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
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 Download PDFInfo
- Publication number
- CN110796085B CN110796085B CN201911040878.7A CN201911040878A CN110796085B CN 110796085 B CN110796085 B CN 110796085B CN 201911040878 A CN201911040878 A CN 201911040878A CN 110796085 B CN110796085 B CN 110796085B
- Authority
- CN
- China
- Prior art keywords
- goal
- team
- segment
- half field
- judging
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
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
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040878.7A CN110796085B (zh) | 2019-10-29 | 2019-10-29 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911040878.7A CN110796085B (zh) | 2019-10-29 | 2019-10-29 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110796085A CN110796085A (zh) | 2020-02-14 |
CN110796085B true CN110796085B (zh) | 2022-04-22 |
Family
ID=69441913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911040878.7A Active CN110796085B (zh) | 2019-10-29 | 2019-10-29 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796085B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201052A (zh) * | 2010-03-26 | 2011-09-28 | 新奥特(北京)视频技术有限公司 | 一种篮球广播视频中场地检测的方法 |
CN104199933A (zh) * | 2014-09-04 | 2014-12-10 | 华中科技大学 | 一种多模态信息融合的足球视频事件检测与语义标注方法 |
CN106991359A (zh) * | 2016-01-20 | 2017-07-28 | 上海慧体网络科技有限公司 | 一种在全景模式下对球赛视频中篮球进行跟踪的算法 |
CN107303428A (zh) * | 2016-04-20 | 2017-10-31 | 李斌 | 基于图像处理的篮球进球判定方法及系统 |
CN107871120A (zh) * | 2017-11-02 | 2018-04-03 | 汕头市同行网络科技有限公司 | 基于机器学习的体育赛事理解系统及方法 |
CN107992464A (zh) * | 2017-12-08 | 2018-05-04 | 浙江大学 | 单场篮球比赛数据的可视化方法 |
CN109087328A (zh) * | 2018-05-31 | 2018-12-25 | 湖北工业大学 | 基于计算机视觉的羽毛球落点位置预测方法 |
CN109165253A (zh) * | 2018-08-15 | 2019-01-08 | 宁夏大学 | 一种篮球战术辅助的方法与装置 |
CN109961039A (zh) * | 2019-03-20 | 2019-07-02 | 上海者识信息科技有限公司 | 一种个人进球视频捕捉方法及系统 |
CN110298231A (zh) * | 2019-05-10 | 2019-10-01 | 新华智云科技有限公司 | 一种用于篮球比赛视频进球判定的方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130300832A1 (en) * | 2012-05-14 | 2013-11-14 | Sstatzz Oy | System and method for automatic video filming and broadcasting of sports events |
US9064189B2 (en) * | 2013-03-15 | 2015-06-23 | Arris Technology, Inc. | Playfield detection and shot classification in sports video |
US10521671B2 (en) * | 2014-02-28 | 2019-12-31 | Second Spectrum, Inc. | Methods and systems of spatiotemporal pattern recognition for video content development |
US10489656B2 (en) * | 2017-09-21 | 2019-11-26 | NEX Team Inc. | Methods and systems for ball game analytics with a mobile device |
JP2021511729A (ja) * | 2018-01-18 | 2021-05-06 | ガムガム インコーポレイテッドGumgum, Inc. | 画像、又はビデオデータにおいて検出された領域の拡張 |
-
2019
- 2019-10-29 CN CN201911040878.7A patent/CN110796085B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102201052A (zh) * | 2010-03-26 | 2011-09-28 | 新奥特(北京)视频技术有限公司 | 一种篮球广播视频中场地检测的方法 |
CN104199933A (zh) * | 2014-09-04 | 2014-12-10 | 华中科技大学 | 一种多模态信息融合的足球视频事件检测与语义标注方法 |
CN106991359A (zh) * | 2016-01-20 | 2017-07-28 | 上海慧体网络科技有限公司 | 一种在全景模式下对球赛视频中篮球进行跟踪的算法 |
CN107303428A (zh) * | 2016-04-20 | 2017-10-31 | 李斌 | 基于图像处理的篮球进球判定方法及系统 |
CN107871120A (zh) * | 2017-11-02 | 2018-04-03 | 汕头市同行网络科技有限公司 | 基于机器学习的体育赛事理解系统及方法 |
CN107992464A (zh) * | 2017-12-08 | 2018-05-04 | 浙江大学 | 单场篮球比赛数据的可视化方法 |
CN109087328A (zh) * | 2018-05-31 | 2018-12-25 | 湖北工业大学 | 基于计算机视觉的羽毛球落点位置预测方法 |
CN109165253A (zh) * | 2018-08-15 | 2019-01-08 | 宁夏大学 | 一种篮球战术辅助的方法与装置 |
CN109961039A (zh) * | 2019-03-20 | 2019-07-02 | 上海者识信息科技有限公司 | 一种个人进球视频捕捉方法及系统 |
CN110298231A (zh) * | 2019-05-10 | 2019-10-01 | 新华智云科技有限公司 | 一种用于篮球比赛视频进球判定的方法及系统 |
Non-Patent Citations (2)
Title |
---|
Novel framework for sports video analysis: A basketball case study;Chen C M等;《Proceedings of the IEEE International Conference on Image Processing》;20141231;第961-965页 * |
篮球视频事件检测与标注方法研究;刘俊琛;《中国优秀硕士学位论文全文数据库 信息科技辑》;20180115(第1期);第I138-1498页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110796085A (zh) | 2020-02-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110298231B (zh) | 一种用于篮球比赛视频进球判定的方法及系统 | |
CN111191576B (zh) | 人员行为目标检测模型构建方法、智能分析方法及系统 | |
WO2020082971A1 (zh) | 一种课堂实时监测与评估系统及其工作方法、创建方法 | |
CN103688275A (zh) | 分析体育运动的视频的方法 | |
CN109284733A (zh) | 一种基于yolo和多任务卷积神经网络的导购消极行为监控方法 | |
CN109766883B (zh) | 基于深度神经网络的网络视频字幕的快速提取方法 | |
CN105516802A (zh) | 多特征融合的新闻视频摘要提取方法 | |
US11484752B2 (en) | Jump counting method for jump rope | |
CN105279751B (zh) | 一种为图片进行处理的方法和装置 | |
CN107729901A (zh) | 图像处理模型的建立方法、装置及图像处理方法及系统 | |
WO2017166709A1 (zh) | 跑步机氛围灯的控制方法、装置及跑步机 | |
CN107292302A (zh) | 检测图片中兴趣点的方法和系统 | |
TWI376648B (en) | Method and device for keeping image background by multiple gauss models | |
CN109446946A (zh) | 一种基于多线程的多摄像头实时检测方法 | |
CN107763961A (zh) | 一种冰箱及其业务实现方法 | |
CN111626155B (zh) | 一种篮球位置点的生成方法及设备 | |
CN106412470A (zh) | 一种录制桌面ppt信息打点的方法和装置 | |
CN110933406A (zh) | 一种短视频配乐质量客观评价方法 | |
CN110796085B (zh) | 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 | |
CN100442307C (zh) | 球门检测方法 | |
CN107797784A (zh) | 获取拼接处理器的适配分辨率的方法及装置 | |
CN102301697A (zh) | 视频签名产生设备 | |
CN109460724B (zh) | 基于对象检测的停球事件的分离方法和系统 | |
CN114187664A (zh) | 一种基于人工智能的跳绳计数系统 | |
CN114100103A (zh) | 一种基于关键点识别的跳绳计数检测系统及方法 |
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 |