CN110796085B - 一种基于深度学习物体检测算法的篮球进球片段ab队自动区分的方法 - Google Patents

Abstract

本发明涉及物体检测技术领域，具体地说，涉及一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法。其包括如下步骤：默认比赛开始时为上半场，且进攻左半场的球队为A球队，进攻右半场的球队为B球队；训练篮球架底座的检测算法，利用检测算法输出结果判断该片段的左右半场信息；利用进球时间间隔判断上下半场；利用检测算法的输出结果判断出左右半场信息。该基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法中，利用基于深度学习的图像检测算法，检测获取篮球进球视频片段中篮球架底座的位置信息，通过篮球架的位置判断左右半场信息，获得AB队信息，通过进球时间间隔自动判断上下半场信息，实现AB队进攻信息的自动转换。

Description

一种基于深度学习物体检测算法的篮球进球片段AB队自动区 分的方法

技术领域

本发明涉及物体检测技术领域，具体地说，涉及一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法。

背景技术

通常在篮球比赛中，上半场比赛时参与比赛的两个球队分别进攻左半场和右半场，在中场休息结束进行下半场比赛时，两个球队交换场地，分别进攻右半场和左半场，因此难以对篮球进球片段AB队自动区分。

发明内容

本发明的目的在于提供一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，包括如下步骤：

步骤1：训练一个篮球架底座的检测算法，可以利用该检测算法的输出结果判断任何篮球进球片段的左右半场信息；

步骤2：默认比赛开始时为上半场，且进攻左半场的球队为A球队，进攻右半场的球队为B球队；

步骤3:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为A球队进球，反之则为B球队进攻；

步骤4：利用进球时间间隔判断上下半场，如果判断进入下半场则开始利用步骤5进行AB队判断，反之则仍然利用步骤3进行AB队球队判断；

步骤5:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为B球队进球，反之则为A球队进攻。

作为优选，步骤1中，训练篮球架底座检测算法步骤如下：

步骤1.1：准备数据，首先准备各类篮球比赛视频作为样本集，抽取视频帧，并将其保存成图片；

步骤1.2：标注数据，通过人工的方式对上述准备的图片进行过滤，将所有非比赛片段的图片删除，通过人工的方式对过滤后的所有图片进行检测框标注，需要标注的内容为篮球架底座；

步骤1.3：训练检测模型，利用上述标注数据训练基于卷积神经网络的篮球架底座检测算法。

作为优选，步骤3中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤3.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤3.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为A球队的进球，反之则为右半场，该进球片段为B球队的进球。

作为优选，步骤4中，利用进球时间间隔判断上下半场的方法如下：

如果该进球片段为本场比赛的第一个进球，那么记录该进球片段的进球时间为T_pre；

如果该进球片段不是本场比赛的第一个进球，那么判断该进球片段的进球时刻T1与上一个进球片段进球时刻T_pre的时间间隔，如果该时间间隔超过中场休息时间，那么从本次进球开始就进入了下半场，那么此后所有进球开始利用步骤5进行AB队判断，如果该时间间隔没有超过中场休息时间，那么本次进球仍然是上半场进球，那么仍然利用步骤3进行AB队判断。

作为优选，步骤5中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤5.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤5.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为B球队的进球，反之则为右半场，该进球片段为A球队的进球。

与现有技术相比，本发明的有益效果：

1、该基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法中，利用基于深度学习的图像检测算法，自动检测获取篮球进球视频片段中篮球架底座的位置、大小，即检测框信息。

2、该基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法中，通过篮球架的位置自动判断左右半场信息，从而获得AB队信息。

3、该基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法中，通过进球时间间隔自动判断上下半场信息，从而实现AB队进攻信息的自动转换。

附图说明

图1为本发明的训练篮球架底座检测模型图；

图2为本发明的判断AB队流程图。

具体实施方式

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，所描述的实施例仅仅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做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。

请参阅图1-2所示，本发明提供一种技术方案：

本发明提供一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，包括如下步骤：

步骤1：训练一个篮球架底座的检测算法，可以利用该检测算法的输出结果判断任何篮球进球片段的左右半场信息；

步骤2：默认比赛开始时为上半场，且进攻左半场的球队为A球队，进攻右半场的球队为B球队；

步骤3:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为A球队进球，反之则为B球队进攻。

步骤4：利用进球时间间隔判断上下半场，如果判断进入下半场则开始利用步骤5进行AB队判断，反之则仍然利用步骤3进行AB队球队判断；

步骤5:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为B球队进球，反之则为A球队进攻。

本实施例中，步骤2中，训练篮球架底座检测算法步骤如下：

步骤2.1：准步骤1中，训练篮球架底座检测算法步骤如下：

步骤1.1：准备数据，首先准备各类篮球比赛视频作为样本集，抽取视频帧，并将其保存成图片；

步骤1.2：标注数据，通过人工的方式对上述准备的图片进行过滤，将所有非比赛片段的图片删除，通过人工的方式对过滤后的所有图片进行检测框标注，需要标注的内容为篮球架底座；

步骤1.3：训练检测模型，利用上述标注数据训练基于卷积神经网络的篮球架底座检测算法，优选的，选用YOLOV3算法。

进一步的，步骤3中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤3.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤3.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为A球队的进球，反之则为右半场，该进球片段为B球队的进球。

具体的，步骤4中，利用进球时间间隔判断上下半场的方法如下：

如果该进球片段为本场比赛的第一个进球，那么记录该进球片段的进球时间为T_pre；

如果该进球片段不是本场比赛的第一个进球，那么判断该进球片段的进球时刻T1与上一个进球片段进球时刻T_pre的时间间隔，如果该时间间隔超过中场休息时间，那么从本次进球开始就进入了下半场，那么此后所有进球开始利用步骤5进行AB队判断，如果该时间间隔没有超过中场休息时间，那么本次进球仍然是上半场进球，那么仍然利用步骤3进行AB队判断。

值得说明的是，步骤5中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤5.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤5.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为B球队的进球，反之则为右半场，该进球片段为A球队的进球。

以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的仅为本发明的优选例，并不用来限制本发明，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (3)

1.一种基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，包括如下步骤：

步骤1：训练一个篮球架底座的检测算法，可以利用该检测算法的输出结果判断任何篮球进球片段的左右半场信息；

步骤2：默认比赛开始时为上半场，且进攻左半场的球队为A球队，进攻右半场的球队为B球队；

步骤3:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为A球队进球，反之则为B球队进攻；

步骤4：利用进球时间间隔判断上下半场，如果判断进入下半场则开始利用步骤5进行AB队判断，反之则仍然利用步骤3进行AB队球队判断；

步骤5:利用训练好的篮球架底座检测算法对每个进球片段判断左右半场，如果是左半场，那么该片段为B球队进球，反之则为A球队进攻；

步骤3中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤3.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤3.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为A球队的进球，反之则为右半场，该进球片段为B球队的进球；

步骤4中，利用进球时间间隔判断上下半场的方法如下：

如果该进球片段为本场比赛的第一个进球，那么记录该进球片段的进球时间为T_pre；

如果该进球片段不是本场比赛的第一个进球，那么判断该进球片段的进球时刻T1与上一个进球片段进球时刻T_pre的时间间隔，如果该时间间隔超过中场休息时间，那么从本次进球开始就进入了下半场，那么此后所有进球开始利用步骤5进行AB队判断，如果该时间间隔没有超过中场休息时间，那么本次进球仍然是上半场进球，那么仍然利用步骤3进行AB队判断。

2.根据权利要求1所述的基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，其特征在于：步骤1中，训练篮球架底座检测算法步骤如下：

步骤1.1：准备数据，首先准备各类篮球比赛视频作为样本集，抽取视频帧，并将其保存成图片；

步骤1.2：标注数据，通过人工的方式对上述准备的图片进行过滤，将所有非比赛片段的图片删除，通过人工的方式对过滤后的所有图片进行检测框标注，需要标注的内容为篮球架底座；

步骤1.3：训练检测模型，利用上述标注数据训练基于卷积神经网络的篮球架底座检测算法。

3.根据权利要求1所述的基于深度学习物体检测算法的篮球进球片段AB队自动区分的方法，其特征在于：步骤5中，利用检测模型检测判断左右半场及AB队信息具体步骤如下：

步骤5.1：利用检测模型检测进球片段的每一帧，检测出每一帧中篮球架的位置，并判断篮球架中心点位于视频帧横向中点位置的哪一侧，如果篮球架中心点位于视频帧中心点左侧，那么判断该帧为左半场，反之则为右半场；

步骤5.2：统计该进球片段所有帧的左右半场信息，其中被判断为左半场的帧数为num1、被判断为右半场的帧数为num2，如果num1＞num2那么最终判断该进球片段为左半场，那么该进球片段即为B球队的进球，反之则为右半场，该进球片段为A球队的进球。

Images