CN111738093A - 一种基于梯度特征的冰壶球自动测速方法 - Google Patents
一种基于梯度特征的冰壶球自动测速方法 Download PDFInfo
- Publication number
- CN111738093A CN111738093A CN202010467350.4A CN202010467350A CN111738093A CN 111738093 A CN111738093 A CN 111738093A CN 202010467350 A CN202010467350 A CN 202010467350A CN 111738093 A CN111738093 A CN 111738093A
- Authority
- CN
- China
- Prior art keywords
- curling
- gradient
- determining
- center
- speed
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000003702 image correction Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004575 stone Substances 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
- G06V20/40—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
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明是一种基于梯度特征的冰壶球自动测速方法。本发明属于冰壶球自动测速技术领域,本发明获取冰壶比赛视频,判定冰壶是否运动;根据前掷线的形状生成模板图像,提取模板图像的梯度信息,根据梯度信息确定模板图像中心在某一帧图像上的坐标;根据模板图像中心在某一帧图像上的坐标,确定冰壶球通过前掷线时的速度。本发明在通过自动检测冰壶球在前掷线处的速度,为冰壶机器人进行精确落点提供技术支持。在综合考虑了实际的计算精度与运算速度后,提出一种基于梯度特征的冰壶球自动测速方法,解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题,为冰壶机器人将冰壶球精确投掷到大本营中心提供支持。
Description
技术领域
本发明涉及冰壶球自动测速技术领域,是一种基于梯度特征的冰壶球自动测速方法。
背景技术
冰壶比赛是以队为单位在冰上进行的一种投掷性竞赛项目,素有“冰上国际象棋”的美誉。根据运动员的状态、冰面情况以及大本营中冰壶球的空间分布,冰壶比赛结果往往具有很大的不确定性。随着人工智能技术的不断发展,冰壶机器人能够在真实的场地上与专业运动员进行人机对抗比赛。冰壶机器人在决策和控制过程中,如何检测冰壶球在前掷线处的速度至关重要。
现需要自动检测冰壶球在前掷线处的速度,为冰壶机器人进行精确落点提供技术支持。无法解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题,无法为冰壶机器人将冰壶球精确投掷到大本营中心提供支持。
发明内容
本发明为解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题,本发明提供了一种基于梯度特征的冰壶球自动测速方法,本发明提供了以下技术方案:
一种基于梯度特征的冰壶球自动测速方法,包括以下步骤:
步骤1:获取冰壶比赛视频,判定冰壶是否运动;
步骤2:根据前掷线的形状生成模板图像,提取模板图像的梯度信息,根据梯度信息确定模板图像中心在某一帧图像上的坐标;
步骤3:根据模板图像中心在某一帧图像上的坐标,确定冰壶球通过前掷线时的速度。
优选地,所述步骤1具体为:
步骤1.1:获取冰壶比赛视频,对冰壶比赛视频进行图像校正,同时对冰壶球进行识别;
步骤1.2:以视频图像左上角为中心原点,分别确定相邻两帧图片中冰壶球中心坐标,通过下式表示相邻两帧图片中冰壶球中心坐标:
P1=(X1,Y1)
P2=(X2,Y2)
其中,P1为某一帧图片中冰壶球中心坐标,P2为某一帧图片相邻的图片中冰壶球中心坐标;
步骤1.3:将相邻两幅图片做匹配,记录P2在P1的匹配点,通过下式表示所述匹配点:
P′2=(X′2,Y′2)
其中,X′2为匹配点的横坐标,Y′为匹配点的纵坐标;
步骤1.4:建立冰壶球运动判定方程,通过下式表示冰壶球运动判定方程:
当判定方程的计算结果大于3个像素时,则判定冰壶球已运动;当判定方程的计算结果小于或等于3个像素时,则判定冰壶球没有运动。
优选地,所述步骤2具体为:
步骤2.1:根据前掷线的形状生成两幅模板图像,根据模板图像和冰壶比赛视频视频中的某一帧图像Si,确定模板图像中的角点坐标,并确定梯度信息,梯度求解由两个3*3的矩阵Ix和Iy决定,通过下式表示矩阵Ix和Iy:
步骤2.2:角点与角点邻接八个像素组成3*3矩阵M,将M分别与Ix和Iy对应位置相乘并将结果累加,分别得到横坐标方向上的梯度grad(xs)与纵坐标方向上的梯度grad(ys),根据grad(xs)和grad(ys)确定角点梯度的方向角和长度,通过下式表示方向角和长度:
h=(xs,ys)
其中,h为角点坐标,θ为角点梯度的方向角,grad(xsys)为角点梯度的方向角和长度;
步骤2.3:将角点中的梯度信息复制到与角点相邻的八个像素位置中,并在每个像素位置中选出模长最大的梯度,将模长最长的地图当作像素位置的主梯度,并设定阈值w,将梯度长度小于w的点全部剔除;
步骤2.4:将模板图像左上角与图像Si的左上角对齐,模板自左向右,自上而下,以固定步长在Si上滑动,对于每次滑动之后的对齐,确定模板图像在Si上的响应值T,通过下式表示T:
其中,n为像素点,Gradm(i)为每个像素点的梯度,Grads(i)为对应位置的像素点的梯度,
步骤2.5:当T>0.9时,则判定找到与模板图像相匹配的位置,分别记录此时两幅模板图像中心在Si上的坐标T1=(a1,b1)和T2=(a2,b2)。
优选地,所述步骤3具体为:
步骤3.1:根据模板图像中心在某一帧图像上的坐标,确定前掷线所在的直线方程L,通过下式表示L:
步骤3.2:确定测速起始时刻t1的冰壶球中心Pt1=(Xt1,Yt1)与直线L的距离d1:
Pt1=(Xt1,Yt1)
其中,Pt1为测速起始时刻t1的冰壶球中心坐标;
步骤3.3:当距离d1大于5个像素时,返回步骤1;
当距离d1小于5个像素时,则判定当前时刻为有效起始时刻t1,并从当前时刻开始计时,设视频每两帧间间隔时长为k秒,则在经过N帧后相当于经过了kN秒;
步骤3.4:根据模板图像中心在某一帧图像上的坐标的,确定像素数目,通过下式表示像素数目a:
当实际长度为b米,在测速终止时刻t2时,确定测速终止时刻冰壶球中心与直线L的像素距离,通过下式表示测速终止时刻冰壶球中心与直线L的像素距离d2:
Pt2=(Xt2,Yt2)
其中,Pt2为测速终止时刻冰壶球中心坐标,d为测速起点与终点的实际长度;
步骤3.5:通过测速起点与终点的实际长度d和时间间隔kN,确定出冰壶球通过前掷线时的速度,通过下式表示冰壶球通过前掷线时的速度:
其中,v为冰壶球通过前掷线时的速度。
本发明具有以下有益效果:
本发明在获取冰壶比赛视频,判定冰壶是否运动;根据前掷线的形状生成模板图像,提取模板图像的梯度信息,根据梯度信息确定模板图像中心在某一帧图像上的坐标;根据模板图像中心在某一帧图像上的坐标,确定冰壶球通过前掷线时的速度。在通过自动检测冰壶球在前掷线处的速度,为冰壶机器人进行精确落点提供技术支持。在综合考虑了实际的计算精度与运算速度后,提出一种基于梯度特征的冰壶球自动测速方法,解决了因摄像头视角不同、场地背景复杂以及冰面反光而导致的绝大多数特征匹配算法失效的问题,为冰壶机器人将冰壶球精确投掷到大本营中心提供支持。
附图说明
图1为基于梯度特征的冰壶球自动测速方法流程图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
如图1所示,本发明提供一种基于梯度特征的冰壶球自动测速方法,包括以下步骤:
一种基于梯度特征的冰壶球自动测速方法,包括以下步骤:
步骤1:获取冰壶比赛视频,判定冰壶是否运动;
所述步骤1具体为:
步骤1.1:获取冰壶比赛视频,对冰壶比赛视频进行图像校正,同时对冰壶球进行识别;
步骤1.2:以视频图像左上角为中心原点,分别确定相邻两帧图片中冰壶球中心坐标,通过下式表示相邻两帧图片中冰壶球中心坐标:
P1=(X1,Y1)
P2=(X2,Y2)
其中,P1为某一帧图片中冰壶球中心坐标,P2为某一帧图片相邻的图片中冰壶球中心坐标;
步骤1.3:将相邻两幅图片做匹配,记录P2在P1的匹配点,通过下式表示所述匹配点:
P′2=(X′2,Y′2)
其中,X′2为匹配点的横坐标,Y′为匹配点的纵坐标;
步骤1.4:建立冰壶球运动判定方程,通过下式表示冰壶球运动判定方程:
当判定方程的计算结果大于3个像素时,则判定冰壶球已运动;当判定方程的计算结果小于或等于3个像素时,则判定冰壶球没有运动。
步骤2:根据前掷线的形状生成模板图像,提取模板图像的梯度信息,根据梯度信息确定模板图像中心在某一帧图像上的坐标;
所述步骤2具体为:
步骤2.1:根据前掷线的形状生成两幅模板图像,根据模板图像和冰壶比赛视频视频中的某一帧图像Si,确定模板图像中的角点坐标,并确定梯度信息,梯度求解由两个3*3的矩阵Ix和Iy决定,通过下式表示矩阵Ix和Iy:
步骤2.2:角点与角点邻接八个像素组成3*3矩阵M,将M分别与Ix和Iy对应位置相乘并将结果累加,分别得到横坐标方向上的梯度grad(xs)与纵坐标方向上的梯度grad(ys),根据grad(xs)和grad(ys)确定角点梯度的方向角和长度,通过下式表示方向角和长度:
h=(xs,ys)
其中,h为角点坐标,θ为角点梯度的方向角,grad(xsys)为角点梯度的方向角和长度;
步骤2.3:将角点中的梯度信息复制到与角点相邻的八个像素位置中,并在每个像素位置中选出模长最大的梯度,将模长最长的地图当作像素位置的主梯度,并设定阈值w,将梯度长度小于w的点全部剔除;
步骤2.4:将模板图像左上角与图像Si的左上角对齐,模板自左向右,自上而下,以固定步长在Si上滑动,对于每次滑动之后的对齐,确定模板图像在Si上的响应值T,通过下式表示T:
其中,n为像素点,Gradm(i)为每个像素点的梯度,Grads(i)为对应位置的像素点的梯度,
步骤2.5:当T>0.9时,则判定找到与模板图像相匹配的位置,分别记录此时两幅模板图像中心在Si上的坐标T1=(a1,b1)和T2=(a2,b2)。
步骤3:根据模板图像中心在某一帧图像上的坐标,确定冰壶球通过前掷线时的速度。
所述步骤3具体为:
步骤3.1:根据模板图像中心在某一帧图像上的坐标,确定前掷线所在的直线方程L,通过下式表示L:
步骤3.2:确定测速起始时刻t1的冰壶球中心Pt1=(Xt1,Yt1)与直线L的距离d1:
Pt1=(Xt1,Yt1)
其中,Pt1为测速起始时刻t1的冰壶球中心坐标;
步骤3.3:当距离d1大于5个像素时,返回步骤1;
当距离d1小于5个像素时,则判定当前时刻为有效起始时刻t1,并从当前时刻开始计时,设视频每两帧间间隔时长为k秒,则在经过N帧后相当于经过了kN秒;
步骤3.4:根据模板图像中心在某一帧图像上的坐标的,确定像素数目,通过下式表示像素数目a:
当实际长度为b米,在测速终止时刻t2时,确定测速终止时刻冰壶球中心与直线L的像素距离,通过下式表示测速终止时刻冰壶球中心与直线L的像素距离d2:
Pt2=(Xt2,Yt2)
其中,Pt2为测速终止时刻冰壶球中心坐标,d为测速起点与终点的实际长度;
步骤3.5:通过测速起点与终点的实际长度d和时间间隔kN,确定出冰壶球通过前掷线时的速度,通过下式表示冰壶球通过前掷线时的速度:
其中,v为冰壶球通过前掷线时的速度。
以上所述仅是一种基于梯度特征的冰壶球自动测速方法的优选实施方式,一种基于梯度特征的冰壶球自动测速方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。
Claims (4)
1.一种基于梯度特征的冰壶球自动测速方法,其特征是:包括以下步骤:
步骤1:获取冰壶比赛视频,判定冰壶是否运动;
步骤2:根据前掷线的形状生成模板图像,提取模板图像的梯度信息,根据梯度信息确定模板图像中心在某一帧图像上的坐标;
步骤3:根据模板图像中心在某一帧图像上的坐标,确定冰壶球通过前掷线时的速度。
2.根据权利要求1所述的一种基于梯度特征的冰壶球自动测速方法,其特征是:所述步骤1具体为:
步骤1.1:获取冰壶比赛视频,对冰壶比赛视频进行图像校正,同时对冰壶球进行识别;
步骤1.2:以视频图像左上角为中心原点,分别确定相邻两帧图片中冰壶球中心坐标,通过下式表示相邻两帧图片中冰壶球中心坐标:
P1=(X1,Y1)
P2=(X2,Y2)
其中,P1为某一帧图片中冰壶球中心坐标,P2为某一帧图片相邻的图片中冰壶球中心坐标;
步骤1.3:将相邻两幅图片做匹配,记录P2在P1的匹配点,通过下式表示所述匹配点:
P′2=(X′2,Y′2)
其中,X′2为匹配点的横坐标,Y′为匹配点的纵坐标;
步骤1.4:建立冰壶球运动判定方程,通过下式表示冰壶球运动判定方程:
当判定方程的计算结果大于3个像素时,则判定冰壶球已运动;当判定方程的计算结果小于或等于3个像素时,则判定冰壶球没有运动。
3.根据权利要求1所述的一种基于梯度特征的冰壶球自动测速方法,其特征是:所述步骤2具体为:
步骤2.1:根据前掷线的形状生成两幅模板图像,根据模板图像和冰壶比赛视频视频中的某一帧图像Si,确定模板图像中的角点坐标,并确定梯度信息,梯度求解由两个3*3的矩阵Ix和Iy决定,通过下式表示矩阵Ix和Iy:
步骤2.2:角点与角点邻接八个像素组成3*3矩阵M,将M分别与Ix和Iy对应位置相乘并将结果累加,分别得到横坐标方向上的梯度grad(xs)与纵坐标方向上的梯度grad(ys),根据grad(xs)和grad(ys)确定角点梯度的方向角和长度,通过下式表示方向角和长度:
h=(xs,ys)
其中,h为角点坐标,θ为角点梯度的方向角,grad(xsys)为角点梯度的方向角和长度;
步骤2.3:将角点中的梯度信息复制到与角点相邻的八个像素位置中,并在每个像素位置中选出模长最大的梯度,将模长最长的地图当作像素位置的主梯度,并设定阈值w,将梯度长度小于w的点全部剔除;
步骤2.4:将模板图像左上角与图像Si的左上角对齐,模板自左向右,自上而下,以固定步长在Si上滑动,对于每次滑动之后的对齐,确定模板图像在Si上的响应值T,通过下式表示T:
其中,n为像素点,Gradm(i)为每个像素点的梯度,Grads(i)为对应位置的像素点的梯度,
步骤2.5:当T>0.9时,则判定找到与模板图像相匹配的位置,分别记录此时两幅模板图像中心在Si上的坐标T1=(a1,b1)和T2=(a2,b2)。
4.根据权利要求1所述的一种基于梯度特征的冰壶球自动测速方法,其特征是:所述步骤3具体为:
步骤3.1:根据模板图像中心在某一帧图像上的坐标,确定前掷线所在的直线方程L,通过下式表示L:
步骤3.2:确定测速起始时刻t1的冰壶球中心Pt1=(Xt1,Yt1)与直线L的距离d1:
Pt1=(Xt1,Yt1)
其中,Pt1为测速起始时刻t1的冰壶球中心坐标;
步骤3.3:当距离d1大于5个像素时,返回步骤1;
当距离d1小于5个像素时,则判定当前时刻为有效起始时刻t1,并从当前时刻开始计时,设视频每两帧间间隔时长为k秒,则在经过N帧后相当于经过了kN秒;
步骤3.4:根据模板图像中心在某一帧图像上的坐标的,确定像素数目,通过下式表示像素数目a:
当实际长度为b米,在测速终止时刻t2时,确定测速终止时刻冰壶球中心与直线L的像素距离,通过下式表示测速终止时刻冰壶球中心与直线L的像素距离d2:
Pt2=(Xt2,Yt2)
其中,Pt2为测速终止时刻冰壶球中心坐标,d为测速起点与终点的实际长度;
步骤3.5:通过测速起点与终点的实际长度d和时间间隔kN,确定出冰壶球通过前掷线时的速度,通过下式表示冰壶球通过前掷线时的速度:
其中,v为冰壶球通过前掷线时的速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467350.4A CN111738093B (zh) | 2020-05-28 | 2020-05-28 | 一种基于梯度特征的冰壶球自动测速方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010467350.4A CN111738093B (zh) | 2020-05-28 | 2020-05-28 | 一种基于梯度特征的冰壶球自动测速方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111738093A true CN111738093A (zh) | 2020-10-02 |
CN111738093B CN111738093B (zh) | 2024-03-29 |
Family
ID=72647946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010467350.4A Active CN111738093B (zh) | 2020-05-28 | 2020-05-28 | 一种基于梯度特征的冰壶球自动测速方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111738093B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113992974A (zh) * | 2021-10-14 | 2022-01-28 | 咪咕视讯科技有限公司 | 模拟参赛的方法、装置、计算设备及计算机可读存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
CN110246153A (zh) * | 2019-04-30 | 2019-09-17 | 安徽四创电子股份有限公司 | 一种基于视频监控的运动目标实时检测跟踪方法 |
CN110554701A (zh) * | 2019-09-17 | 2019-12-10 | 哈尔滨工业大学 | 一种冰壶投掷机器人运动控制系统及其滚动时域优化方法 |
-
2020
- 2020-05-28 CN CN202010467350.4A patent/CN111738093B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109214254A (zh) * | 2017-07-07 | 2019-01-15 | 北京臻迪科技股份有限公司 | 一种确定机器人位移的方法及装置 |
CN110246153A (zh) * | 2019-04-30 | 2019-09-17 | 安徽四创电子股份有限公司 | 一种基于视频监控的运动目标实时检测跟踪方法 |
CN110554701A (zh) * | 2019-09-17 | 2019-12-10 | 哈尔滨工业大学 | 一种冰壶投掷机器人运动控制系统及其滚动时域优化方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113992974A (zh) * | 2021-10-14 | 2022-01-28 | 咪咕视讯科技有限公司 | 模拟参赛的方法、装置、计算设备及计算机可读存储介质 |
CN113992974B (zh) * | 2021-10-14 | 2023-12-08 | 咪咕视讯科技有限公司 | 模拟参赛的方法、装置、计算设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111738093B (zh) | 2024-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5297677B2 (ja) | 検出装置および方法、プログラム、記録媒体、並びにシミュレーションシステム | |
US20130178304A1 (en) | Method of analysing a video of sports motion | |
CN109087328A (zh) | 基于计算机视觉的羽毛球落点位置预测方法 | |
KR101723432B1 (ko) | 운동하는 볼에 대한 센싱장치 및 센싱방법 | |
CN103617614B (zh) | 一种在视频图像中确定乒乓球落点数据的方法及系统 | |
US20200346091A1 (en) | Device for calculating flight information of ball, method of calculating flight information of ball, and computing-device-readable recording medium having the method recorded therein | |
CN109684919B (zh) | 一种基于机器视觉的羽毛球发球违例判别方法 | |
CN112183355A (zh) | 基于双目视觉和深度学习的出水高度检测系统及其方法 | |
Sokolova et al. | Human identification by gait from event-based camera | |
CN110298864B (zh) | 一种高尔夫推杆设备的视觉感测方法及装置 | |
CN111738093A (zh) | 一种基于梯度特征的冰壶球自动测速方法 | |
CN110910489B (zh) | 一种基于单目视觉的智能球场运动信息采集系统与方法 | |
JP2004226134A (ja) | ボール弾道計測装置 | |
CN111275021A (zh) | 一种基于计算机视觉的足球越位线自动划线方法 | |
US11229824B2 (en) | Determining golf club head location in an image using line detection and contour separation | |
CN106408588A (zh) | 一种基于图像处理技术的投篮命中率影响因素的分析方法 | |
CN110717931B (zh) | 一种羽毛球发球时击球点的高度检测系统及其方法 | |
CN111932620B (zh) | 排球发球过网与否的判定方法及发球速度的获取方法 | |
CN114612522B (zh) | 乒乓球运动参数检测方法、装置及乒乓球训练辅助系统 | |
CN117333550A (zh) | 基于计算机视觉检测的羽毛球发球高度违例判别方法 | |
TWI775637B (zh) | 高爾夫揮桿解析系統、高爾夫揮桿解析方法及資訊記憶媒體 | |
TWI775636B (zh) | 高爾夫揮桿解析系統、高爾夫揮桿解析方法及資訊記憶媒體 | |
Badami et al. | Review on Video Refereeing using Computer Vision in Football | |
JP2002301172A (ja) | ゴルフクラブスイング時のブロー角計測システム | |
Petilla et al. | Single player tracking in multiple sports videos |
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 |