表示取函数fs,p′(t)在其定义域上的最大值和最小值,n为竞赛的对抗者总数;对于定性指标,所述局部特征参数值为其中函数ρ(s,p,t1,t2)表示对于定量指标s和比赛的特定对抗者p,在时刻t1到t2之间的竞赛过程函数的取值短时出现密度,ρ(s,p,t1,t2)=∑sum(s,p,t),其中
5.如权利要求4所述的方法,其特征在于,根据一个精彩时刻识别函数 计算出每一个窗口时段(t1,t2)相应指标s所对应的精彩程度值ws(t1,t2);其中,min(wsi)表示在整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最小值,max(wsi)表示在整个竞赛过程上各时间段(t1,t2)上的wsi(t1,t2)的最大值;i表示特征参数的编号,取值范围为1≤i≤5。
6.一种对抗性竞赛中的精彩时刻识别系统,其特征在于,包括指标初始化模块、竞赛过程函数生成模块、精彩时刻判别模块和精彩时刻输出模块;其中,
指标初始化模块,用于根据目标竞赛的竞赛类型,初始化反映竞赛过程的各项指标;
竞赛过程函数生成模块,用于从该目标竞赛的竞赛过程获取各项指标的取值并进行插值处理,得到该目标竞赛各项指标的竞赛过程函数;
精彩时刻判别模块,用于对各竞赛过程函数进行精彩时刻判别,得到竞赛中各个时间片段的精彩程度值;
精彩时刻输出模块,用于根据所述精彩程度值与一设定阈值进行比较,确定出该目标竞赛的精彩时刻。
7.如权利要求6所述的系统,其特征在于,所述竞赛过程函数生成模块根据该目标竞赛中每一对抗者p在每一项指标s的取值生成一随着时间变化的离散化函数fs,p-ori(t);然后对每一离散化函数fs,p-ori(t)采用三次样条曲线进行插值处理,得到每一对抗者p在每一项指标s上对于时间自变量一阶可导的竞赛过程函数fs,p(t)。
8.如权利要求6所述的系统,其特征在于,所述精彩时刻判别模块首先设定一时间间隔作为处理窗口,将该处理窗口在一项指标s的竞赛过程函数fs,p(t)对应的曲线上进行滑动,获取当前处理窗口内的函数曲线并计算其导数f′s,p(t)的特征参数;然后根据所述特征参数值计算出该指标当前处理窗口所属时间片段对应的精彩程度值;然后根据各指标同一时间片段对应的精彩程度数值计算得到该目标竞赛对应时间片段的精彩程度值。
9.一种服务器,其特征在于,包括存储器和处理器,所述存储器存储计算机程序,所述计算机程序被配置为由所述处理器执行,所述计算机程序包括用于执行权利要求1至5任一所述方法中各步骤的指令。
10.一种计算机可读存储介质,其特征在于,存储一计算机程序,所述计算机程序包括用于执行权利要求1至5任一所述方法中各步骤的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934862.XA CN109344697B (zh) | 2018-08-16 | 2018-08-16 | 一种对抗性竞赛中的精彩时刻识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810934862.XA CN109344697B (zh) | 2018-08-16 | 2018-08-16 | 一种对抗性竞赛中的精彩时刻识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109344697A true CN109344697A (zh) | 2019-02-15 |
CN109344697B CN109344697B (zh) | 2021-11-09 |
Family
ID=65291607
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810934862.XA Active CN109344697B (zh) | 2018-08-16 | 2018-08-16 | 一种对抗性竞赛中的精彩时刻识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109344697B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012348A (zh) * | 2019-06-04 | 2019-07-12 | 成都索贝数码科技股份有限公司 | 一种赛事节目自动集锦系统及方法 |
CN110188237A (zh) * | 2019-06-04 | 2019-08-30 | 成都索贝数码科技股份有限公司 | 一种用于赛事智能制作的数据汇聚系统及方法 |
CN110460869A (zh) * | 2019-08-14 | 2019-11-15 | 咪咕文化科技有限公司 | 一种确定视频剪辑片段的方法、电子设备及存储介质 |
WO2021174391A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳市大疆创新科技有限公司 | 比赛画面的获取方法和装置及拍摄装置的控制方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070292112A1 (en) * | 2006-06-15 | 2007-12-20 | Lee Shih-Hung | Searching method of searching highlight in film of tennis game |
CN102890781A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种针对羽毛球比赛视频的精彩镜头识别方法 |
CN104123396A (zh) * | 2014-08-15 | 2014-10-29 | 三星电子(中国)研发中心 | 一种基于云电视的足球视频摘要生成方法及装置 |
CN105306834A (zh) * | 2015-10-10 | 2016-02-03 | 上海慧体网络科技有限公司 | 一种采用运动视频分析技术判断比赛精彩程度的方法 |
CN108307230A (zh) * | 2018-02-07 | 2018-07-20 | 北京奇艺世纪科技有限公司 | 一种视频精彩片段的提取方法及装置 |
-
2018
- 2018-08-16 CN CN201810934862.XA patent/CN109344697B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070292112A1 (en) * | 2006-06-15 | 2007-12-20 | Lee Shih-Hung | Searching method of searching highlight in film of tennis game |
CN102890781A (zh) * | 2012-07-04 | 2013-01-23 | 北京航空航天大学 | 一种针对羽毛球比赛视频的精彩镜头识别方法 |
CN104123396A (zh) * | 2014-08-15 | 2014-10-29 | 三星电子(中国)研发中心 | 一种基于云电视的足球视频摘要生成方法及装置 |
CN105306834A (zh) * | 2015-10-10 | 2016-02-03 | 上海慧体网络科技有限公司 | 一种采用运动视频分析技术判断比赛精彩程度的方法 |
CN108307230A (zh) * | 2018-02-07 | 2018-07-20 | 北京奇艺世纪科技有限公司 | 一种视频精彩片段的提取方法及装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110012348A (zh) * | 2019-06-04 | 2019-07-12 | 成都索贝数码科技股份有限公司 | 一种赛事节目自动集锦系统及方法 |
CN110188237A (zh) * | 2019-06-04 | 2019-08-30 | 成都索贝数码科技股份有限公司 | 一种用于赛事智能制作的数据汇聚系统及方法 |
CN110012348B (zh) * | 2019-06-04 | 2019-09-10 | 成都索贝数码科技股份有限公司 | 一种赛事节目自动集锦系统及方法 |
CN110188237B (zh) * | 2019-06-04 | 2023-07-25 | 成都索贝数码科技股份有限公司 | 一种用于赛事智能制作的数据汇聚系统及方法 |
CN110460869A (zh) * | 2019-08-14 | 2019-11-15 | 咪咕文化科技有限公司 | 一种确定视频剪辑片段的方法、电子设备及存储介质 |
CN110460869B (zh) * | 2019-08-14 | 2022-03-25 | 咪咕文化科技有限公司 | 一种确定视频剪辑片段的方法、电子设备及存储介质 |
WO2021174391A1 (zh) * | 2020-03-02 | 2021-09-10 | 深圳市大疆创新科技有限公司 | 比赛画面的获取方法和装置及拍摄装置的控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109344697B (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344697A (zh) | 一种对抗性竞赛中的精彩时刻识别方法 | |
Triolet et al. | Quantifying the nature of anticipation in professional tennis | |
Murray et al. | A comparison of visual search strategies of elite and non-elite tennis players through cluster analysis | |
Brito Souza et al. | Association of match running performance with and without ball possession to football performance | |
Ferrari et al. | Match analysis in handball: a systematic review | |
Jackson et al. | Advance visual information, awareness, and anticipation skill | |
O'donoghue | Research methods for sports performance analysis | |
Mangan et al. | The relationship between technical performance indicators and running performance in elite Gaelic football | |
Winand et al. | Sports fans and innovation: An analysis of football fans’ satisfaction with video assistant refereeing through social identity and argumentative theories | |
US10198480B2 (en) | Method and apparatus for determining hot user generated contents | |
Lorains et al. | Performance analysis for decision making in team sports | |
CN110267116A (zh) | 视频生成方法、装置、电子设备和计算机可读介质 | |
Baptista et al. | A comparison of match-physical demands between different tactical systems: 1-4-5-1 vs 1-3-5-2 | |
Turner et al. | Total score of athleticism: Holistic athlete profiling to enhance decision-making | |
Van Maarseveen et al. | System for notational analysis in small-sided soccer games | |
Pocock et al. | Hot hands, cold feet? Investigating effects of interacting constraints on place kicking performance at the 2015 Rugby Union World Cup | |
Vickery et al. | Physiological, movement and technical demands of centre-wicket Battlezone, traditional net-based training and one-day cricket matches: a comparative study of sub-elite cricket players | |
US20210394060A1 (en) | Method and system for automatically generating video highlights for a video game player using artificial intelligence (ai) | |
Ryan et al. | Traditional and modified 5-0-5 change of direction test: Normative and reliability analysis | |
Talty et al. | Agility demands of Gaelic football match-play: A time-motion analysis | |
Souchon et al. | Referees' use of heuristics: The moderating impact of standard of competition | |
Kempe et al. | Smart data scouting in professional soccer: Evaluating passing performance based on position tracking data | |
Giles et al. | Differentiating movement styles in professional tennis: A machine learning and hierarchical clustering approach | |
Teune et al. | Application of a continuous pressure metric for Australian football | |
Almeida | Comparison of successful offensive sequences in the group stage of 2018 FIFA World Cup: eliminated vs. qualified teams |
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 |