CN110235191B - 检测系统和方法 - Google Patents
检测系统和方法 Download PDFInfo
- Publication number
- CN110235191B CN110235191B CN201780084844.0A CN201780084844A CN110235191B CN 110235191 B CN110235191 B CN 110235191B CN 201780084844 A CN201780084844 A CN 201780084844A CN 110235191 B CN110235191 B CN 110235191B
- Authority
- CN
- China
- Prior art keywords
- imaging device
- control unit
- player
- trigger
- detection system
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000003384 imaging method Methods 0.000 claims abstract description 215
- 230000004044 response Effects 0.000 claims abstract description 23
- 238000003860 storage Methods 0.000 claims description 97
- 238000004458 analytical method Methods 0.000 claims description 63
- 238000010801 machine learning Methods 0.000 claims description 47
- 230000033001 locomotion Effects 0.000 claims description 40
- 230000002123 temporal effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000015654 memory Effects 0.000 description 18
- 238000005259 measurement Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 235000009854 Cucurbita moschata Nutrition 0.000 description 4
- 240000001980 Cucurbita pepo Species 0.000 description 4
- 235000009852 Cucurbita pepo Nutrition 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 235000020354 squash Nutrition 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000003909 pattern recognition Methods 0.000 description 3
- 238000010223 real-time analysis Methods 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009828 non-uniform distribution Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B19/00—Teaching not covered by other main groups of this subclass
- G09B19/003—Repetitive work cycles; Sequence of movements
- G09B19/0038—Sports
-
- 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
- A63B24/0021—Tracking a path or terminating locations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
- A61B5/1128—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique using image analysis
-
- 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
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- 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
- A63B24/0006—Computerised comparison for qualitative assessment of motion sequences or the course of a movement
- A63B2024/0012—Comparing movements or motion sequences with a registered reference
-
- 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
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0025—Tracking the path or location of one or more users, e.g. players of a game
-
- 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
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0028—Tracking the path of an object, e.g. a ball inside a soccer pitch
- A63B2024/0034—Tracking the path of an object, e.g. a ball inside a soccer pitch during flight
-
- 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
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0037—Tracking a path or terminating locations on a target surface or at impact on the ground
- A63B2024/004—Multiple detectors or sensors each defining a different zone
-
- 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
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0037—Tracking a path or terminating locations on a target surface or at impact on the ground
- A63B2024/0043—Systems for locating the point of impact on a specific surface
-
- 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
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0056—Tracking a path or terminating locations for statistical or strategic analysis
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/05—Image processing for measuring physical parameters
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/806—Video cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/807—Photo cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2225/00—Miscellaneous features of sport apparatus, devices or equipment
- A63B2225/50—Wireless data transmission, e.g. by radio transmitters or telemetry
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Entrepreneurship & Innovation (AREA)
- Medical Informatics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
Abstract
我们总体上描述了用于跟踪运动对象的检测系统及方法。检测系统(101)包括被配置为感测事件的传感器(102)。所述系统还包括耦接至传感器(102)的触发检测模块(108a),其中,所述触发检测模块(108a)被配置为识别感测到的事件为触发事件。所述系统还包括用于对对象的轨迹进行成像的成像设备(114)、以及用于控制所述成像设备(114)的成像设备控制单元(112)。所述成像设备控制单元(112)耦接至触发检测模块(180a),其中,所述成像设备控制单元(112)被配置为响应于由触发检测模块(108a)识别到触发事件来控制所述成像设备(114)。所述成像设备(114)耦接至成像设备控制单元(112),用于向成像设备控制单元(112)提供来自成像设备(114)的反馈,其中,成像设备控制单元(112)对所述成像设备(114)的控制是响应于所述反馈的。
Description
技术领域
本公开总体上涉及检测系统、将该检测系统用于分析比赛中的对象和/或选手、用于跟踪运动对象的方法、以及用于计算比赛中选手的表现度量的方法。
背景技术
使用计算机视觉的对象识别方案在若干行业中使用。当跟踪运动对象的状态时,能够同时在时间分辨率和精确位置估计方面测量精度。所有的这些能力特别地依赖于系统的计算资源和数据传输能力以及成像设备中使用的硬件。高性能设备的高昂进入成本(entering cost)阻止了主流设施采用新方案。对于时空跟踪,精度的限制因素是与要覆盖的场地相比对象的相对变化速度和相对物理尺寸。例如,对于相机,这些因素转变成视野和到对象的距离、图像质量和分辨率、以及记录的时间分辨率。超高速(UHS)相机是可用的,但是价格很贵。此外,所测量的数据的传输是受限的。
在体育分析的情况下,对象跟踪可以提供用于以下各项的信息:量化和比较分析、对事件的重构或甚至预测。分析及优化选手的表现、比赛、技能等已经获得了不断增长的关注。选手、训练员或观众以及甚至是业余消费者对例如自动训练活动、交互比赛或虚拟实际的比赛以及增强现实的比赛、观众参与的体育事件、针对历史记录的虚拟竞赛等都展示了很高的兴趣。分析的焦点已经主要是测量选手的状态和表现。在一些情况下,已经使用了专用的UHS和高分辨率相机,但是仅适合有限使用,例如检查球是否停留在运动场的界限之内。在其它情况下(例如,足球),球可能足够大以至于能够将传感器置于其中而不改变其属性。
能够在例如以下各项中找到现有技术:US 2004/0185952 A1,其总体上涉及决胜球监控方法及装置,WO 2014/005561 A1,其总体上涉及使用相机来记录和显示球在比赛区域的线的周围的撞击的设备,US 2015/0328516 A1,其总体上涉及球类运动的活动监控方法及系统,WO 01/41884 A1,其总体上涉及用于球类运动中的球跟踪的视频处理器系统,WO2015/081303 A1,其总体上涉及利用合计的表现度量的自动的视频标记,US 7,854,669B2,其总体上涉及轨迹检测及反馈系统,DE 10 2011 078 772 A1,其总体上涉及用于触发成像设备的方法,以及WO 2016/005921 A1,其总体上涉及可视训练系统及其方法。
然而,存在以下场景:速度和精度可能都是选手表现的同等重要的因素,且为了正确的评估选手表现,可能需要精确的测量。
发明内容
因此,本公开的目标是提供用于跟踪运动对象的更精确的检测系统。
根据本公开的第一方面,提供了一种检测系统,其包括用于感测事件的传感器,以及耦接至传感器的触发检测模块,其中,触发检测模块被配置为识别由传感器感测到的事件为触发事件。检测系统还包括用于对对象的轨迹进行成像的成像设备、以及用于控制成像设备的成像设备控制单元。成像设备控制单元耦接至触发检测模块,其中,成像设备控制单元被配置为响应于由触发检测模块识别到触发事件来控制成像设备。成像设备的成像设备输出耦接至成像设备控制单元的成像设备控制单元输入,使得可以从成像设备向成像设备控制单元提供反馈。成像设备控制单元对成像设备的控制是响应于反馈的。
在检测系统的变体中,成像设备控制单元还被配置为将反馈与触发事件关联,并基于所述关联来控制成像设备。
在检测系统的另一变体中,所述关联基于与所跟踪的运动对象相对应的事件类型、位置和定时中的一项或多项。
在变体中,检测系统还包括耦接至成像设备控制单元的关联机器学习单元,其中,关联机器学习单元被配置为识别所述关联的一个或多个特征属性和/或一个或多个模式,并且其中,成像设备控制单元还被配置为基于所识别的所述关联的一个或多个特征属性和/或一个或多个模式来控制成像设备。
在变体中,检测系统还包括耦接至成像设备控制单元的反馈机器学习单元,其中,反馈机器学习单元被配置为识别所述反馈的一个或多个特征属性和/或一个或多个模式,并且其中,成像设备控制单元还被配置为基于所识别的所述反馈的一个或多个特征属性和/或一个或多个模式来控制成像设备。
需要理解:关联机器学习单元和反馈机器学习单元可以被集成至单个单元。
在变体中,检测系统还包括用于存储触发事件数据的触发数据库存储单元。传感器的传感器输出可以由此耦接至触发数据库存储单元的触发数据库存储单元输入,以从传感器向触发数据库存储单元提供触发事件数据。触发数据库存储单元的触发数据库存储单元输出可以耦接至触发检测模块的触发检测模块输入。由触发检测模块对触发事件的识别可以由此包括:由触发检测模块比较第一触发事件数据与第二触发事件数据,第一触发事件数据是从传感器获得的,第二触发事件数据是在触发数据库存储单元中存储的且在比第一触发事件数据早的时刻或时间段经由传感器来获得的。
将意识到:在一些变体中,对第一触发事件数据与第二触发事件数据的比较可以在其他地方执行(即,不由触发检测模块来执行)。比较的结果则可以被触发检测模块用于改进将事件识别为触发事件。
在变体中,检测系统还包括用于存储经由传感器获得的触发事件数据的历史数据库存储单元。在该变体中,机器学习模块耦接至历史数据库存储单元,其中,机器学习模块被配置为识别历史数据库存储单元中存储的触发事件的一个或多个特征属性和/或一个或多个模式。机器学习模块可以由此耦接至触发检测模块,以向触发检测模块提供与一个或多个所识别的特征属性和/或一个或多个所识别的模式有关的信息。触发检测模块还可以被配置为基于对一个或多个所识别的特征属性和/或一个或多个所识别的模式与感测到的触发事件的比较来识别触发事件。提供历史数据库存储单元用于存储经由传感器获得的触发事件数据可以例如实现可能需要长期数据追踪的进一步的处理,并且可以实现经微调的模式识别等、或在不同场所之间共享已发现的模式。
需要理解:两个或更多个机器学习模块、反馈机器学习单元和关联机器学习单元可以被集成至单个机器学习单元/模块。
在检测系统的另一变体中,历史数据库存储单元和触发数据库存储单元被集成至单个触发事件数据库存储单元。需要理解,历史数据库存储单元和触发数据库存储单元可以合并成单个存储单元。
在另一变体中,检测系统还包括用于存储成像设备的一个或多个特征的成像设备数据库存储单元。成像设备数据库存储单元可以耦接至成像设备控制单元,其中,成像设备控制单元可以被配置为响应于从成像设备数据库存储单元接收到与成像设备的一个或多个特征有关的信息来控制成像设备。
在另一变体中,检测系统还包括选手检测单元,其被配置为识别选手的运动和/或位置并基于对运动和/或位置的识别来输出运动数据和/或位置数据。选手检测单元可以由此耦接至成像设备控制单元,其中,成像设备控制单元还可以被配置为响应于在成像设备控制单元处从选手检测单元接收到运动数据和/或位置数据来控制成像设备。
在另一变体中,检测系统还包括耦接至选手检测单元的选手数据库存储单元。选手数据库存储单元可以由此被配置为存储运动数据和/或位置数据,以供后续获取。
在检测系统的变体中,选手数据库存储单元耦接至成像设备控制单元。成像设备控制单元对成像设备的控制可以由此是响应于选手数据库存储单元中存储的并且由成像设备控制单元从选手数据库存储单元获取的运动数据和/或位置数据的。
在变体中,检测系统还包括耦接至成像设备的图像数据库存储单元。图像数据库存储单元可以由此被配置为存储由成像设备输出的图像,以供后续获取。例如,为了分析所跟踪的对象的一个或多个特征和/或选手的运动数据和/或位置数据,可能期望后续从图像数据库存储单元这样获取一个或多个图像。
在变体中,检测系统还包括耦接至成像设备输出和成像设备控制单元输入的对象分析单元。对象分析单元可以由此被配置为分析对象的一个或多个特征,特别是对象的轨迹,并且向成像设备控制单元提供与所分析的对象的一个或多个特征有关的信息。成像设备控制单元对成像设备的控制是响应于所分析的对象的一个或多个特征的。
在变体中,检测系统还包括耦接至成像设备控制单元的对象特征数据库存储单元。对象特征数据库存储单元可以由此被配置为存储所分析的对象的一个或多个特征,以供成像设备控制单元后续获取。对成像设备的控制可以是响应于由成像设备控制单元从对象特征数据库存储单元获取的所分析的对象的一个或多个特征的。
在另一变体中,检测系统包括多个成像设备,其中,成像设备被配置为记录用于创建图像的序列的相同的位置,以供后续分析和/或获取。
需要理解:取决于对检测系统的要求和使用,多个成像设备可以涉及不同类型的成像设备。
在另一变体中,检测系统包括多个传感器,其中,检测系统被配置为关联由多个传感器获取的数据。
在检测系统的变体中,成像设备控制单元还被配置为改变成像设备的时间分辨率。在对象和/或选手被检测/监控的同时对象和/或选手的特征属性可以改变的场景中,时间分辨率可以由此被改变。
在本公开的另一相关方面中,提供了一种包括如本文所述的任一变体的检测系统和耦接至该检测系统的输出层的分析系统在内的系统。分析系统可以被配置为分析对象的一个或多个特征。分析系统可以由此与检测系统集成在单个单元中,或者分析系统可以提供为与检测系统分离的单元。检测系统与分析系统的耦接可以由此是有线耦接。备选地,检测系统与分析系统的耦接可以是无线耦接,在该无线耦接中,检测系统和分析系统可以例如通过无线网络彼此通信。技术人员将熟悉可以用于检测系统与分析系统以无线方式彼此通信的各种技术。
在系统的变体中,分析系统还被配置为响应于对对象的一个或多个特征的分析来计算选手的表现度量。
在系统的对变体中,选手的表现度量的计算还基于对选手的运动和/或位置的检测。在系统的另一变体中,对选手的表现度量的计算还基于选手相对于对象的轨迹的运动和/或位置。
在变体中,所述系统还包括根据以下变体的检测系统,在该变体中,检测系统并入了选手检测单元,其中,分析系统还被配置为分析选手的运动和/或位置。可以由此计算选手的表现度量,并且选手的表现度量例如可以与对象的一个或多个特征的分析关联。
在本公开的相关方面中,我们描述了根据本文描述的任一变体的检测系统或根据本文描述的任一变体的系统的应用,用于分析以下一项或多项:对象的轨迹;对象在表面上的撞击和/或反射;对象的速度;选手的运动;选手的位置;以及选手相对于对象的轨迹的运动和/或位置。
在本公开的另一相关方面中,提供了一种用于跟踪运动对象的方法。所述方法包括:感测事件,识别感测到的事件为触发事件。响应于对触发事件的识别来执行成像设备控制单元对成像设备的控制,其中,成像设备被配置为对运动对象的轨迹进行成像。所述方法还包括:从成像设备向成像设备控制单元提供反馈,其中,由成像设备控制单元对成像设备的控制是响应于所述反馈的。
所述方法的变体提供了本公开全文概括的与检测系统和包括检测系统及分析系统在内的系统有关的优点。
用于跟踪运动对象的方法的变体与上文概括的检测系统和包括检测系统与分析系统在内的系统的变体相对应。
在本公开的另一相关方面中,提供了一种用于计算比赛中选手的表现度量的方法。所述方法包括根据如上文概括的方法来跟踪运动对象,并且分析运动对象的一个或多个参数。在变体中,所述一个或多个参数包括以下一项或多项:对象的轨迹、对象在表面上的撞击、对象在表面上的反射和对象的速度。所述方法还包括:对所分析的一个或多个参数与一个或多个预定条件进行比较,以计算比赛中选手的表现度量。为了计算选手的表现度量,在一些变体中,可以确定运动对象是否可能碰撞表面的某个预定区域或者(连续地)碰撞多个表面的区域。
用于计算选手的表现度量的方法的变体与如上文概括的检测系统和包括检测系统与分析系统在内的系统的变体相对应。
需要注意:本文描述的可以允许由成像设备控制单元对成像设备的更精确的控制的任何变体可以备选地或附加地是有利的,因为在控制成像设备的同时考虑了对象的预测特征或预测属性(例如,对象的预测轨迹、和/或选手的预测运动和/或选手的预测位置。
附图说明
现在将参照附图,仅通过示例的方式进一步描述本公开的这些和其它方面,求中,相似的附图标记指代相似的部分,并且在附图中:
图1示出了根据本公开的变体的系统的示意说明图;
图2是示出了根据本公开的变体的检测系统的示意说明图;
图3示出了根据本公开的变体的系统的实现的示意说明图;
图4示出了在其中使用根据本公开的变体的检测系统的场景的示意说明图;
图5a和图5b示出了在其中能够实现根据本公开的变体的系统的示例;
图6示出了根据本公开的变体的方法的示意框图;
图7示出了根据本公开的变体的另一方法的示意框图;
图8示出了根据本公开的变体的系统的示意框图;
图9示出了根据本公开的变体的运动对象跟踪装置和表现评估装置的示意框图;以及
图10示出了根据本公开的变体的运动对象跟踪装置和表现评估装置的另一示意框图。
具体实施方式
以每秒25~30帧(FPS)的时间分辨率来观看日常的视频录像,因为通常认为这对于平滑地跟踪典型的运动已经足够快。相对地,对于例如以等于球的尺寸的空间分辨率来跟踪球的轨迹来说,所需要的记录速度可以如下计算:FPS=[每秒的球速]/[球的尺寸]。例如,在棒球的情况下,使用上述公式需要40[m/s]/0.073[m]≈550FPS。更极端的示例是壁球比赛,壁球比赛中的球更小同时也更快。上述公式给出了:64[m/s]/0.04[m]=1600FPS。
如上文概括的,本文描述的变体可以允许使用低速设备来跟踪UHS对象。所提出的系统和方法提供了用于涉及HS对象的基于计算机视觉的事件测量(例如,用于(U)HS挥拍类运动的实时分析)的复杂的优化方案。
使用外部传感器数据的自适应时间分辨率的记录可以利用事件间特征和事件内特征。这可以允许精确的测量,同时最小化与传输单元和处理单元有关的不必要的负载。该控制方法也可以实现使用多个协同工作的低速设备来进行UHS记录。在一些变体中,通过使用外部传感器触发、历史数据库和机器学习可以在分析驱动的控制环路中实现对记录、网络通信和数据处理的优化。作为开放的系统,其可以提供(例如,用于各种体育分析平台的)事件特征。
如本文所述的系统和方法可以为用于与涉及小的HS对象的事件相关的实时对象检测提供三重优化。使用传感器融合(即,使用以协同方式一起工作的各种设备)与分析,所描述的方法可以利用i)事件的非均匀分布,关注于活跃时间间隔和位置;ii)事件特征时间的本质上的非对称性,其具有经调整的精度;以及iii)协同记录,即,自适应帧率和高时间分辨率测量,即使在使用缺少UHS能力的低成本设备的情况下也如此。
使用如本文所述的变体的优化检测可以允许提供用于高性能任务的可负担的系统。具体地,通过优化来避免过量的数据负载;可能引入的延迟较低;可以使用的并行设置和/或多侧设置可以提供单个更便宜的基础结构。
本文描述的变体还可以利用针对机器学习的云分析的优点。多个位置可以由此共享所收集的事件模式和原始的传感器数据。可以缩短初始的学习阶段,由此可以在场所之间共享经改善的配置。
本文描述的变体还可以允许通过已有的活跃设施来进行简单的适应。因此,可以无需制造,使得对于设施来说不出现延迟的干扰。
因为本文所描述的系统是开放系统,所以可以提供灵活的传感器设置。该系统可以由此是可通过定制分析方案来扩展的。此外,本文描述的变体可以允许能够使用系统输出的广泛的使用情况:从表现度量反馈到比赛化(gamification),增强了广播或社会方案(broadcasting or social solutions)。
本文描述的变体涉及检测系统及相关方法,其用于对数码相机协同进行实时控制,以准确地检测涉及HS的小的对象的事件(例如,在壁球比赛期间)的时间、位置和其它特征。
如本文的变体中描述的检测系统可以允许精确的测量,同时有利地最小化与传输单元和处理单元有关的不必要的负载。此外,检测系统可以使用事件特征测量,以例如利用基于实时分析所控制的传感器和成像设备来进行针对高速对象的优化检测。
本文描述的变体可以允许向成像设备控制单元提供反馈的成像设备的复杂的分析触发控制,使得检测系统的各特征的协同耦接可以使用若干相对低速的设备而无需任何昂贵的设备来实现相对高的时间分辨率。
本文描述的变体可以允许优化的自适应定时,其一方面可以遵循在活动期间不均匀的事件分布,而另一方面可以遵循特定事件的变化的本质特征时间。
如上文概括的,在检测系统的变体中,成像设备控制单元还可以被配置为将反馈与触发事件关联并基于该关联来控制成像设备。这可能特别有利,因为成像设备控制单元对成像设备的控制可以随触发事件而改善,这进一步因为能够以较高精度来识别成像设备控制单元在控制成像设备时所基于的触发事件。在一些示例中,基于所识别的触发事件被触发控制成像设备的成像设备控制单元的响应时间可以减少,和/或触发的定时可以更精确。该关联可以由此基于以下一项或多项:与被跟踪的运动对象相对应的事件类型、位置和定时。这可能是有利的,因为对成像设备控制单元的触发可能特别精确,这是由于其可以基于被跟踪的运动对象的可与触发事件关联的特定特征。因此该关联可以依赖于利用成像设备所检测的被跟踪的运动对象的特定特征。
为了允许对该反馈与触发事件之间的关联的更精确的识别,还可以提供一个变体,在该变体中,检测系统还包括耦接至成像设备控制单元的关联机器学习单元,其中,关联机器学习单元被配置为识别该关联的一个或多个特征属性和/或一个或多个模式,并且其中,成像设备控制单元还被配置为基于所识别的该关联的一个或多个特征属性和/或一个或多个模式来控制成像设备。因此,可以进一步改进成像设备控制单元对成像设备的控制。
检测系统可以包括耦接至成像设备控制单元的反馈机器学习单元,其中,反馈机器学习单元被配置为识别反馈的一个或多个特征属性和/或一个或多个模式,并且其中,成像设备控制单元还被配置为基于所述所识别的反馈的一个或多个特征属性和/或一个或多个模式来控制成像设备。这可以允许对触发事件的更精确的识别。因此,可以进一步改进成像设备控制单元对成像设备的控制。
在变体中,能够以更紧凑的格式来提供检测系统,在该变体中,关联机器学习单元和反馈机器学习单元被集成至单个单元。
在使用关联机器学习单元和/或反馈机器学习单元的变体中,基于历史数据集和/或实时流,触发可以更精确。
图1示出了如本文所述的系统100的示意说明图,并且在该示例中其包括检测系统101和体育运动分析系统118。
图1所示的框图描绘了与检测系统可以如何使用传感器数据来最佳地控制成像设备且通过输出层来提供定位结果和永久记录有关的整体视图。体育运动分析系统可以通过用于计算量化度量并向涉及感兴趣的特定事件的终端用户提供实时的反馈的实时测量来实现。
在该示例中,系统100通过结合了每个测量的时间和位置信息的输入层104来接收来自传感器102的输入信息。
在该示例中,系统100包括单元106,单元106包括事件分析模块108、定位分析单元110(其可以是球位置分析单元110a)和控制定时逻辑单元112b。事件分析模块108被配置为确定触发,而位置分析单元110被配置为使用与感兴趣的事件的特征有关的定制逻辑。根据这些,控制定时逻辑单元112b被配置为提供针对成像设备114(在一些示例中,其可以是相机114)的最佳定时的命令。
使用可定制的输出层116,可以与外部的体育运动分析系统118共享所有的最终结果或部分结果,其中,对象的位置和事件特征可以用于各种使用情况(例如,表现度量计算或对另外的测量链的触发)。
控制定时逻辑单元112b被配置为控制成像设备114,且经由输入层104向单元106反馈成像设备114的输出。因此控制定时逻辑单元112b对成像设备114的控制是响应于来自成像设备114的反馈的。
图2示出了检测系统200的示意说明图,具有与图1的说明的逻辑单元相同的颜色编码。
通常,输入层收集具有时间和位置信息的传感器和相机图像数据。如本文所述的方法和系统的变体中使用的各模块和设备用框来描绘,而数据库中的各个永久的记录形成了输出层。
在该示例中,在检测系统200中提供了n个传感器102。检测系统可以由此被配置为关联由多个传感器获取的数据。这可能是有利的,因为由多个传感器获取的数据的这种关联可以由触发检测模块来使用,由此提高了由触发检测模块识别真正的触发事件的概率。
传感器102耦接至数据收集器104a,由此检测系统200的传感器102提供与后续能够由系统用于控制相机114的触发事件有关的信息。这些信息可以是例如球拍击球的声音或来自球拍中安装的加速度计的输入。需要理解:传感器102可以备选地或附加地是光传感器、IR传感器、超声传感器、触摸传感器、接近传感器、压力传感器、水平传感器、或其它类型的传感器。还需要了解:传感器102事实上可以是不同的传感器,由此传感器102中的一些传感器可以是与其它类型的传感器102不同类型的传感器。
由传感器102感测的输入事件是由数据收集器104a组件来收集的,数据收集器104a组件是检测系统101的输入层104的一部分。
在该示例中,数据收集器104a将所有的输入数据存储在历史数据库存储单元116a中,以实现可能需要长期数据追踪的进一步处理,并且可以实现经微调的模式识别等、或在不同场所之间共享已发现的模式。
在图2中示出的示例检测系统200中,历史数据库存储单元116a耦接至机器学习模块108b,其使用历史数据库存储单元116a且识别触发事件的特征属性和模式。
如上文概括的,根据一些示例,检测系统还包括用于存储经由传感器所获得的触发事件数据的历史数据库存储单元。机器学习模块可以耦接至历史数据库存储单元,其中,机器学习模块被配置为识别历史数据库存储单元中存储的触发事件的一个或多个特征属性和/或一个或多个模式。机器学习模块可以由此耦接至触发检测模块,以向触发检测模块提供与一个或多个所识别的特征属性和/或一个或多个所识别的模式有关的信息。触发检测模块还可以被配置为基于对一个或多个所识别的特征属性和/或一个或多个所识别的模式与感测到的触发事件的比较来识别触发事件。提供历史数据库存储单元用于存储经由传感器获得的触发事件数据可以例如实现可能需要长期数据追踪的进一步的处理,并且可以实现经微调的模式识别等、或在不同场所之间共享已发现的模式。机器学习模块可以由此有利地识别触发事件的特征属性和/或模式。因此,由触发检测模块对触发事件的识别甚至可以更精确,因为其可以基于通过由传感器感测的事件获得的事件数据与由机器学习模块识别的特征属性和/或模式的比较。
在该示例中,经由机器学习模块108b获得的推断知识被存储在触发数据库存储单元108c中。在该示例中,这两个数据库都是图1中示出的输出层116的一部分。
如上文概括的,在一些示例中,检测系统还包括用于存储触发事件数据的触发数据库存储单元。传感器的传感器输出可以由此耦接至触发数据库存储单元的触发数据库存储单元输入,以从传感器向触发数据库存储单元提供触发事件数据。触发数据库存储单元的触发数据库存储单元输出可以耦接至触发检测模块的触发检测模块输入。由触发检测模块对触发事件的识别可以由此包括:由触发检测模块比较第一触发事件数据与第二触发事件数据,第一触发事件数据是从传感器获得的,第二触发事件数据是在触发数据库存储单元中存储的且在比第一触发事件数据早的时刻或时间段经由传感器来获得的。这可以提供由触发检测模块对触发事件的改进的识别,因为可以在通过由传感器感测的事件获得的事件数据与之前获得的事件数据之间进行比较。因此,由触发检测模块对触发事件的识别可以更精确,使得例如可以最小化或甚至防止触发检测模块对触发事件的误识别。
触发数据库存储单元108c耦接至触发检测模块108a。触发检测模块108a还耦接至数据收集器104a,数据收集器104a向触发检测模块108a转发原始的输入数据。触发检测模块108a随后识别触发事件并计算其特征参数。在该示例中,也在检测过程中使用经由机器学习模块108b获得的之前推断的触发模式。
在检测系统的变体中,历史数据库存储单元和触发数据库存储单元被集成至单个触发事件数据库存储单元。需要理解:历史数据库存储单元和触发数据库存储单元可以合并成单个存储单元,由此允许检测系统的更简单的结构和配置。
所识别的触发事件及其所有的属性随后由成像设备控制单元112使用,其在该示例中是相机控制单元112。相机控制单元112负责控制所有的成像设备,在本示例中所有的成像设备包括多个相机114。
在该示例中,相机控制单元112考虑了来自相机控制单元112所耦接的成像设备数据库存储单元112a(在该示例中其是相机数据库存储单元112a)的相机特定(配置)信息。
此外,在该示例中,选手检测单元108d耦接在数据收集器104a和相机控制单元112之间。选手检测单元108d被配置为识别一个或多个选手的运动和/或位置。选手检测单元108d耦接至选手数据库存储单元116b,在选手数据库存储单元116b中存储了对一个或多个选手的运动和/或位置的识别的结果。
如能够从图2看到的,相机控制单元112耦接至触发检测模块108a,使得相机控制单元112响应于由触发检测模块108a识别到的触发事件来控制多个相机114。
因此,相机控制单元112在控制多个相机114时考虑了来自相机数据库存储单元112a的相机特定(配置)信息、从触发检测模块108a接收到的所识别的触发事件、以及由选手检测单元108d识别的一个或多个选手的运动和/或位置,选手检测单元108d将其结果存储在选手数据库存储单元116b中。计算的结果随后被用于最佳地控制相机114。
在该示例中,相机控制单元112还被配置为从选手数据库存储单元116b获取数据,在由相机控制单元112控制相机114时可以考虑这些数据。检测系统的变体可以因此有利地允许分析选手的运动和/或位置,特别是关于例如对象的轨迹的分析,以确定选手的表现度量。
提供了耦接至选手检测单元的选手数据库存储单元的变体可能是有利的,因为这些变体可以允许访问来自选手数据库存储单元的运动数据和/或位置数据,以例如计算选手的表现度量。
如上文概括的,成像设备控制单元对成像设备的控制可以由此响应于选手数据库存储单元中存储的且由成像设备控制单元从选手数据库存储单元获取的运动数据和/或位置数据。这可能是特别有利的,因为成像设备控制单元可以访问选手数据库存储单元,以基于选手数据库存储单元中存储的历史运动数据和/或位置数据来优化对成像设备的控制。需要理解:这在一个或多个成像设备可以总体被配置为跟踪选手、允许获取选手的运动数据和/或位置数据的改进的场景中可能是特别期望的。
在该示例中,由相机114捕捉的图像是由图像收集器104b(如图1中所示的输入层104的另一部分)来收集的。所捕捉的图像被存储在图像数据库存储单元116d中且还将其向球位置分析单元110a转发。
在一些示例中,检测系统包括用于存储成像设备的一个或多个特征的成像设备数据库存储单元。成像设备数据库存储单元可以耦接至成像设备控制单元,其中,成像设备控制单元可以被配置为响应于从成像设备数据库存储单元接收到与成像设备的一个或多个特征有关的信息来控制成像设备。这可能是特别有利的,因为可以优化成像设备控制单元对成像设备的控制,这是由于在控制成像设备时可以考虑成像设备的规格和能力。
在该示例中,多个相机被定向为记录相同的位置,以使用时间戳和其它参数来创建有序的图像序列以供进一步分析。
在该示例中,球位置分析单元110a被配置为:计算球在墙上的撞击的所有参数(时间戳、角度、速度)和球的轨迹。球位置分析单元110a的计算的结果则被存储在撞击数据库存储单元116c中。撞击数据库存储单元116c用作对相机控制单元112的反馈的输入,以基于之前的事件来微调相机控制单元112的进一步判定。
如上文概括的,对成像设备的控制可以响应于由成像设备控制单元从对象特征数据库存储单元获取的所分析的对象的一个或多个特征。这可能是特别有利的,因为由成像设备控制单元控制成像设备可以甚至更精确,这是由于对要如何控制成像设备的确定还可以基于与之前获得的对象的一个或多个特征有关的数据。
此外,成像设备控制单元对成像设备的控制可以响应于所分析的对象的一个或多个特征。这可以允许成像设备控制单元对成像设备的更精确的控制,这尤其是因为在确定要如何控制成像设备时可以考虑对象的一个或多个特征。
在该示例中,在系统200中提出的所有的数据库用作检测系统的输出层,并且这些数据库是任意附加的分析组件能够访问原始的测量或部分的分析结果及查询与所识别的触发、一个或多个选手的推断位置和运动、球的轨迹和其在墙上的撞击有关的详细信息的位置。
需要理解:如图2中所示的系统200仅是对优选的检测系统的解释性的说明。需要了解:检测系统200的许多组件仅是可选的,并且具有其基本形式之一的检测系统可以仅使用图2中示出的一些组件来实现。具体地,在一些变体中,可以使用一个或多个传感器102、触发检测模块108a、相机控制单元112、以及一个或多个相机114(或一个或多个其它成像设备),在这些变体中,提供了从一个或多个相机114到相机控制单元112的反馈。
此外,需要理解:一个或多个相机114可以被配置为备选地或附加地记录视频,而不是被配置为仅拍摄图像。
此外,在一些变体中,检测系统包括多个成像设备,其中,成像设备被配置为记录用于创建图像的序列的相同位置,以供后续分析和/或获取。这可能是特别有利的,因为由多个成像设备创建的图像的序列可以允许对对象和/或选手的更精确的分析。多个成像设备可以由此以协同的方式一起工作。
本文描述的系统和方法可被用在支持分析的场景中。在速度和精度这二者都有助于高表现且只能利用特定事件期间对相关变化的捕捉来计算定量度量的情景中,可能需要这种方案。需要理解:通过外部事件来优化的协同记录也可以用于其它领域(例如,工业测量)中。
以下示例中的每一个示例可以通过a)使用UHS相机或b)用多相机设置替换UHS相机来实现。在后一种情况下,来自多相机单元的图像的序列可以由收集器来排列,以做出与单个UHS相机可以提供的流类似的流。
此外,以下示例中的每一个示例可以具有a)单个运动场或b)具有其各自的传感器设置的多个类似运动场。对于这两种情况,在支持设施处或在远程位置处的单个的中央分析系统都可以从统一的历史数据集中进行学习。
图3示出了根据如本文所述的示例的系统的实现的示意说明图300。在该场景中,在壁球活动期间提供对主墙壁上的球撞击事件的参数(时间、位置、选手ID)的实时检测。
在该示例中,相机对主墙壁和侧墙壁及选手进行记录。麦克风捕捉音频记录并且在该示例中结合球拍传感器使用以触发事件分析。“X”指示选手的当前位置。由体育运动分析系统所计算的对应的最佳的目标区域被突出显示为主墙壁上的矩形区域。击中最佳的目标区域可以确保到达最佳的地板上的突出显示的落地区域(在该示例中由地板上的右侧的矩形区域来指示)。
体育运动分析系统可以使用检测到的在墙壁上的球撞击位置来计算选手的表现度量,选手的表现度量也依赖于与选手位置有关的信息。
检测系统可以为支持分析系统服务,作为对于一个或多个选手和/或训练员的表现度量的实时反馈的输入。在一个示例中,选手可能不得不练习精确地击中墙壁上的特定区域。另一个示例可以是如图3中所示的相关比赛表现度量。该系统可以被用于根据选手的位置对他或她能够多好地对准最佳区域进行量化,他或她在该位置将球送至另一选手可能最难够到的位置。
可能需要UHS记录,但是在活动期间的事件分布可能是稀疏的和不均匀的。因此,恒定的测量可能会创建对于该使用情况没有分析价值的不必要的数据负载,并且本文描述的系统和方法能够产生显著的优化。
在该示例中,选手检测和球撞击检测使用了分开控制的相机。此外,在该示例中,球拍和音频传感器补充了测量。在该示例中使用了机器学习模块,该示例可以发现原始数据集中的一个或多个触发模式。
因为图3中示出的各传感器能够以协同的方式一起工作,所以该传感器融合可以产生更高的精度,由此导致减少了触发检测模块对触发事件的误识别。
图4示出了在其中可以使用如本文所述的检测系统的场景的另外的示意说明图400。
在该示例中,在壁球活动期间提供了对主墙壁上的球撞击事件的本质参数(入/出速度、方向、位置)的实时检测。
因为壁球的恢复系数(其由碰撞之后的相对速度与碰撞之前的相对速度之间的比值来定义)被设计为远小于1,所以壁球在高能撞击之后将不可避免地减速。球的恢复系数还可以取决于温度等,并且可能在球与球之间和比赛期间变化。为了测量事件参数,可能需要精确记录球的周围区域。可能因此在事件期间需要改变记录的速度。调整帧速率可能最佳地需要针对UHS时间分辨率的协同记录和灵活的控制这二者。
在一些示例中,成像设备控制单元还可以被配置为改变成像设备的时间分辨率。在对象和/或选手被检测/监控的同时对象和/或选手的特征属性可能改变的场景中,这可能是特别有利的。
图4中示出的示意图可以描绘如本文描述的和如图2中示出的方法和系统的示例实现的要素。
来球在时间Timpact撞击墙壁。在撞击之后的球的速度相对于撞击之前的球的速度显著降低。在该示例中,从墙壁测量的球的轨迹的反射角度相对于球撞击墙壁之前的球的入射角度较小。
Ttrigger表示触发事件被识别的时间,使得从时间Tstart开始控制成像设备。在该示例中,在触发事件被识别的时间Ttrigger与在开始控制成像设备的时间Tstart之间存在延迟。然而,需要理解:时间Ttrigger与时间Tstart之间可以不存在延迟。
在该示例中,在球拍击打的触发事件之后存在活跃间隔,以及为了精确的轨迹估计,将Tstart和Tend渐进式调整至距离墙壁的最小要求距离(δ)。Tin由此表示在球击中墙壁之前球位于最小要求距离(δ)之内的起始时间,而Tout表示在球已经击中墙壁之后球仍然位于最小要求距离(δ)之内、在球进一步远离墙壁超过最小要求距离(δ)之前的最后时间点。
在该示例中,鉴于球的恢复系数小于1,一个或多个相机的时间分辨率是变化的(从Δt1至Δt2)。如上文概括的,这可以随着球击中墙壁之后的球的速度的变化来提供对球的轨迹的优化跟踪。
图5a和图5b示出了在其中可以实现本文描述的方法和系统的变体的示例。
取自www.lokeshdhakar.com的图5a描绘了从棒球比赛的捕球手的角度看到的各类投球。上部分区显示了从到达点看到的球的轨迹。下部分区示出了从投球手的位置到捕球手的位置的球的相应垂直轨迹。
图5b示出了与四缝线快球投球和曲线球投球分别对应的两种不同的抓握类型。
如本文所述的方法和系统的变体因此可以在棒球活动期间提供对投球事件和捕球事件的本质参数的实时检测。
投球手和击球手(即,扔球选手和接球选手)的表现度量可以使用球跟踪结果的细节。在该示例中,因为感兴趣的事件是投球和捕球,所以通过使用外部触发,优化可以避免过量的数据负载。因为球可能非常快(参见上文),所以空间精度可能也需要UHS记录。
在该示例中,逻辑具有三个步骤:i)由投球手的腿的位置触发对于投球事件的记录的起始;ii)确定抓握类型;iii)根据抓握类型,能够基于轨迹模式来计算典型的飞行时间,并且触发接球手侧的记录。
在确定来球的轨迹时,也可以通过使用与连接投球手位置和击球手位置的线相垂直的一个或多个平行的检测平面来检测失败的投球。在棒球比赛期间,投球可能具有基本的类型,该基本的类型可以通过对球的抓握和后续的轨迹模式来确定。例如,大约70%的投球是被称作“四缝线快球”(参见5b)的类型。
图6示出了根据如本文所述的示例实现的方法600的示意框图。
在步骤602,感测事件。在步骤604,将感测到的事件识别为触发事件。响应于识别感测到的事件是触发事件,在步骤606控制成像设备。在步骤608,成像设备向成像设备控制单元提供反馈,成像设备控制单元随后可能能够优化对成像设备的控制。
图7示出了根据如本文所述的示例实现的另一方法700的示意框图。
在该示例中,在步骤600,使用如图6中描绘的方法来跟踪运动对象。在步骤702,使用如本文所述的系统的变体来分析运动对象的一个或多个参数。这些参数包括(但不限于)对象的轨迹、对象在表面上的撞击、对象在表面上的反射和/或对象的速度。
在步骤704,随后将所分析的一个或多个参数与一个或多个预定条件比较,以计算比赛中选手的表现度量。
如上文概括的,在变体中,分析系统还被配置为响应于对对象的一个或多个特征的分析来计算选手的表现度量。这可能是特别有利的,因为在对对象的一个或多个特征的详细分析的基础之上,可以测量和改进选手的表现度量。
使用对选手的表现度量的计算还基于对选手的运动和/或位置的检测的系统的变体,可以提升选手的表现。通过将选手的运动和/或位置与对象的轨迹关联,可以实现对选手的表现度量的更精确的计算。
图8示出了根据如本文所述的示例的系统800的示意框图。
一般地说,系统800包括被适当编程的通用处理器802。系统800包括处理器802、工作存储器804、永久编程存储器808、以及数据储存器810,它们全部由共用数据线(总线)806来连接。在该示例中,还提供了用于配置系统800的用户界面812。用户界面812也能够用作输入,以接收例如历史数据、触发数据、选手数据、相机数据、图像数据和撞击数据中的一项或多项。系统800还包括输出814,输出814连接至显示器、存储器、打印机、数据储存器和网络(例如,云)816中的一项或多项,以显示、存储、打印或分发例如历史数据、触发数据、选手数据、相机数据、图像数据和撞击数据中的任意一项或多项。
技术人员将了解:可以附加地或备选地采用其它形式的储存器/输出。
在该示例中,工作存储器804用于保存(其可以是暂时的)、处理和操纵传感器数据、历史数据、触发事件数据、选手数据、相机数据、图像数据和撞击数据。
永久编程存储器808存储操作系统代码(其可以是平台无关的),操作系统代码包括(可选的)用户界面代码、操作系统代码、用于控制一个或多个传感器的传感器控制代码、用于控制触发检测模块的触发检测控制代码、用于控制一个或多个相机的相机控制代码、用于检测一个或多个选手的选手检测控制代码、用于控制数据收集器以从一个或多个传感器接收数据的数据收集器控制代码、以及用于控制机器学习模块的机器学习控制代码。
这些代码由处理器802加载和实现,以提供系统800的对应功能。
这些代码的一些或全部可以在载体介质上提供,载体介质可以是可移动的存储介质(例如,CD-ROM)。
数据储存器810存储了指示经由一个或多个传感器获得的触发事件数据的特征或模式的历史数据、经由一个或多个传感器获得的触发数据、指示一个或多个选手的运动和/或位置的选手数据、指示一个或多个相机(或一般地,成像设备)的一个或多个属性/能力的相机数据、涉及拍摄了运动对象的随后被用于获得与对象的轨迹有关的信息的图像的图像数据、以及指示运动对象在表面上的撞击的撞击数据(例如但不限于,在对象撞击表面之前的对象的速度、在对象撞击表面之后的对象的速度、入射角度和反射角度)。
本公开还提供了用于(例如,在通用计算机系统上或数字信号处理器(DSP)上)实现上述系统和方法的处理器控制代码。该代码被提供在诸如磁盘、CD-ROM或DVD-ROM、可编程存储器(例如,非暂时性的存储器(例如,闪存)或只读存储器(固件))之类的非暂时性的物理数据载体上。用于实现本公开的变体的代码(和/或数据)可以包括使用传统编程语言的(经解释的或经编译的)源代码、目标代码或可执行代码,例如C、或汇编代码、或用于硬件描述语言的代码。如技术人员将了解的,这些代码和/或数据可以分布在彼此通信的多个耦接的组件之中。
为了实现与运动对象的跟踪有关的上述及另外的功能,在如图9中所示的实施例中提供了运动对象跟踪装置902。
运动对象跟踪装置902包括处理器904和存储器906。存储器906耦接至处理器904且包括程序代码部分,程序代码部分允许在执行该程序代码部分时根据如本文所述的实施例来跟踪运动对象。
此外,为了实现与对比赛中选手的表现度量的计算有关的上述及另外的功能,在如图9中所示的实施例中提供了表现评估装置908。
表现评估装置908包括处理器910和存储器912。存储器912耦接至处理器910且包括程序代码部分,该程序代码部分允许在执行该程序代码部分时根据如本文所述的实施例来计算比赛中选手的表现度量。
运动对象跟踪装置902和表现评估装置908在图9中被示出为单个单元。然而,需要了解:运动对象跟踪装置902和表现评估装置908可以在分离的单元中提供。备选地,运动对象跟踪装置902和表现评估装置908可被合并在单个装置中,在该单个装置中,处理器904和处理器910被集成至单个处理器,且存储器906和存储器912被集成至单个存储器。
在图10中示出的另外的示例性实现中,用于跟踪运动对象的方法的实施例可以使用运动对象跟踪装置902来执行,运动对象跟踪装置902包括感测模块1002、识别模块1004、控制模块1006和提供模块1008。模块1002、1004、1006和1008可以被配置为硬件实体或可以被存储为存储器906中的计算机程序代码。
此外,如图10中所示,用于计算比赛中选手的表现度量的方法的实施例可以使用表现评估装置908来执行,表现评估装置908包括跟踪模块1010、分析模块1012和比较模块1014。模块1010、1012和1014可以被配置为硬件实体或可以被存储为存储器912中的计算机程序代码。
如本文所述的系统和方法的变体使用事件特征测量,以利用基于实时分析所控制的传感器和各记录设备来优化对HS对象的检测。
对记录设备的复杂的分析触发控制可以实现协同记录,因此若干低速的设备可以实现高的时间分辨率而无需昂贵的设备。
优化的自适应定时可以遵循a)在活动期间不均匀的事件分布,以及b)特定事件的变化的本质特征时间。
通过例如使用外部的传感器触发、历史数据库和机器学习可以在变体中实现所需要的优化。
如本文所述的系统和方法的变体可以具有可定制的分析逻辑和i/o层。这可以实现对象检测的精度的重要性可能涉及特定的事件、且可能需要资源优化的广泛的使用情况。
根据示例性变体的上述描述已变得明显的是:本文所提出的技术提供了若干优势。本公开的变体可以处理以下目标中的一项或多项:
将复杂的触发逻辑用于对相机记录参数的实时控制;
能够识别与涉及小的和快速的对象的事件相关的轨迹或其它参数中的变化;
能够对体育运动分析系统提供精确的事件参数的实时馈送;
提高了时间分辨率,使得人们不再关注基于速度低了几个数量级的与选手相关的传感器的度量(metrics);
提高了用于确定球的精确的位置的空间分辨率,使得人们不再关注简单的使用情况(例如,简单的检查选手或球越过了边界);
提供了以下系统:该系统提供了针对接收方的灵活性或用于长期学习;以及
能够最小化数据负载,以及将自适应控制逻辑用于测量设备。
本公开的变体因此克服了在例如比赛和/或训练活动期间缺少对运动表现的各种度量的实时反馈时存在的问题。这种情景与例如骑自行车运动的其它运动、或者与各种客户群体(各专业等级的选手、训练员及观众)的要求形成了对比。
本公开的变体还克服了由于球相对于球的速度可能相对较小所导致的观众在屏幕上跟踪比赛的能力受限制时存在的问题。
在本公开中,出于解释而非限制的目的,阐述了具体细节,以便提供对本文所讨论的系统和方法的透彻的理解。对于本领域的技术人员将明显的是:可以在脱离这些具体细节的其它变体中实施这些系统和方法。
此外,本领域技术人员将了解,可以使用软件功能结合各种类型的处理器来实现本文中解释的这些系统和方法。
还将了解:尽管本文描述的变体主要在方法和系统的上下文中描述,但是本公开也可以体现在计算机程序产品中,以及体现在包括一个或多个处理器和耦接到该一个或多个处理器的一个或多个存储器在内的系统中,其中,该一个或多个存储器被编码有一个或多个程序,该一个或多个程序在一个或多个处理器上被执行时执行本文公开的系统和方法的特征。
毫无疑问,技术人员将会想到很多其它有效的备选。将理解的是:本公开不限于描述的变体,并且包括在本文所附权利要求的范围内且对于技术人员明显的修改。
Claims (28)
1.一种用于跟踪运动对象的检测系统(101),所述检测系统(101)包括:
用于感测事件的多种类型的传感器(102);
耦接至所述多种类型的传感器(102)的触发检测模块(108a),其中,所述触发检测模块(108a)被配置为基于由所述多种类型的传感器(102)感测到的数据的关联来识别触发事件;
用于对对象的轨迹进行成像的成像设备(114);以及
用于控制所述成像设备(114)的成像设备控制单元(112);
其中,所述成像设备控制单元(112)耦接至所述触发检测模块(108a),并且被配置为响应于由所述触发检测模块(108a)识别到触发事件来控制所述成像设备(114),
其中,所述成像设备耦接至所述成像设备控制单元(112),用于向所述成像设备控制单元(112)提供来自所述成像设备(114)的反馈,并且其中,所述成像设备控制单元(112)被配置为响应于所述反馈来控制所述成像设备(114),
其中,所述成像设备控制单元(112)还被配置为:将所述反馈与所述触发事件关联,以及基于所述关联来控制所述成像设备(114),其中,所述关联基于与被跟踪的运动对象相对应的事件类型、位置和定时中的一项或多项。
2.根据权利要求1所述的检测系统,还包括耦接至所述成像设备控制单元(112)的关联机器学习单元,其中,所述关联机器学习单元被配置为识别所述关联的一个或多个特征属性和/或一个或多个模式,以及
其中,所述成像设备控制单元(112)还被配置为基于所识别的所述关联的一个或多个特征属性和/或一个或多个模式来控制所述成像设备(114)。
3.根据权利要求1所述的检测系统,还包括耦接至所述成像设备控制单元(112)的反馈机器学习单元,其中,所述反馈机器学习单元被配置为识别所述反馈的一个或多个特征属性和/或一个或多个模式,以及
其中,所述成像设备控制单元(112)还被配置为基于所识别的所述反馈的一个或多个特征属性和/或一个或多个模式来控制所述成像设备(114)。
4.根据权利要求2所述的检测系统,还包括耦接至所述成像设备控制单元(112)的反馈机器学习单元,其中,所述反馈机器学习单元被配置为识别所述反馈的一个或多个特征属性和/或一个或多个模式,以及
其中,所述成像设备控制单元(112)还被配置为基于所识别的所述反馈的一个或多个特征属性和/或一个或多个模式来控制所述成像设备(114)。
5.根据权利要求4所述的检测系统,其中,所述关联机器学习单元和所述反馈机器学习单元被集成至单个机器学习单元。
6.根据权利要求1所述的检测系统,还包括触发数据库存储单元(108c),
其中,所述触发检测模块(108a)被配置为通过以下方式来识别触发事件:由所述触发检测模块(108a)比较第一触发事件数据与第二触发事件数据,所述第一触发事件数据是从所述传感器(102)获得的,所述第二触发事件数据存储在所述触发数据库存储单元(108c)中并且是在比所述第一触发事件数据早的时间点或时间段经由所述传感器(102)获得的。
7.根据权利要求6所述的检测系统,还包括用于存储经由所述传感器(102)获得的触发事件数据的历史数据库存储单元(116a);以及
耦接至所述历史数据库存储单元(116a)的机器学习模块(108b),其中,所述机器学习模块(108b)被配置为识别所述历史数据库存储单元(116a)中存储的触发事件的一个或多个特征属性和/或一个或多个模式;
其中,所述机器学习模块(108b)耦接至所述触发检测模块(108a)以向所述触发检测模块(108a)提供与一个或多个所识别的特征属性和/或一个或多个所识别的模式有关的信息;以及
其中,所述触发检测模块(108a)还被配置为基于一个或多个所识别的特征属性和/或一个或多个所识别的模式与感测到的触发事件的比较来识别触发事件。
8.根据权利要求7所述的检测系统,其中,所述历史数据库存储单元(116a)和所述触发数据库存储单元(108c)被集成至单个触发事件数据库存储单元。
9.根据权利要求1所述的检测系统,还包括用于存储所述成像设备(114)的一个或多个特征的成像设备数据库存储单元(112a),其中,所述成像设备数据库存储单元(112a)耦接至所述成像设备控制单元(112),并且其中,所述成像设备控制单元(112)被配置为响应于从所述成像设备数据库存储单元(112a)接收到与所述成像设备(114)的一个或多个特征有关的信息来控制所述成像设备(114)。
10.根据权利要求1所述的检测系统,还包括:选手检测单元(108d),被配置为识别选手的运动和/或位置并基于对运动和/或位置的识别来输出运动数据和/或位置数据,其中,所述选手检测单元(108d)耦接至所述成像设备控制单元(112),并且其中,所述成像设备控制单元(112)还被配置为响应于在所述成像设备控制单元(112)处从所述选手检测单元(108d)接收到的所述运动数据和/或位置数据来控制所述成像设备(114)。
11.根据权利要求10所述的检测系统,还包括耦接至所述选手检测单元(108d)的选手数据库存储单元(116b),其中,所述选手数据库存储单元(116b)被配置为存储所述运动数据和/或所述位置数据以供后续获取。
12.根据权利要求11所述的检测系统,其中,所述选手数据库存储单元(116b)耦接至所述成像设备控制单元(112),并且其中,所述成像设备控制单元(112)被配置为响应于所述选手数据库存储单元(116b)中存储的且由所述成像设备控制单元(112)从所述选手数据库存储单元(116b)获取的运动数据和/或位置数据来控制所述成像设备(114)。
13.根据权利要求1所述的检测系统,还包括耦接至所述成像设备(114)的图像数据库存储单元(116d),其中,所述图像数据库存储单元(116d)被配置为存储由所述成像设备(114)输出的图像,以供后续获取。
14.根据权利要求1所述的检测系统,还包括耦接至所述成像设备(114)和所述成像设备控制单元(112)的对象分析单元(110,110a),
其中,所述对象分析单元(110,110a)被配置为:
分析对象的一个或多个特征;以及
向所述成像设备控制单元(112)提供与所分析的对象的一个或多个特征有关的信息;以及
其中,所述成像设备控制单元(112)被配置为响应于所分析的对象的一个或多个特征来控制所述成像设备(114)。
15.根据权利要求14所述的检测系统,其中,对象的一个或多个特征包括对象的轨迹。
16.根据权利要求15所述的检测系统,还包括耦接至所述成像设备控制单元(112)的对象特征数据库存储单元(116c),
其中,所述对象特征数据库存储单元(116c)被配置为存储所分析的对象的一个或多个特征,以供所述成像设备控制单元(112)后续获取,以及
其中,所述成像设备控制单元(112)被配置为响应于由所述成像设备控制单元(112)从所述对象特征数据库存储单元(116c)获取的所分析的对象的一个或多个特征来控制所述成像设备(114)。
17.根据权利要求1所述的检测系统,包括多个成像设备(114),并且其中,所述成像设备(114)被配置为记录用于创建图像的序列的相同的位置,以供后续分析。
18.根据权利要求1所述的检测系统,包括多个传感器(102),并且其中,所述检测系统被配置为关联由所述多个传感器(102)获取的数据。
19.根据权利要求1所述的检测系统,其中,所述成像设备控制单元(112)还被配置为改变所述成像设备(114)的时间分辨率。
20.一种用于分析运动对象的系统(100),所述系统(100)包括:
根据权利要求1至19中任一项所述的检测系统(101),以及
耦接至所述检测系统(101)的输出层(116)的分析系统(118),其中,所述分析系统(118)被配置为分析对象的一个或多个特征。
21.根据权利要求20所述的系统,其中,所述分析系统(118)还被配置为响应于对对象的一个或多个特征的分析来计算选手的表现度量。
22.根据权利要求21所述的系统,其中,计算选手的表现度量还基于对选手的运动和/或位置的检测。
23.根据权利要求22所述的系统,其中,计算选手的表现度量还基于选手相对于对象的轨迹的运动和/或位置。
24.根据权利要求20至23中任一项所述的系统,包括根据权利要求10、11或12所述的检测系统,其中,所述分析系统(118)还被配置为分析选手的运动和/或位置。
25.一种用于跟踪运动对象的方法(600),所述方法包括:
使用多种类型的传感器来感测(602)事件;
基于由所述多种类型的传感器感测到的数据的关联来识别(604)触发事件;
响应于对触发事件的识别来控制(606)成像设备,其中,所述成像设备被配置为对所述运动对象的轨迹进行成像;
从所述成像设备向成像设备控制单元提供(608)反馈,并且其中,所述成像设备控制单元对所述成像设备的控制是响应于所述反馈的;以及
将所述反馈与所述触发事件关联,以及基于所述关联来控制所述成像设备(114),其中,所述关联基于与被跟踪的运动对象相对应的事件类型、位置和定时中的一项或多项。
26.一种用于计算比赛中选手的表现度量的方法(700),所述方法包括:
根据权利要求25所述的方法(600)来跟踪运动对象;
分析(702)所述运动对象的一个或多个参数,所述一个或多个参数包括以下一项或多项:对象的轨迹、对象在表面上的撞击、对象在表面上的反射和对象的速度;以及
将所分析的一个或多个参数与一个或多个预定条件进行比较(704)以计算比赛中选手的表现度量。
27.一种用于分析比赛中对象和/或选手的方法,所述方法包括:
提供根据权利要求1至19中任一项所述的检测系统(101)或根据权利要求20至24中任一项所述的系统(100);以及
通过跟踪比赛中对象和/或选手来分析以下一项或多项:
对象的轨迹;
对象在表面上的撞击和/或反射;
对象的速度;
选手的运动;
选手的位置;以及
选手相对于对象的轨迹的运动和/或位置。
28.一种计算机可读存储介质,其上存储有计算机程序产品,所述计算机程序产品包括程序代码部分,所述程序代码部分用于当在一个或多个计算设备上执行所述计算机程序产品时实现权利要求25至27中任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/EP2017/051661 WO2018137767A1 (en) | 2017-01-26 | 2017-01-26 | Detection systems and methods |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110235191A CN110235191A (zh) | 2019-09-13 |
CN110235191B true CN110235191B (zh) | 2022-06-24 |
Family
ID=58264465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780084844.0A Active CN110235191B (zh) | 2017-01-26 | 2017-01-26 | 检测系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11964187B2 (zh) |
EP (1) | EP3574490A1 (zh) |
CN (1) | CN110235191B (zh) |
WO (1) | WO2018137767A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102020109414A1 (de) * | 2019-12-23 | 2021-06-24 | FUN WITH BALLS GmbH | Spielgerät |
WO2021240525A1 (en) * | 2020-05-27 | 2021-12-02 | Track160 Ltd. | System and method for monitoring and alerting team sports players infection risk |
DE102021134420A1 (de) | 2021-12-22 | 2023-06-22 | Sano Holding GmbH | Landwirtschaftliches Datenbanksystem |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000044450A1 (en) * | 1999-01-29 | 2000-08-03 | Orthopedic Systems Inc. | Golf ball flight monitoring system |
CN101195072A (zh) * | 2006-12-07 | 2008-06-11 | Base图像有限公司 | 运动行为的测量方法和测量装置 |
CN104225891A (zh) * | 2013-06-21 | 2014-12-24 | 精工爱普生株式会社 | 运动分析方法以及运动分析装置 |
CN104524758A (zh) * | 2007-09-21 | 2015-04-22 | 游戏数据有限责任公司 | 对象定位及移动检测系统和方法 |
CN104888441A (zh) * | 2011-02-02 | 2015-09-09 | 精工爱普生株式会社 | 摆动分析装置、摆动分析系统、程序以及摆动分析方法 |
CN105641897A (zh) * | 2016-01-15 | 2016-06-08 | 上海英诗帕信息科技有限公司 | 高尔夫多传感器综合训练系统及分析方法 |
CN105828893A (zh) * | 2013-12-24 | 2016-08-03 | 索尼公司 | 图像处理装置和图像处理方法 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US784669A (en) | 1904-09-22 | 1905-03-14 | James Fiddes | Automatic fire sprinkler and alarm system. |
EP0281695A1 (en) * | 1987-03-11 | 1988-09-14 | Jerome Hal Lemelson | Image analysis system and method |
US6545705B1 (en) * | 1998-04-10 | 2003-04-08 | Lynx System Developers, Inc. | Camera with object recognition/data output |
US6709351B2 (en) * | 1998-09-10 | 2004-03-23 | Takeshi Hori | Sports game system |
WO2001041884A1 (en) | 1999-12-10 | 2001-06-14 | Roke Manor Research Limited | Video processor systems for ball tracking in ball games |
JP2001264016A (ja) * | 2000-03-15 | 2001-09-26 | Sumitomo Rubber Ind Ltd | ボールの運動測定装置 |
JP2002148269A (ja) * | 2000-11-08 | 2002-05-22 | Sumitomo Rubber Ind Ltd | ボール運動計測装置 |
JP2002315860A (ja) * | 2001-04-20 | 2002-10-29 | Bridgestone Sports Co Ltd | ゴルフボールの選択方法ならびにゴルフクラブとゴルフボールの選択方法および選択システム |
WO2003022369A2 (en) | 2001-09-12 | 2003-03-20 | Pillar Vision Corporation | Trajectory detection and feedback system |
GB0212194D0 (en) | 2002-05-28 | 2002-07-03 | Marshall John R | Game ball monitoring method and apparatus |
US7324663B2 (en) * | 2002-06-06 | 2008-01-29 | Wintriss Engineering Corporation | Flight parameter measurement system |
US20060192852A1 (en) * | 2005-02-09 | 2006-08-31 | Sally Rosenthal | System, method, software arrangement and computer-accessible medium for providing audio and/or visual information |
US7321330B2 (en) * | 2005-10-03 | 2008-01-22 | Sri Sports Limited | Ball measuring apparatus |
CN100504942C (zh) * | 2007-07-03 | 2009-06-24 | 北京智安邦科技有限公司 | 智能视频监控设备模组和系统及其监控方法 |
KR100937922B1 (ko) * | 2009-02-12 | 2010-01-21 | 엔지비스 주식회사 | 구형 물체의 비행정보 측정 시스템 및 방법 |
CN102598074A (zh) * | 2009-09-01 | 2012-07-18 | 德马荷工业相机股份有限公司 | 摄像机系统 |
US9406336B2 (en) * | 2010-08-26 | 2016-08-02 | Blast Motion Inc. | Multi-sensor event detection system |
EP2643972A4 (en) * | 2010-11-24 | 2016-03-30 | Stergen High Tech Ltd | IMPROVED METHOD AND SYSTEM FOR THE CREATION OF THREE-DIMENSIONAL (3D) VISUALIZABLE VIDEO FROM A SINGLE VIDEO STREAM |
US10751598B2 (en) * | 2011-05-11 | 2020-08-25 | Karsten Manufacturing Corporation | Systems, methods, and articles of manufacture to measure, analyze and share golf swing and ball motion characteristics |
US9030522B2 (en) * | 2011-06-24 | 2015-05-12 | At&T Intellectual Property I, Lp | Apparatus and method for providing media content |
DE102011078772A1 (de) | 2011-07-07 | 2013-01-10 | Robert Bosch Gmbh | Verfahren zum Auslösen einer bildgebenden Vorrichtung und bildgebende Vorrichtung |
WO2013043016A2 (ko) * | 2011-09-23 | 2013-03-28 | 주식회사 크리에이츠 | 주변 밝기에 따라 카메라를 제어하여 양호한 공 이미지를 획득하기 위한 가상 스포츠 시스템 |
AU2011380289B2 (en) * | 2011-10-31 | 2015-03-26 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Apparatus and method for synchronizing events |
CN104025537A (zh) * | 2011-10-31 | 2014-09-03 | 德国弗劳恩霍夫应用研究促进协会 | 用于分析传感器数据的装置和方法 |
JP6125146B2 (ja) * | 2011-12-29 | 2017-05-10 | ダンロップスポーツ株式会社 | ゴルフクラブヘッドの計測方法 |
JP5994306B2 (ja) * | 2012-03-15 | 2016-09-21 | ソニー株式会社 | 情報処理装置、情報処理システムおよびプログラム |
CZ24742U1 (cs) | 2012-07-04 | 2013-01-02 | Vach@Radomír | Zarízení pro záznam a zobrazení dopadu mícku okolo cáry hracího pole za pouzití kamer |
US9457251B2 (en) * | 2013-03-15 | 2016-10-04 | Wilson Sporting Goods Co. | Ball sensing |
US8988345B2 (en) * | 2013-06-25 | 2015-03-24 | Microsoft Technology Licensing, Llc | Adaptive event recognition |
US9457228B2 (en) * | 2013-07-09 | 2016-10-04 | Aditi Sinha | Sport training equipment |
WO2015081303A1 (en) | 2013-11-26 | 2015-06-04 | Double Blue Sports Analytics, Inc. | Automated video tagging with aggregated performance metrics |
US9849361B2 (en) * | 2014-05-14 | 2017-12-26 | Adidas Ag | Sports ball athletic activity monitoring methods and systems |
WO2016005921A1 (en) | 2014-07-08 | 2016-01-14 | Misra Chetan | A visual training system and a method thereof |
US9724561B2 (en) * | 2014-07-09 | 2017-08-08 | Aditi Sinha | Sport training equipment |
-
2017
- 2017-01-26 WO PCT/EP2017/051661 patent/WO2018137767A1/en unknown
- 2017-01-26 CN CN201780084844.0A patent/CN110235191B/zh active Active
- 2017-01-26 US US16/475,202 patent/US11964187B2/en active Active
- 2017-01-26 EP EP17709586.6A patent/EP3574490A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000044450A1 (en) * | 1999-01-29 | 2000-08-03 | Orthopedic Systems Inc. | Golf ball flight monitoring system |
CN101195072A (zh) * | 2006-12-07 | 2008-06-11 | Base图像有限公司 | 运动行为的测量方法和测量装置 |
CN104524758A (zh) * | 2007-09-21 | 2015-04-22 | 游戏数据有限责任公司 | 对象定位及移动检测系统和方法 |
CN104888441A (zh) * | 2011-02-02 | 2015-09-09 | 精工爱普生株式会社 | 摆动分析装置、摆动分析系统、程序以及摆动分析方法 |
CN104225891A (zh) * | 2013-06-21 | 2014-12-24 | 精工爱普生株式会社 | 运动分析方法以及运动分析装置 |
CN105828893A (zh) * | 2013-12-24 | 2016-08-03 | 索尼公司 | 图像处理装置和图像处理方法 |
CN105641897A (zh) * | 2016-01-15 | 2016-06-08 | 上海英诗帕信息科技有限公司 | 高尔夫多传感器综合训练系统及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110235191A (zh) | 2019-09-13 |
US20200222758A1 (en) | 2020-07-16 |
US11964187B2 (en) | 2024-04-23 |
EP3574490A1 (en) | 2019-12-04 |
WO2018137767A1 (en) | 2018-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10607349B2 (en) | Multi-sensor event system | |
CN108369634B (zh) | 用于监视运动场地中的对象的系统和方法 | |
US20180071579A1 (en) | Systems and methods for analyzing event data | |
KR102205639B1 (ko) | 골프 공 추적 시스템 | |
WO2017103674A1 (en) | System and method for mobile feedback generation using video processing and object tracking | |
US11087638B2 (en) | System and method for analysing sports performance data | |
WO2019143766A1 (en) | Enhanced gaming systems and methods | |
US11452929B2 (en) | Smart soccer goal | |
CN110235191B (zh) | 检测系统和方法 | |
CN111866575B (zh) | 一种实时动作视频智能捕捉与反馈方法及系统 | |
US11856318B2 (en) | Methods and systems to automatically record relevant action in a gaming environment | |
TWI728895B (zh) | 互動式球場系統 | |
US20230410507A1 (en) | System for tracking, locating and calculating the position of an object in a game involving moving objects | |
CN117495899A (zh) | 运动轨迹、回合开始检测方法、装置、设备及芯片 | |
TW202305664A (zh) | 用於感測移動的球的影像分析方法及利用該方法的感測裝置 |
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 |