CN110942022A - 投篮数据的输出方法和电子设备 - Google Patents
投篮数据的输出方法和电子设备 Download PDFInfo
- Publication number
- CN110942022A CN110942022A CN201911167354.4A CN201911167354A CN110942022A CN 110942022 A CN110942022 A CN 110942022A CN 201911167354 A CN201911167354 A CN 201911167354A CN 110942022 A CN110942022 A CN 110942022A
- Authority
- CN
- China
- Prior art keywords
- shooting
- user
- court
- electronic device
- preset
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000033001 locomotion Effects 0.000 claims description 23
- 238000013507 mapping Methods 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000003287 optical effect Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000012549 training Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Studio Devices (AREA)
Abstract
本发明实施例公开了一种投篮数据的输出方法和电子设备,以解决相关技术中用户获取投篮数据复杂的问题。该方法包括:获取投篮视频;识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。本发明实施例采用图像识别的方式给出了一种投篮数据的输出方法,操作简便,对设备要求低,对于用户而言,只需要一部有摄像头的电子设备,即可实时输出投篮数据,投篮数据的获取方式简单、便捷。
Description
技术领域
本发明实施例涉及终端技术领域,尤其涉及一种投篮数据的输出方法和电子设备。
背景技术
随着用户对运动需求的增强,篮球作为一项群体运动逐渐吸引了越来越多的爱好者。
对于篮球爱好者而言,目前并没有一个简单的途径能够获得自己的投篮数据,比如投篮热图,以了解自身技术缺陷、提高篮球水平等。目前,投篮热图主要出现在大型的正规比赛中,主要原因在于投篮热图的获取过程复杂,需要专业人员进行大量的人工统计、记录,成本较高。
因此,如何提供一种简单的方法能够使用户获得自己的投篮数据,是现有技术中亟需解决物的技术问题。
发明内容
本发明实施例提供一种投篮数据的输出方法和电子设备,以解决相关技术中用户获取投篮数据复杂的问题。
为了解决上述技术问题,本发明实施例是这样实现的:
第一方面,提供了一种投篮数据的输出方法,包括:
获取投篮视频;
识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;
根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
第二方面,提供了一种电子设备,该电子设备包括:
获取模块,用于获取投篮视频;
识别模块,用于识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;
输出模块,用于根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
第三方面,提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法的步骤。
在本发明实施例中,获取投篮视频,通过图像识别的方式识别用户在球场中的投篮位置以及投篮命中结果,并根据投篮位置和投篮命中结果输出投篮数据,投篮数据的获取方式简单、便捷。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明一个实施例提供的投篮数据的输出方法流程示意图;
图2是本发明一个实施例篮球场地和电子设备的位置示意图;
图3是本发明一个实施例中投篮数据展示示意图;
图4是本发明另一个实施例中投篮数据展示示意图;
图5是本发明一个实施例中将球场位置映射到战术板的结构示意图;
图6是本发明一个实施例中将球场位置映射到战术板流程示意图;
图7是本发明一个实施例中前景、后景特征点位置示意图;
图8是本发明另一个实施例提供的投篮数据的输出方法流程示意图;
图9是本发明一个实施例提供的电子设备结构示意图;
图10为实现本发明各个实施例的一种电子设备的硬件结构示意图。
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作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。
如图1所示,本发明的一个实施例提供一种投篮数据的输出方法100,该方法可以由电子设备执行,换言之,该方法可以由安装在电子设备的软件或硬件来执行,该方法包括如下步骤:
S102:获取投篮视频。
在一个优选的实施例中,该步骤可以通过电子设备(如手机)实时采集用户的投篮视频。
如图2所示,用户可以在图2所示的球场中线位置放置电子设备,该电子设备包括有摄像头,按照标准篮球场的场地尺寸,摄像头的镜头角度达到大约103°时即可完成对半场的覆盖,用户可以在右侧所示的场地进行投篮训练。
在该实施例中,电子设备离地面高度可以大约是篮筐高度的一半,例如1.5米,电子设备的摄像头朝向图2右侧所示的半场。
在该实施例中,如果电子设备不支持广角拍摄,在图2中,还可以向左侧的方向移动电子设备的固定位置,进而使电子设备的摄像头能够完成对半场的覆盖。
可选地,在其他的实施例中,电子设备还可以是获取其它的设备采集的用户的投篮视频,例如,架设在场地上方的摄像机俯视拍摄的投篮视频等,本发明实施例对此不作具体限定。
S104:识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果。
该步骤可以利用图像识别的方法,从投篮视频的图像帧中识别用户的投篮动作。例如,通过实时追踪用户的手部和篮球的运动轨迹,在检测到用户手部和篮球分离,且篮球是向上方运动时,即确定是投篮动作。
在识别出用户的投篮动作之后,通过检测用户的双脚在球场中的位置,将该位置确定为投篮位置。可选地,该投篮位置例如,三分线弧顶位置、三分线左侧零度角位置、三分线左侧45度角位、罚球线位置等等。
在识别出用户的投篮动作之后,还可以实时监测上述投篮位置的投篮命中结果,该投篮命中结果可以是命中(或称投中),还可以是没有命中(或称不中、未命中等)。
可以理解,在定点投篮训练时,用户可能在同一个投篮位置进行多次投篮动作,则该步骤可以分别识别这多次投篮动作的投篮命中结果。
S106:根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
该步骤中的投篮数据可以包括上述投篮位置和投篮命中结果,还可以包括其他的一些数据,例如,命中率、投篮总次数等等。
该步骤中的投篮数据,还可以是对上述投篮位置和投篮命中结果进行处理后得到的数据,例如,投篮热图。
该步骤中提到输出投篮数据,可以是电子设备通过显示界面展示给用户,还可以是以语音播报的方式输出等等。
在一个实施例中,输出的投篮数据如图3所示,该投篮数据包括投篮位置、投篮命中结果(即图3中的投篮命中和投篮不中)、投篮总次数、投篮总命中数和投篮命中率等等。
在另一个实施例中,输出的投篮数据如图4所示,该实施例将球场(半场)分为多个区域,以投篮热图的形式展示投篮数据。如图4所示,在上述每一个区域中,均包括有投篮总次数、投篮总命中数和投篮命中率。该实施例中篮球数据的展示形式,便于使用户了解自身技术缺陷以进行针对性训练,快速提高篮球水平。
本发明实施例提供的投篮数据的输出方法,获取投篮视频,通过图像识别的方式识别用户在球场中的投篮位置以及投篮命中结果,并根据投篮位置和投篮命中结果输出投篮数据,投篮数据的获取方式简单、便捷。
本发明实施例主要结合计算机视觉技术和AI的图像运动识别技术,给出一种投篮数据的输出方法,操作简便,对设备要求低。对于用户而言,只需要一部有摄像头的手机,固定手机的三脚架,即可实时输出投篮数据,投篮数据的获取方式简单、便捷。
另外,由于用户投篮训练过程中不存在运动遮挡,因此单个电子设备(如手机)采集的投篮视频就能够保证投篮位置和投篮命中结果的高识别准确率。
可选地,在上述实施例的S106中提到的根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据包括:根据所述球场和战术板之间的位置映射关系,在所述战术板上展示投篮热图;其中,所述投篮热图包括所述投篮命中结果以及所述投篮位置在所述战术板中的对应位置。
关于战术板可以参见图4,或参见图5右侧的视图,在(半场)战术板中一般包括有篮框位置、底线、边线、中线、三分线、罚球线、罚球区等。
关于投篮视频中的球场,可以参见图5左侧的视图。
可选地,在上述实施例之前,还可以预先生成球场和战术板之间的位置映射关系,即计算从球场上的位置映射到战术板上坐标的单应性矩阵,如图5所示,图5是将球场位置映射到战术板的示意图,图5左侧显示的是投篮视频中的球场位置,图5右侧所示的为战术板示意图。在该实施例中,战术板上如图4所示的投篮数据会在电子设备上实时更新显示。
如图6所示,投篮视频中的球场位置和战术板之间的位置映射关系生成过程可以包括如下步骤:
S602:提取投篮视频中目标图像,该目标图像包括球场图像。
该投篮视频可以是上述实施例的S102中的投篮视频。
该目标图像可以是投篮视频中的第一帧图像,该目标图像包括球场图像,如图5左侧的视图。
可选地,该实施例对第一帧图像做灰度化处理和下采样操作,便于加快后续步骤中图像处理的速度。
S604:提取目标图像的Harrison角点。
该步骤具体可以通过Harrison角点提取算法实现。
S606:对所述Harrison角点进行聚类处理,得到所述球场的特征点。具体如7中的x号所示。
S608:计算所述球场和所述战术板之间的LK光流。
LK光流,简单说可以是图5左侧所示的图像上每个像素的x,y,映射到图5右侧的图像上的位移量。
在实际应用过程中,S606对Harrison角点进行聚类处理之后,还可以利用聚类后的特征点将球场图像分为前景和后景,如图7所示,完成对球场图像的快速切割,具体分为前景特征点x和后景特征点*。关于后景特征点的具体作用可以参见后文实施例。
S606通过提取前景特征点,然后S608再用RANSAC方式计算球场区域与战术板之间的LK光流。
S610:根据所述LK光流得到单应性矩阵,所述单应性矩阵用于表示所述球场和所述战术板之间的位置映射关系。
由于战术板仅仅与前景特征点对应的球场位置(即球场地面)呈映射关系,该实施例通过提取前景特征点即可完成球场位置和战术板之间的位置映射关系生成过程,相对于提取整个特征点(例如前景特征点x+后景特征点*)而言,可以提高处理速度,节约电子设备图像处理消耗的资源。
可选地,在上述实施例的S104中提到的识别所述用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果包括如下步骤:
1)根据预设的投篮动作识别模型,识别所述用户的投篮动作。其中,该投篮动作识别模型用于识别用户的投篮动作,该投篮动作识别模型可预先基于大量的投篮动作的样本图像训练得到。
2)确定所述投篮动作在所述球场中的投篮位置。该步骤可以在识别出用户的投篮动作之后,通过检测用户的双脚在球场中的位置,将该位置确定为投篮位置。
3)根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果。其中,该进球识别模型用于识别用户的投篮命中结果,该进球识别模型可预先基于大量的进球样本图像和大量的未进球的样本图像训练得到。
可选地,上述根据预设的投篮动作识别模型,识别所述用户的投篮动作之前,所述方法还包括:获取所述投篮视频中的用户运动区域;其中,所述根据预设的投篮动作识别模型,识别所述用户的投篮动作包括:根据预设的投篮动作识别模型,在所述用户运动区域,识别所述用户的投篮动作。
该实施例通过检测用户运动区域(例如,仅仅包括有用户的局部图像),用户运动区域相对于投篮图像的整个图像帧而言,其尺寸较小,可以大大加快处理速度,节约电子设备图像处理消耗的资源。
可选地,上述根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果之前,所述方法还包括:获取所述投篮视频中的篮筐篮板区域(具体可以通过图7所示的后景特征点位置得到);所述根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果包括:在识别出所述投篮动作之后的预设时长之后,根据预设的进球识别模型,在所述篮筐篮板区域,识别所述投篮位置对应的投篮命中结果。
该实施例通过检测篮筐篮板区域,篮筐篮板区域相对于投篮图像的整个图像帧而言,其尺寸较小,可以大大加快投篮命中结果识别的处理速度,节约电子设备图像处理消耗的资源。
另外,该实施例在识别出投篮动作之后的预设时长之后再通过模型识别投篮命中结果,因为用户投篮出手后篮球还要飞行一段时间才会到达篮筐附近,该实施例在投篮动作发生后的一段时间后才执行检测投篮命中结果的动作,相对于实时检测投篮命中结果的操作,可以大大降低进球识别模型的处理负担,节约电子设备的资源消耗。
为详细说明本发明上述实施例提供的投篮数据的输出方法,以下将结合一个具体的实施例进行说明,该实施例以电子设备是手机为例进行介绍,如图8所示,该实施例800包括如下步骤:
S802:采集用户的投篮视频。
如图2所示,用户可以在图2所示的球场中线位置放置手机,该手机包括有摄像头,按照标准篮球场的场地尺寸,摄像头的镜头角度达到大约103°时即可完成对半场的覆盖,用户可以在右侧所示的场地进行投篮训练。
在该实施例中,手机离地面高度可以大约是篮筐高度的一半,例如1.5米,手机的摄像头朝向图2右侧所示的半场。
S804:确定球场位置和战术板之间的位置映射关系。
手机开始录制视频后,该步骤提取第一帧图像,计算从球场上的位置映射到战术板上坐标的单应性矩阵。在该实施例中,战术板上如图4所示的投篮数据会在电子设备上实时更新显示。
该实施例中,计算单应性矩阵采用稀疏光流的方法,流程图如图6所示,在此不再赘述。
S806:获取篮筐篮板区域。
该步骤具体可以通过前文实施例S600的S606的可选步骤,得到前景特征点x和后景特征点*,通过后景特征点得到篮筐篮板区域。
该实施例中,利用后景特征点的分布与篮筐篮板的真实图像做匹配,即可确定篮筐篮板的位置,考虑到投篮后篮球轨迹的多样性,该实施例中篮筐篮板区域会在识别后的基础上还可以进行联通和膨胀处理。
上述S804和S806可以是对第一帧图像进行处理,后续步骤则可以是对后的投篮视频中的图像帧进行处理。
S808:用户运动区域检测。
该实施例可以对投篮视频进行采样和灰度化处理,以降低后续运算量。具体的,该步骤可以利用采样后的两帧图像计算帧差,用帧差进行阈值比较,超过阈值区域标注为用户运动区域,随后还可以对用户运动区域做形态学处理。
S810:识别投篮动作和投篮命中结果。
对于投篮动作和投篮命中结果识别,该实施例可以采用深度学习的方式进行识别,在后续实施例再详细介绍。
S812:确定投篮位置以及该投篮位置在战术板上的坐标。
在检测到投篮动作后,利用帧差得到用户的投篮动作在球场上的位置;然后根据S804中得到的单应性矩阵计算投篮位置对应于战术板上的坐标。
S814:展示投篮热图。
上述S810可以利用进球模型进行进球检测,命中后在战术板对应坐标处标记为●,没有命中标记为X。同时计算投篮命中率并实时更新,如图3所示。最终根据所有投篮结果,得到投篮热图,具体如图4所示。
对于上述实施例S810中识别投篮动作和投篮命中结果的识别模型,以下将对其获取过程进行介绍。
首先,可以对已有的其他篮球样本视频进行标注,获取数据作为训练集。
具体的,
首先对样本视频进行采样,为了防止过拟合操作,要减少相似帧的数量;
标注篮筐篮板区域和投篮动作区域,截取相应的区域分别以小图的形式保存到篮筐篮板检测目录和投篮动作检测目录,保存格式可以为plk;
得到数据集后,对每一张截取的小图提取HOG特征;
利用HOG特征训练CNN神经网络,得到投篮动作识别模型和进球识别模型。
关于投篮动作识别模型和进球识别模型可以参见前文几个实施例。
以上结合图1至图8详细描述了根据本发明实施例的投篮数据的输出方法。下面将结合图9详细描述根据本发明实施例的电子设备,图9是根据本发明实施例的电子设备的结构示意图。如图9所示,电子设备900包括:
获取模块902,可以用于获取投篮视频;
识别模块904,可以用于识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;
输出模块906,可以用于根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
本发明实施例中,获取投篮视频,通过图像识别的方式识别用户在球场中的投篮位置以及投篮命中结果,并根据投篮位置和投篮命中结果输出投篮数据,投篮数据的获取方式简单、便捷。
本发明实施例主要结合计算机视觉技术和AI的图像运动识别技术,对设备要求低。对于用户而言,只需要一部有摄像头的手机,固定手机的三脚架,即可实时输出投篮数据,投篮数据的获取方式简单、便捷。
另外,由于用户投篮训练过程中不存在运动遮挡,因此单个手机采集的投篮视频就能够保证投篮位置和投篮命中结果的高识别准确率。
可选地,作为一个实施例,所述输出模块906,用于
根据所述球场和战术板之间的位置映射关系,在所述战术板上展示投篮热图。
可选地,作为一个实施例,所述电子设备900还包括单应性矩阵获取模块,用于
提取所述投篮视频中目标图像的Harrison角点,所述目标图像包括所述球场图像;
对所述Harrison角点进行聚类处理,得到所述球场的特征点;
计算所述球场和所述战术板之间的LK光流;
根据所述LK光流得到单应性矩阵,所述单应性矩阵用于表示所述球场和所述战术板之间的位置映射关系。
可选地,作为一个实施例,所述识别模块904,用于
根据预设的投篮动作识别模型,识别所述用户的投篮动作;
确定所述投篮动作在所述球场中的投篮位置;
根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果。
可选地,作为一个实施例,所述获取模块902,还用于获取所述投篮视频中的用户运动区域;
其中,所述识别模块904,用于根据预设的投篮动作识别模型,在所述用户运动区域,识别所述用户的投篮动作。
可选地,作为一个实施例,所述获取模块902,还用于获取所述投篮视频中的篮筐篮板区域;
所述识别模块904,用于在识别出所述投篮动作之后的预设时长之后,根据预设的进球识别模型,在所述篮筐篮板区域,识别所述投篮位置对应的投篮命中结果。
根据本发明实施例的电子设备可以参照对应本发明实施例的投篮数据的输出方法的流程,并且,该电子设备中的各个单元/模块和上述其他操作和/或功能分别为了实现上述投篮数据的输出方法中的相应流程,为了简洁,在此不再赘述。
本说明书中的各个实施例采用递进的方式描述,每个实施例重点说明的通常是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于电子设备实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
图10为实现本发明各个实施例的一种电子设备的硬件结构示意图,该电子设备1000包括但不限于:射频单元1001、网络模块1002、音频输出单元1003、输入单元1004、传感器1005、显示单元1006、用户输入单元1007、接口单元1008、存储器1009、处理器1010、以及电源1011等部件。本领域技术人员可以理解,图10中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。在本发明实施例中,电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中,处理器1010,用于获取投篮视频;识别所述用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
本发明实施例中,获取投篮视频,通过图像识别的方式识别用户在球场中的投篮位置以及投篮命中结果,并根据投篮位置和投篮命中结果输出投篮数据,投篮数据的获取方式简单、便捷。
本发明实施例主要结合计算机视觉技术和AI的图像运动识别技术,对设备要求低。对于用户而言,只需要一部有摄像头的手机,固定手机的三脚架,即可实时输出投篮数据,投篮数据的获取方式简单、便捷。
另外,由于用户投篮训练过程中不存在运动遮挡,因此单个手机采集的投篮视频就能够保证投篮位置和投篮命中结果的高识别准确率。
应理解的是,本发明实施例中,射频单元1001可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器1010处理;另外,将上行的数据发送给基站。通常,射频单元1001包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元1001还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块1002为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元1003可以将射频单元1001或网络模块1002接收的或者在存储器1009中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元1003还可以提供与电子设备1000执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元1003包括扬声器、蜂鸣器以及受话器等。
输入单元1004用于接收音频或视频信号。输入单元1004可以包括图形处理器(Graphics Processing Unit,GPU)10041和麦克风10042,图形处理器10041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元1006上。经图形处理器10041处理后的图像帧可以存储在存储器1009(或其它存储介质)中或者经由射频单元1001或网络模块1002进行发送。麦克风10042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元1001发送到移动通信基站的格式输出。
电子设备1000还包括至少一种传感器1005,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板10061的亮度,接近传感器可在电子设备1000移动到耳边时,关闭显示面板10061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器1005还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元1006用于显示由用户输入的信息或提供给用户的信息。显示单元1006可包括显示面板10061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板10061。
用户输入单元1007可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元1007包括触控面板10071以及其他输入设备10072。触控面板10071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板10071上或在触控面板10071附近的操作)。触控面板10071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器1010,接收处理器1010发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板10071。除了触控面板10071,用户输入单元1007还可以包括其他输入设备10072。具体地,其他输入设备10072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板10071可覆盖在显示面板10061上,当触控面板10071检测到在其上或附近的触摸操作后,传送给处理器1010以确定触摸事件的类型,随后处理器1010根据触摸事件的类型在显示面板10061上提供相应的视觉输出。虽然在图10中,触控面板10071与显示面板10061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板10071与显示面板10061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元1008为外部装置与电子设备1000连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元1008可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备1000内的一个或多个元件或者可以用于在电子设备1000和外部装置之间传输数据。
存储器1009可用于存储软件程序以及各种数据。存储器1009可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器1009可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器1010是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器1009内的软件程序和/或模块,以及调用存储在存储器1009内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器1010可包括一个或多个处理单元;优选的,处理器1010可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器1010中。
电子设备1000还可以包括给各个部件供电的电源1011(比如电池),优选的,电源1011可以通过电源管理系统与处理器1010逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外,电子设备1000包括一些未示出的功能模块,在此不再赘述。
优选的,本发明实施例还提供一种电子设备,包括处理器1010,存储器1009,存储在存储器1009上并可在所述处理器1010上运行的计算机程序,该计算机程序被处理器1010执行时实现上述投篮数据的输出方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述投篮数据的输出方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
Claims (12)
1.一种投篮数据的输出方法,其特征在于,包括:
获取投篮视频;
识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;
根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
2.如权利要求1所述的方法,其特征在于,所述根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据包括:
根据所述球场和战术板之间的位置映射关系,在所述战术板上展示投篮热图。
3.如权利要求2所述的方法,其特征在于,所述根据所述球场和战术板之间的位置映射关系,在所述战术板上展示投篮热图之前,所述方法还包括:
提取所述投篮视频中目标图像的Harrison角点,所述目标图像包括所述球场图像;
对所述Harrison角点进行聚类处理,得到所述球场的特征点;
计算所述球场和所述战术板之间的LK光流;
根据所述LK光流得到单应性矩阵,所述单应性矩阵用于表示所述球场和所述战术板之间的位置映射关系。
4.如权利要求1所述的方法,其特征在于,所述识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果包括:
根据预设的投篮动作识别模型,识别所述用户的投篮动作;
确定所述投篮动作在所述球场中的投篮位置;
根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果。
5.如权利要求4所述的方法,其特征在于,所述根据预设的投篮动作识别模型,识别所述用户的投篮动作之前,所述方法还包括:
获取所述投篮视频中的用户运动区域;
其中,所述根据预设的投篮动作识别模型,识别所述用户的投篮动作包括:根据预设的投篮动作识别模型,在所述用户运动区域,识别所述用户的投篮动作。
6.如权利要求4所述的方法,其特征在于,所述根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果之前,所述方法还包括:
获取所述投篮视频中的篮筐篮板区域;
所述根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果包括:在识别出所述投篮动作之后的预设时长之后,根据预设的进球识别模型,在所述篮筐篮板区域,识别所述投篮位置对应的投篮命中结果。
7.一种电子设备,其特征在于,包括:
获取模块,用于获取投篮视频;
识别模块,用于识别用户在球场中的投篮位置以及所述投篮位置对应的投篮命中结果;
输出模块,用于根据识别到的所述投篮位置和所述投篮命中结果,输出投篮数据。
8.如权利要求7所述的电子设备,其特征在于,所述输出模块,用于
根据所述球场和战术板之间的位置映射关系,在所述战术板上展示投篮热图。
9.如权利要求8所述的电子设备,其特征在于,所述电子设备还包括单应性矩阵获取模块,用于
提取所述投篮视频中目标图像的Harrison角点,所述目标图像包括所述球场图像;
对所述Harrison角点进行聚类处理,得到所述球场的特征点;
计算所述球场和所述战术板之间的LK光流;
根据所述LK光流得到单应性矩阵,所述单应性矩阵用于表示所述球场和所述战术板之间的位置映射关系。
10.如权利要求7所述的电子设备,其特征在于,所述识别模块,用于根据预设的投篮动作识别模型,识别所述用户的投篮动作;
确定所述投篮动作在所述球场中的投篮位置;
根据预设的进球识别模型,识别所述投篮位置对应的投篮命中结果。
11.如权利要求10所述的电子设备,其特征在于,所述获取模块,还用于获取所述投篮视频中的用户运动区域;
其中,所述识别模块,用于根据预设的投篮动作识别模型,在所述用户运动区域,识别所述用户的投篮动作。
12.如权利要求10所述的电子设备,其特征在于,所述获取模块,还用于获取所述投篮视频中的篮筐篮板区域;
所述识别模块,用于在识别出所述投篮动作之后的预设时长之后,根据预设的进球识别模型,在所述篮筐篮板区域,识别所述投篮位置对应的投篮命中结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911167354.4A CN110942022A (zh) | 2019-11-25 | 2019-11-25 | 投篮数据的输出方法和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911167354.4A CN110942022A (zh) | 2019-11-25 | 2019-11-25 | 投篮数据的输出方法和电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110942022A true CN110942022A (zh) | 2020-03-31 |
Family
ID=69907940
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911167354.4A Pending CN110942022A (zh) | 2019-11-25 | 2019-11-25 | 投篮数据的输出方法和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110942022A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802051A (zh) * | 2021-02-02 | 2021-05-14 | 新华智云科技有限公司 | 基于神经网络的篮球投篮曲线的拟合方法及系统 |
CN113420715A (zh) * | 2021-07-15 | 2021-09-21 | 临沂大学 | 一种基于工业相机的篮球运动员动作捕捉分析装置 |
WO2024041319A1 (zh) * | 2022-08-23 | 2024-02-29 | 京东方科技集团股份有限公司 | 一种投篮识别方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826155A (zh) * | 2010-04-02 | 2010-09-08 | 浙江大学 | 一种基于哈尔特征和动态时序匹配的投篮动作识别方法 |
CN104504694A (zh) * | 2014-12-16 | 2015-04-08 | 成都体育学院 | 一种获取运动球体三维信息的方法 |
CN105749522A (zh) * | 2014-12-19 | 2016-07-13 | 天津羽江航空科技有限公司 | 一种投篮训练辅助系统 |
CN106991357A (zh) * | 2016-01-20 | 2017-07-28 | 上海慧体网络科技有限公司 | 基于全景视频的自动识别篮球比赛投篮和进球的算法 |
CN108325192A (zh) * | 2018-03-08 | 2018-07-27 | 广州禅泉医药科技发展有限公司 | 一种智能投篮训练方法及其投篮训练器 |
TW201931098A (zh) * | 2018-01-12 | 2019-08-01 | 國立臺中科技大學 | 籃球比賽數據即時分析系統及其分析方法 |
-
2019
- 2019-11-25 CN CN201911167354.4A patent/CN110942022A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101826155A (zh) * | 2010-04-02 | 2010-09-08 | 浙江大学 | 一种基于哈尔特征和动态时序匹配的投篮动作识别方法 |
CN104504694A (zh) * | 2014-12-16 | 2015-04-08 | 成都体育学院 | 一种获取运动球体三维信息的方法 |
CN105749522A (zh) * | 2014-12-19 | 2016-07-13 | 天津羽江航空科技有限公司 | 一种投篮训练辅助系统 |
CN106991357A (zh) * | 2016-01-20 | 2017-07-28 | 上海慧体网络科技有限公司 | 基于全景视频的自动识别篮球比赛投篮和进球的算法 |
TW201931098A (zh) * | 2018-01-12 | 2019-08-01 | 國立臺中科技大學 | 籃球比賽數據即時分析系統及其分析方法 |
CN108325192A (zh) * | 2018-03-08 | 2018-07-27 | 广州禅泉医药科技发展有限公司 | 一种智能投篮训练方法及其投篮训练器 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112802051A (zh) * | 2021-02-02 | 2021-05-14 | 新华智云科技有限公司 | 基于神经网络的篮球投篮曲线的拟合方法及系统 |
CN112802051B (zh) * | 2021-02-02 | 2022-05-17 | 新华智云科技有限公司 | 基于神经网络的篮球投篮曲线的拟合方法及系统 |
CN113420715A (zh) * | 2021-07-15 | 2021-09-21 | 临沂大学 | 一种基于工业相机的篮球运动员动作捕捉分析装置 |
WO2024041319A1 (zh) * | 2022-08-23 | 2024-02-29 | 京东方科技集团股份有限公司 | 一种投篮识别方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110913132B (zh) | 对象跟踪方法及电子设备 | |
TW202011268A (zh) | 目標跟蹤方法、裝置、介質以及設備 | |
CN109743498B (zh) | 一种拍摄参数调整方法及终端设备 | |
EP4064714A1 (en) | Screen display control method and electronic device | |
CN110970003A (zh) | 屏幕亮度调整方法、装置、电子设备及存储介质 | |
CN109218800A (zh) | 一种弹幕信息显示方法、终端及计算机可读存储介质 | |
CN108153422B (zh) | 一种显示对象控制方法和移动终端 | |
CN110769155B (zh) | 一种摄像头控制方法及电子设备 | |
CN110602389B (zh) | 一种显示方法及电子设备 | |
EP3805982A1 (en) | Gesture recognition method, apparatus and device | |
CN111401463B (zh) | 检测结果输出的方法、电子设备及介质 | |
CN109495616B (zh) | 一种拍照方法及终端设备 | |
CN110519699B (zh) | 一种导航方法及电子设备 | |
CN111083354A (zh) | 一种视频录制方法及电子设备 | |
CN110942022A (zh) | 投篮数据的输出方法和电子设备 | |
CN109618218B (zh) | 一种视频处理方法及移动终端 | |
CN111031234B (zh) | 一种图像处理方法及电子设备 | |
CN110944139B (zh) | 一种显示控制方法及电子设备 | |
CN109922294B (zh) | 一种视频处理方法及移动终端 | |
CN111601139A (zh) | 信息显示方法、电子设备及存储介质 | |
CN110830713A (zh) | 一种变焦方法及电子设备 | |
CN110944113B (zh) | 对象显示方法及电子设备 | |
CN107277364B (zh) | 一种拍摄方法、移动终端及计算机可读存储介质 | |
CN110062281B (zh) | 一种播放进度调节方法及其终端设备 | |
CN111246105B (zh) | 拍摄方法、电子设备及计算机可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200331 |
|
RJ01 | Rejection of invention patent application after publication |