CN109847321B - 一种运动员训练辅助方法、装置、服务器及存储介质 - Google Patents
一种运动员训练辅助方法、装置、服务器及存储介质 Download PDFInfo
- Publication number
- CN109847321B CN109847321B CN201910100298.6A CN201910100298A CN109847321B CN 109847321 B CN109847321 B CN 109847321B CN 201910100298 A CN201910100298 A CN 201910100298A CN 109847321 B CN109847321 B CN 109847321B
- Authority
- CN
- China
- Prior art keywords
- athlete
- training
- motion
- data
- determining
- 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
Links
- 238000012549 training Methods 0.000 title claims abstract description 119
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000033001 locomotion Effects 0.000 claims abstract description 106
- 238000011156 evaluation Methods 0.000 claims abstract description 51
- 230000009471 action Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本发明实施例公开了一种运动员训练辅助方法、装置、服务器及存储介质。该方法，包括：通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；根据各运动员的动作数据对各运动员进行综合能力评估；根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。通过获取运动员的图像数据，对各运动员进行综合能力评估，能够全方面了解各运动员的能力情况，进一步通过综合能力评估结果分析各运动员的弱项，从而针对性地确定训练方案，根据训练方案对各运动员进行强化训练指导，使运动员的训练具有针对性，训练指导方案更加客观合理。
Description
技术领域
本发明实施例涉及运动员训练辅助技术领域，尤其涉及一种运动员训练辅助方法、装置、服务器及存储介质。
背景技术
现阶段对青少年足球运动员动作数据进行分析、评估和指导的工作都是教练员来完成的，通过教练员对各运动员日常训练中的能力观察和了解确定运动员的优势和劣势，进而针对性的指导和训练。但是，教练员对运动员的能力评估和指导具有主观性，对青少年足球运动员的评估指导力度不足，运动员缺少科学有效并且适合自己的系统指导。并且，教练员但是对每个球员进行逐一的分析指导工作量太大，仅依靠队内的教练员根本无法完成。
发明内容
本发明实施例提供一种运动员训练辅助方法、装置、服务器及存储介质，以实现通过各运动员的综合能力评价，并根据动作数据自动化分析各运动员的弱项，从而根据各运动员的弱项针对性地确定训练方案。
第一方面，本发明实施例提供了一种运动员训练辅助方法，该方法包括：
通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；
根据各运动员的动作数据对各运动员进行综合能力评估；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
第二方面，本发明实施例还提供了一种运动员训练辅助装置，该装置包括：
数据获取模块，用于通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；
综合能力评估模块，用于根据各运动员的动作数据对各运动员进行综合能力评估；
训练方案确定模块，用于根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
第三方面，本发明实施例还提供了一种服务器，该服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中的任一种运动员训练辅助方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明实施例中的任一种运动员训练辅助方法。
本发明实施例获取训练期间的各运动员的图像数据，通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；根据各运动员的动作数据对各运动员进行综合能力评估；根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。通过获取运动员的图像数据，对各运动员进行综合能力评估，能够全方面了解各运动员的能力情况，进一步通过综合能力评估结果分析各运动员的弱项，从而针对性地确定训练方案，根据训练方案对各运动员进行强化训练指导，使运动员的训练具有针对性，训练指导方案更加客观合理。
附图说明
图1是本发明实施例一中的运动员训练辅助方法的流程图；
图2是本发明实施例一中的运动员训练辅助界面示意图；
图3是本发明实施例二中的运动员训练辅助方法的流程图；
图4是本发明实施例三中的运动员训练辅助装置的结构示意图；
图5是本发明实施例四中的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一中的一种运动员训练辅助方法的流程图。本实施例提供的运动员训练辅助方法可适用于通过对运动员的图像数据进行分析进而对各运动员的进行综合能力评估，根据各运动员综合能力评估结果中的弱项确定训练方案的情况，可以应用于俱乐部足球运动中，也可以应用到对青少年足球运动训练中。该方法具体可以由运动员训练辅助装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在服务器中。参见图1，本实施的方法具体包括如下步骤：
S110、通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据。
示例性的，运动员在日常训练期间，通过安装于训练场地的图像采集装置获取场上各运动员的图像数据，可选的，图像采集装置设置于场地边长较长的一边的中点进行拍摄，以保证采集的图像的整体性，并保持进行顺光图像采集。图像采集装置中包括至少一个智能摄像头，通过智能摄像头能够对运动员及球进行自动化识别、追踪和分析。可选的，对图像采集装置采集到的场地区域可以进行自动化分割，以每个小场地区域为单元进行各运动员的动作数据分析。通过采集的图像数据进一步对各运动员的姿势动作进行追踪和分析，从而得到各运动员的动作数据。可选的，所述动作数据包括运动跑动距离、射门次数、射正次数、传球次数、扑球次数、传球成功率、控球率和抢断次数中的至少一个。
示例性的，通过实时追踪各运动员的位置从而通过各运动员的轨迹聚集与场地的大小比例计算出各运动员的跑动距离。通过追踪各运动员和球的位置从而获取各运动员的传球次数，并识别当前传球是否成功，即是否将球传至另一位运动员的附近，由另一位运动员继续运球，通过传球次数与传球成功的次数进一步计算得到传球成功率。
S120、根据各运动员的动作数据对各运动员进行综合能力评估。
具体的，对于每一位运动员，需要得知各运动员的能力情况，以便对各运动员充分了解，对其在团队中的具体任务进行安排。因此，需要对各运动员进行综合能力评估，示例性的，对于各运动员的动作数据，进行能力评分，例如，将各运动员的传球得分范围设为0-10分，与一个运动员的传球成功率范围0-100％相对应，即传球得分＝传球成功率*100÷10，若一个运动员的传球成功率位60％，则其传球得分为6。从而确定各运动员对于各项动作数据的能力评分。
可选的，各运动员的综合能力评估包括个运动员的身价评估，各运动员的身价为各运动员的各项动作数据得分之和减去运动员的年龄，得到的结果以万为单位，作为各运动员的身价评估结果。
可选的，根据各运动员的跑动速度对各运动员的身体情况进行评估，身体情况评估包括心率评估、能量消耗评估和健康指数评估。通过图像数据获得各运动员的跑动距离数据，根据跑动距离所对应的时间，获得各运动员的跑动速度数据，由于运动跑动速度的范围一般为24km/h-33km/h，而人体平均心率是110-200次/分。因此，心率HR与跑动速度v之间的关系为：HR＝110+(v-24)*10，从而得到心率评估。对于每个运动员，每跑动一米则消耗7.5卡路里，因此能量消耗E与跑动距离S之间的关系为E＝7.5*S，从而得到各运动员的能量消耗。对于各运动员的健康指数评估，根据BMI公式(Body Mass Index，身体质量指数)得出，及体质指数BMI＝体重(kg)÷身高(m)2，将BMI作为健康指数评估结果。
可选的，综合能力评估中包括专家建议，专家建议包括能力专家建议和身体专家建议，对于能力专家建议，事先建立能力建议库，建议库中保存各专家针对球员各能力指标短板即动作数据得分较低的项目提供专家建议，针对各运动员的动作数据得分，给出针对性的专家建议，例如，当运动员的动作数据得分低于6时，给出对应数据的专家建议。对于身体专家建议，则是根据各运动员的身体情况评估结果，给出相应的专家建议。
可选的，综合能力评估还包括场上位置评估，根据各运动员的动作数据以及身体情况数据，分析各运动员适合的场上位置，得到各位置对于各运动员的得分，从而得到场上位置评估能力值，如图2所示。根据场上位置评估结果确定各运动员的优势场上位置。
可选的，根据各运动员的速度、力量、防守、盘带、传球和射门六项能力形成雷达图，每项的评分范围为0-10，从而直观得出各运动员的能力情况。
示例性的，通过对各运动员的动作数据进行分析，从而对各运动员的弱项进行评估，从而分析得到各运动员能力较弱的方面，从而为各运动员制定针对性的训练方案，以针对各运动员的弱项进行强化，并结合各运动员相对较强的项目进行合理的位置排布和分工，以发挥各运动员的优势。
可选的，根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练，包括：若综合能力评估结果中各运动员的动作数据得分低于预设分数阈值，则判定动作数据所对应的项目为弱项；根据预设指导方案对各运动员的弱项确定相对应的训练方案。
具体的，图2是本发明实施例一中的运动员训练辅助界面示意图，如图2所示，针对各类动作数据评分设定预设分数阈值，预设分数阈值可以有技术人员根据需要进行设定，例如可以按照本场训练或比赛各类动作数据的场均数据作为预设分数阈值，例如设置各项评分预设分数阈值为6，将各运动员的动作数据与预设分数阈值进行对比，若高于预设分数阈值，则说明该运动员的此项运动达标，若不高于预设分数阈值，则说明该运动员的此项运动未达标，与球队其他运动员的此项运动相比存在差距，需要进行针对性的强化训练，则自动制定训练方案，以辅助运动员训练。
另一可选的，根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练，包括：根据虚拟阵容模型对当前阵容进行评估，根据各运动员的各类动作数据判断当前各站位运动员的弱项；根据预设指导方案对各运动员的弱项确定相对应的训练方案。具体的，根据综合能力评估中的场上位置评估结果预先建立虚拟阵容模型，虚拟阵容模型中各运动员的动作数据为能够发挥各站位运动员作用的标准数据，将当前场上阵容中的不同位置运动员动作数据与虚拟阵容模型中的运动员动作数据进行对比，从而得到当前场上阵容中的不同位置运动员动作数据与虚拟阵容模型中的运动员动作数据的差距，从而判断各运动员的弱项，从而根据各运动员的弱项以及预先存储于数据库的资深教练员标准训练方案确定训练方案，以强化各运动员的弱项，辅助运动员训练。
本实施例的技术方案，通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；根据各类动作数据对各运动员的弱项进行评估，并根据各运动员的弱项确定训练方案，以辅助训练。通过获取运动员的图像数据，得到个运动员的动作数据，根据动作数据对各运动员进行综合能力评估，能够全方面了解各运动员的能力情况，进一步通过各运动员的图像数据分析各运动员的弱项，从而针对性地自动化确定训练方案，根据训练方案对各运动员进行强化训练指导，使运动员的训练具有针对性，训练指导方案更加客观合理。
实施例二
图3是本发明实施例二中的运动员训练辅助方法的流程图。本实施例在上述实施例的基础上进行了优化，未在本实施例中详细描述的细节详见上述实施例。参见图3，本实施例提供的运动员训练辅助方法包括：
S210、通过预设算法对至少一个运动员进行捕捉和追踪，并记录各运动员的运动轨迹。
示例性的，通过设置的矩形框识别并锁定场地中的各运动员，并根据矩形框的个数及锁定的运动员分析出场地中的运动员人数，对矩形框锁定的各运动员进行追踪，得到各运动员的运动轨迹。另外，设定圆形框识别并锁定球的位置和状态，对球的运动进行追踪。
S220、将捕捉和追踪的各运动员进行人脸识别，并与预先存储的运动员信息进行对比，确定各运动员身份信息。
示例性的，针对矩形框锁定的运动员进行人脸识别，将识别到的人像与数据库中预存的运动员照片进行匹配分析，若识别到的人像与预存的运动员照片相匹配，则通过数据库中预存的运动员信息确定当前运动员的身份信息。
S230、根据预设动作模型对追踪的各运动员的动作进行分析，得到各运动员的当前动作分类，并对各运动员执行各类动作的时间或次数进行统计，得到各运动员的动作数据。
示例性的，预先设定动作模型，动作模型中包括各动作名称、对应的运动员动作以及球的状态。例如，传球动作对应运动员腿部的大幅度摆动且球的运动轨迹为从一个矩形框锁定的对象到另一个矩形框锁定的对象，则认为对应运动员完成了一次传球运动。根据运动模型分析得到当前的各运动的动作分类，并统计各运动执行每一类动作的时间或次数，从而得到各运动员的动作数据。
具体的，传球动作对应运动员腿部的大幅度摆动，球的锁定框首先跟随当前运动员的锁定框运动，然后球的运动轨迹为从一个矩形框锁定的对象到另一个矩形框锁定的对象，并跟随另外一个锁定框锁定的对象进行运动，则认为对应运动员完成了一次传球且传球成功，记录为传球成功一次。根据运动模型分析得到当前的各运动的动作分类，并统计各运动执行每一类动作的时间或次数，从而得到各运动员的动作数据。
S240、根据各运动员的动作数据对各运动员进行综合能力评估。
S250、根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
本实施例的技术方案，通过预设算法对至少一个运动员进行捕捉和追踪，并记录各运动员的运动轨迹；将捕捉和追踪的各运动员进行人脸识别，并与预先存储的运动员信息进行对比，确定各运动员身份信息；根据预设动作模型对追踪的各运动员的动作进行分析，得到各运动员的当前动作分类，并对各运动员执行各类动作的时间或次数进行统计，得到各运动员的动作数据。根据各运动员的动作数据对各运动员进行综合能力评估；根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。通过捕捉和追踪各运动员，并对各运动员的动作进行分析得到动作数据，根据动作数据分析得到各运动员的弱项，自动化得出各运动员的综合得分，从而得到各运动员的运动类型，使运动员的训练具有针对性，训练指导方案更加客观合理。
实施例三
图4为本发明实施例四提供的一种运动员训练辅助装置的结构示意图。该装置适用于通过对训练期间运动员的图像数据进行分析进一步制定参赛阵容的情况，该装置可以由软件和/或硬件实现，并具体可集成在服务器中。参见图4，该装置具体包括：
数据获取模块310，用于通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；
综合能力评估模块320，用于根据各运动员的动作数据对各运动员进行综合能力评估；
训练方案确定模块330，用于根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
可选的，所述动作数据包括运动跑动距离、射门次数、射正次数、传球次数、扑球次数、传球成功率、控球率和抢断次数中的至少一个。
可选的，所述数据获取模块310，包括：
追踪单元，用于通过预设算法对训练期间的至少一个运动员进行捕捉和追踪，并记录各运动员的运动轨迹；
人脸识别单元，用于将捕捉和追踪的各运动员进行人脸识别，并与预先存储的运动员信息进行对比，确定各运动员身份信息；
动作数据获取单元，用于根据预设动作模型对追踪的各运动员的动作进行分析，得到各运动员的当前动作分类，并对各运动员执行各类动作的时间或次数进行统计，得到各运动员的动作数据。
可选的，所述训练方案确定模块330，包括：
阈值判断单元，用于若各运动员的动作数据低于预设动作数据阈值，则判定动作数据所对应的项目为弱项；
第一训练方案确定单元，用于根据预设指导方案对各运动员的弱项确定相对应的训练方案。
可选的，所述训练方案确定模块330，包括：
模型评估单元，用于根据虚拟阵容模型对当前阵容进行评估，根据各运动员的各类动作数据判断当前各站位运动员的弱项；
第二训练方案确定单元，用于根据预设指导方案对各运动员的弱项确定相对应的训练方案。
本实施例的技术方案，数据获取模块通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；根据各运动员的动作数据对各运动员进行综合能力评估；根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。通过获取运动员的图像数据，进一步通过各运动员的图像数据分析各运动员的弱项，从而针对性地确定训练方案，根据训练方案对各运动员进行强化训练指导，使运动员的训练具有针对性，训练指导方案更加客观合理。
实施例四
图5是本发明实施例四中的一种服务器的结构示意图。图5示出了适于用来实现本发明实施方式的示例性服务器412的框图。图5显示的服务器412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，服务器412以通用计算服务器的形式表现。服务器412的组件可以包括但不限于：一个或者多个处理器或者处理器416，系统存储器428，连接不同系统组件(包括系统存储器428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
服务器412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被服务器412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
系统存储器428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)430和/或高速缓存存储器432。服务器412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储器428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储器428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。
服务器412也可以与一个或多个外部服务器414(例如键盘、指向服务器、显示器424等)通信，还可与一个或者多个使得用户能与该服务器412交互的服务器通信，和/或与使得该服务器412能与一个或多个其它计算服务器进行通信的任何服务器(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，服务器412还可以通过网络适配器420与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器420通过总线418与服务器412的其它模块通信。应当明白，尽管图中未示出，可以结合服务器412使用其它硬件和/或软件模块，包括但不限于：微代码、服务器驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在系统存储器428中的多个程序中其他程序的至少一个，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的运动员训练辅助方法，包括：
通过图像采集装置获取至少一个运动员的图像数据，通过所述图像数据确定各运动员的各类动作数据；
根据各运动员的动作数据对各运动员进行综合能力评估；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
实施例五
本发明实施例五还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种运动员训练辅助方法：
通过图像采集装置获取至少一个运动员的图像数据，通过所述图像数据确定各运动员的各类动作数据；
根据各运动员的动作数据对各运动员进行综合能力评估；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种运动员训练辅助方法，其特征在于，所述方法包括：
通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；
根据各运动员的动作数据对各运动员进行综合能力评估；
所述综合能力评估包括各运动员身价评估、身体情况评估、专家建议和场上的位置评估；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练，包括：
根据综合能力评估中的场上位置评估结果预先建立虚拟阵容模型；
根据虚拟阵容模型对当前阵容进行评估，根据各运动员的各类动作数据判断当前各站位运动员的弱项；
根据预设指导方案对各运动员的弱项确定相对应的训练方案。
2.根据权利要求1所述的方法，其特征在于，所述动作数据包括运动跑动距离、射门次数、射正次数、传球次数、扑球次数、传球成功率、控球率和抢断次数中的至少一个。
3.根据权利要求1所述的方法，其特征在于，通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据，包括：
通过预设算法对至少一个运动员进行捕捉和追踪，并记录各运动员的运动轨迹；
将捕捉和追踪的各运动员进行人脸识别，并与预先存储的运动员信息进行对比，确定各运动员身份信息；
根据预设动作模型对追踪的各运动员的动作进行分析，得到各运动员的当前动作分类，并对各运动员执行各类动作的时间或次数进行统计，得到各运动员的动作数据。
4.根据权利要求1所述的方法，其特征在于，根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练，包括：
若综合能力评估结果中各运动员的动作数据得分低于预设分数阈值，则判定动作数据所对应的项目为弱项；
根据预设指导方案对各运动员的弱项确定相对应的训练方案。
5.一种运动员训练辅助装置，其特征在于，包括：
数据获取模块，用于通过图像采集装置获取至少一个运动员的图像数据，通过对所述图像数据进行算法分析确定各运动员的各类动作数据；
综合能力评估模块，用于根据各运动员的动作数据对各运动员进行综合能力评估；
所述综合能力评估包括各运动员身价评估、身体情况评估、专家建议和场上的位置评估；
训练方案确定模块，用于根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练；
根据各运动员的综合能力评估结果确定各运动员的训练方案，以辅助训练，包括：
根据综合能力评估中的场上位置评估结果预先建立虚拟阵容模型；
根据虚拟阵容模型对当前阵容进行评估，根据各运动员的各类动作数据判断当前各站位运动员的弱项；
根据预设指导方案对各运动员的弱项确定相对应的训练方案。
6.根据权利要求5所述的装置，其特征在于，所述动作数据包括运动跑动距离、射门次数、射正次数、传球次数、扑球次数、传球成功率、控球率和抢断次数中的至少一个。
7.根据权利要求5所述的装置，其特征在于，所述数据获取模块，包括：
追踪单元，用于通过预设算法对训练期间的至少一个运动员进行捕捉和追踪，并记录各运动员的运动轨迹；
人脸识别单元，用于将捕捉和追踪的各运动员进行人脸识别，并与预先存储的运动员信息进行对比，确定各运动员身份信息；
动作数据获取单元，用于根据预设动作模型对追踪的各运动员的动作进行分析，得到各运动员的当前动作分类，并对各运动员执行各类动作的时间或次数进行统计，得到各运动员的动作数据。
8.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-4中任一所述的运动员训练辅助方法。
9.一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，该程序被处理器执行时实现如权利要求1-4中任一所述的运动员训练辅助方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910100298.6A CN109847321B (zh) | 2019-01-31 | 2019-01-31 | 一种运动员训练辅助方法、装置、服务器及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910100298.6A CN109847321B (zh) | 2019-01-31 | 2019-01-31 | 一种运动员训练辅助方法、装置、服务器及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109847321A CN109847321A (zh) | 2019-06-07 |
| CN109847321B true CN109847321B (zh) | 2020-12-04 |
Family
ID=66897356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910100298.6A Active CN109847321B (zh) | 2019-01-31 | 2019-01-31 | 一种运动员训练辅助方法、装置、服务器及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109847321B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110327604B (zh) * | 2019-06-26 | 2020-11-17 | 唐山师范学院 | 健美操智能训练装置 |
| CN111611205A (zh) * | 2020-05-21 | 2020-09-01 | 北京软通智慧城市科技有限公司 | 训练数据采集方法、装置、设备和存储介质 |
| CN112819330A (zh) * | 2021-02-01 | 2021-05-18 | 深圳兴睿信息科技有限公司 | 球员能力智能评估方法、装置、计算机设备及存储介质 |
| CN114344856B (zh) * | 2022-01-01 | 2023-04-07 | 北京市商汤科技开发有限公司 | 数据处理方法、装置、设备及计算机可读存储介质 |
| CN114580529B (zh) * | 2022-03-03 | 2023-04-21 | 电子科技大学 | 一种选拔和训练足球运动员的系统 |
| CN115414648B (zh) * | 2022-08-30 | 2023-08-25 | 北京华锐视界科技有限公司 | 一种基于动作捕捉技术的足球评测方法及足球评测系统 |
| CN116351023B (zh) * | 2022-11-01 | 2024-07-23 | 彭峻 | 网球运动效果评测方法、装置、电子设备和存储介质 |
| CN118365105A (zh) * | 2024-06-20 | 2024-07-19 | 广州华夏汇海科技有限公司 | 一种基于排球训练的智能组队方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805068A (zh) * | 2018-06-01 | 2018-11-13 | 李泽善 | 一种基于学生运动的运动辅助系统、方法、装置及介质 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105344086B (zh) * | 2015-08-19 | 2018-06-26 | 刘庆斌 | 一种足球进攻与防守技战术智能教学、训练和比赛系统的设置方法及其设备 |
| CN105183152A (zh) * | 2015-08-25 | 2015-12-23 | 小米科技有限责任公司 | 运动能力的分析方法、装置及终端 |
| US10010778B2 (en) * | 2016-06-03 | 2018-07-03 | Pillar Vision, Inc. | Systems and methods for tracking dribbling and passing performance in sporting environments |
| CN106422273B (zh) * | 2016-07-18 | 2019-02-22 | 深圳市微队信息技术有限公司 | 一种足球活动数据采集方法及系统 |
| CN106730767A (zh) * | 2016-12-20 | 2017-05-31 | 盐城工学院 | 运动训练方法及系统 |
| CN108905095B (zh) * | 2018-08-06 | 2020-03-10 | 百度在线网络技术（北京）有限公司 | 运动员比赛状态评估方法和设备 |
-
2019
- 2019-01-31 CN CN201910100298.6A patent/CN109847321B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108805068A (zh) * | 2018-06-01 | 2018-11-13 | 李泽善 | 一种基于学生运动的运动辅助系统、方法、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109847321A (zh) | 2019-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109847321B (zh) | 一种运动员训练辅助方法、装置、服务器及存储介质 | |
| Kelly et al. | Automatic detection of collisions in elite level rugby union using a wearable sensing device | |
| US20230233905A1 (en) | Methods and systems for generating sports analytics with a mobile device | |
| Blank et al. | Sensor-based stroke detection and stroke type classification in table tennis | |
| CN105631399A (zh) | 用于体育视频识别的快速对象跟踪框架 | |
| Sun et al. | Tracknetv2: Efficient shuttlecock tracking network | |
| Yang et al. | TennisMaster: An IMU-based online serve performance evaluation system | |
| McGrath et al. | Upper body activity classification using an inertial measurement unit in court and field-based sports: A systematic review | |
| US20160210514A9 (en) | Mobile device ball speed tracking | |
| Ghosh et al. | Sports analytics review: Artificial intelligence applications, emerging technologies, and algorithmic perspective | |
| Abreu et al. | Performance analysis in soccer: a Cartesian coordinates based approach using RoboCup data | |
| Hammam et al. | Real-time multiple spatiotemporal action localization and prediction approach using deep learning | |
| JPWO2018122956A1 (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 | |
| Xiong et al. | Object-level trajectories based fine-grained action recognition in visual IoT applications | |
| Li et al. | [Retracted] Deep Learning Algorithm‐Based Target Detection and Fine Localization of Technical Features in Basketball | |
| Ooi et al. | Badminton stroke identification using wireless inertial sensor and neural network | |
| CN109948896A (zh) | 一种比赛阵容确定方法、装置、服务器及存储介质 | |
| Yu | Evaluation of training efficiency of table tennis players based on computer video processing technology | |
| Wang et al. | Studies and simulations on the flight trajectories of spinning table tennis ball via high-speed camera vision tracking system | |
| KR20210010408A (ko) | 비전 센서 데이터 기반 골프 스윙 궤적 추적 및 분석 장치 및 방법 | |
| Du | RETRACTED: Preventive monitoring of basketball players' knee pads based on IoT wearable devices | |
| Connaghan et al. | An automatic visual analysis system for tennis | |
| Han et al. | Artificial Intelligence Technologies and Their Application for Reform and Development of Table Tennis Training in Complex Environments | |
| Zhang | [Retracted] Action Recognition and Application of Table Tennis Training Based on IOT Perception | |
| Chakraborty et al. | Deep Learning-Based Prediction of Football Players’ Performance During Penalty Shootout |
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 |