CN111860418A - 一种竞技比赛智能录像审议系统、方法、介质及终端 - Google Patents

一种竞技比赛智能录像审议系统、方法、介质及终端 Download PDF

Info

Publication number
CN111860418A
CN111860418A CN202010746542.9A CN202010746542A CN111860418A CN 111860418 A CN111860418 A CN 111860418A CN 202010746542 A CN202010746542 A CN 202010746542A CN 111860418 A CN111860418 A CN 111860418A
Authority
CN
China
Prior art keywords
competition
image
information
intelligent video
auxiliary
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
Application number
CN202010746542.9A
Other languages
English (en)
Inventor
肖杰
吴建忠
赖晓东
张康宁
张笑菲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Daoba Network Co Ltd
Original Assignee
Chongqing Daoba Network Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Daoba Network Co Ltd filed Critical Chongqing Daoba Network Co Ltd
Priority to CN202010746542.9A priority Critical patent/CN111860418A/zh
Publication of CN111860418A publication Critical patent/CN111860418A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供一种竞技比赛智能录像审议系统、方法、介质及终端，系统包括：图像采集模块，设置于比赛场地内用于实时采集比赛过程中目标对象的图像信息；存储模块，图像处理模块和辅助判罚终端；本发明可以通过人工智能方式准确的对采集到的运动数据给予正确的评分判断，当判定比赛中的运动员出现违规或失分动作时，可以将辅助判罚信息及时的同步通知到裁判，让裁判可以立即给予准确判罚，最大程度的减少人为因素影响到比赛的结果，提高了比赛过程的完整性，减少了误判概率，利于比赛的公平性。

Description

一种竞技比赛智能录像审议系统、方法、介质及终端
技术领域
本发明涉及图像识别领域和体育领域，尤其涉及一种竞技比赛智能录像审议系统、方法、介质及终端。
背景技术
裁判是体育竞技比赛中不可缺少的重要一环，尤其是在对抗类比赛中，例如空手道、跆拳道、拳击等对抗类竞技项目，为了保证体育竞技的公平性，避免由于裁判视角、人为等因素的干扰，在比赛越来越多的采用到了现场录像，一旦在比赛过程中产生争议时，主裁判可以通过录像审议的回放功能，来给出更为正确的判罚，以保证比赛的公平公正。
但是，目前使用录像审议后也同时为比赛带来了弊端：
一、录像审议功能是需要“人”(运动员本人、教练或者裁判)第一时间提出异议，这同样无法100％规避人为主观因素。
二、回放查找的过程十分耽误时间，现场从对抗双方到观众，都会一起长时间的等待查看，让整个比赛的现场呈现一种尴尬的空白期。
三、频繁的录像回放审议，会使对抗的竞技双方运动员从心理、技术、情绪和、爆发力、气势等各方面都受到了干扰，甚至最终影响到比赛的结果，也不利于比赛的公平性。
发明内容
鉴于以上所述现有技术的缺点，本发明提供一种竞技比赛智能录像审议系统、方法、介质及终端，以解决上述技术问题。
本发明提供的竞技比赛智能录像审议系统，包括：
图像采集模块，设置于比赛场地内用于实时采集比赛过程中目标对象的图像信息；
存储模块，用于存储预设的的标准图像；
图像处理模块，用于对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与所述标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
辅助判罚终端，用于接收辅助判罚信息。
可选的，所述图像处理模块包括：
人脸识别单元，用于对目标对象进行人脸识别；
肢体识别单元，用于对目标对象进行肢体动作识别。
可选的，所述标准图像包括犯规动作或失分动作，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端通知裁判。
可选的，所述图像处理模块还包括用于对犯规动作或失分动作进行深度学习的辅助判罚模型，所述图像采集模块采集样本数据，根据所述样本数据建立卷积神经网络，获取所述辅助判罚模型。
可选的，所述样本数据包括训练集和测试集，通过所述训练集对卷积神经网络进行训练，通过所述测试集对卷积神经网络进行评价。
可选的，所述图像采集模块包括一个或多个不同设置于比赛场地内的用于采集不同目标对象不同角度图像信息的运动摄像头。
本发明还提供一种竞技比赛智能录像审议方法，包括：
实时采集比赛过程中目标对象的图像信息；
对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与预设的的标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
将所述辅助判罚信息发送至裁判，完成对比赛的辅助判罚。
可选的，对目标对象进行人脸识别和肢体动作识别，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端通知裁判。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述中任一项所述方法。
本发明还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如实现上述中任一项所述方法。
本发明的有益效果：本发明中的竞技比赛智能录像审议系统、方法、介质及终端，可以通过人工智能方式准确的对采集到的运动数据给予正确的评分判断，当判定比赛中的运动员出现违规或失分动作时，可以将辅助判罚信息及时的同步通知到裁判，让裁判可以立即给予准确判罚，最大程度的减少人为因素影响到比赛的结果，提高了比赛过程的完整性，减少了误判概率，利于比赛的公平性。
附图说明
图1是本发明实施例中竞技比赛智能录像审议系统的结构示意图。
图2是本发明实施例中竞技比赛智能录像审议方法的流程示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
在下文描述中，探讨了大量细节，以提供对本发明实施例的更透彻的解释，然而，对本领域技术人员来说，可以在没有这些具体细节的情况下实施本发明的实施例是显而易见的，在其他实施例中，以方框图的形式而不是以细节的形式来示出公知的结构和设备，以避免使本发明的实施例难以理解。
本实施例中的竞技比赛智能录像审议系统，包括：
图像采集模块，设置于比赛场地内用于实时采集比赛过程中目标对象的图像信息；
存储模块，用于存储预设的的标准图像；
图像处理模块，用于对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与所述标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
辅助判罚终端，用于接收辅助判罚信息。
如图1所示，在本实施例中，图像采集模块包括一个或多个不同设置于比赛场地内的用于采集不同目标对象不同角度图像信息的运动摄像头，通过智能运动摄像头、图像处理模块和辅助判罚终端相互结合，根据竞技比赛的类别及相应的评判标准，通过人工智能方式能准确的对采集到的运动数据给予正确的评分判断。以跆拳道比赛为例，通过布置在场地周围的智能运动摄像头，对比赛过程中的运动员进行全方位360°无死角的图像采集。
在本实施例中，图像处理模块包括：人脸识别单元，用于对目标对象进行人脸识别；肢体识别单元，用于对目标对象进行肢体动作识别。在大型比赛中，通过电视转播等方式，可以对运动员的身份进行有效的记录和监管，但是在非大型比赛中，尤其是在比赛的初赛阶段，可能会由于核实检录的疏忽，造成运动员身份核实有误，而通过本实施例中的人脸识别单元，可以对比赛中的运动员的身份进行有效的识别，一旦发现对应的比赛场地内的运动员与预先计划比赛的运动员并非同一人时，可以通过辅助判罚终端及时的通知场上裁判以及其他场下裁判和相关工作人员，以便尽快核实和发现问题。
在本实施例中，通过图像处理模块中的肢体识别单元对目标对象进行肢体动作识别，通过多角度的图像采集，将同一时刻的图像进行合成分析，可以准确的获取场上运动员的肢体动作，再将采集的图像信息与标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息。以跆拳道比赛为例，可以通过辅助判罚模型判断是否出现犯规动作或失分动作，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端通知裁判。
在本实施例中，可以通过图像采集模块采集样本数据，根据所述样本数据建立卷积神经网络，获取所述辅助判罚模型。样本数据包括训练集和测试集，通过训练集对卷积神经网络进行训练，通过所述测试集对卷积神经网络进行评价。当然，样本数据也可以通过视频或图片资料进行获取，将以往比赛或视频资料中的犯规动作提取出来，作为样本数据对卷积神经网络进行训练和测试，获取最终的辅助判罚模型。本实施例中的卷积神经网络可以采用CNN，通过梯度下降算法进行学习，可选的，本实施例中的卷积神经网络的输入特征需要进行标准化处理，标准化处理包括对输入数据进行归一化，将分布于0-255的原始像素值归一化至0-1区间，卷积神经网络的具体结构可以采用现有技术中的网络结构。
相应的，如图2所示，本实施例还提供一种竞技比赛智能录像审议方法，包括：
S1.实时采集比赛过程中目标对象的图像信息；
S2.对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与预设的的标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
S3.将所述辅助判罚信息发送至裁判，完成对比赛的辅助判罚。
在本实施例中，需要对目标对象进行人脸识别以及对目标对象进行肢体动作识别。在大型比赛中，通过电视转播等方式，可以对运动员的身份进行有效的记录和监管，但是在非大型比赛中，尤其是在比赛的初赛阶段，可能会由于核实检录的疏忽，造成运动员身份核实有误，而通过本实施例中的人脸识别可以对比赛中的运动员的身份进行有效的识别，一旦发现对应的比赛场地内的运动员与预先计划比赛的运动员并非同一人时，可以通过辅助判罚终端及时的通知场上裁判以及其他场下裁判和相关工作人员，以便尽快核实和发现问题。
在本实施例中，对目标对象进行肢体动作识别，可以通过多角度的图像采集，将同一时刻的图像进行合成分析，可以准确的获取场上运动员的肢体动作，再将采集的图像信息与标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息。以跆拳道比赛为例，可以通过辅助判罚模型判断是否出现犯规动作或失分动作，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端，通知裁判。
在本实施例中，根据所述样本数据建立卷积神经网络，获取辅助判罚模型。样本数据包括训练集和测试集，通过训练集对卷积神经网络进行训练，通过所述测试集对卷积神经网络进行评价。当然，样本数据也可以通过视频或图片资料进行获取，将以往比赛或视频资料中的犯规动作提取出来，作为样本数据对卷积神经网络进行训练和测试，获取最终的辅助判罚模型。本实施例中的卷积神经网络可以采用CNN，通过梯度下降算法进行学习，可选的，本实施例中的卷积神经网络的输入特征需要进行标准化处理，标准化处理包括对输入数据进行归一化，将分布于0-255的原始像素值归一化至0-1区间，卷积神经网络的具体结构可以采用现有技术中的网络结构。
本实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本实施例中的任一项方法。
本实施例还提供一种电子终端，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行本实施例中任一项方法。
本实施例中的计算机可读存储介质，本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例提供的电子终端，包括处理器、存储器、收发器和通信接口，存储器和通信接口与处理器和收发器连接并完成相互间的通信，存储器用于存储计算机程序，通信接口用于进行通信，处理器和收发器用于运行计算机程序，使电子终端执行如上方法的各个步骤。
在本实施例中，存储器可能包含随机存取存储器(RandomAccess Memory，简称RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable GateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变形对本领域普通技术人员来说将是显而易见的。例如，其他存储结构(例如，动态RAM(DRAM))可以使用所讨论的实施例。本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。
本发明可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
上述实施例仅示例性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，但凡所述技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种竞技比赛智能录像审议系统，其特征在于，包括：
图像采集模块，设置于比赛场地内用于实时采集比赛过程中目标对象的图像信息；
存储模块，用于存储预设的的标准图像；
图像处理模块，用于对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与所述标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
辅助判罚终端，用于接收辅助判罚信息。
2.根据权利要求1所述的竞技比赛智能录像审议系统，其特征在于，所述图像处理模块包括：
人脸识别单元，用于对目标对象进行人脸识别；
肢体识别单元，用于对目标对象进行肢体动作识别。
3.根据权利要求2所述的竞技比赛智能录像审议系统，其特征在于，所述标准图像包括犯规动作或失分动作，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端通知裁判。
4.根据权利要求3所述的竞技比赛智能录像审议系统，其特征在于，所述图像处理模块还包括用于对犯规动作或失分动作进行深度学习的辅助判罚模型，所述图像采集模块采集样本数据，根据所述样本数据建立卷积神经网络，获取所述辅助判罚模型。
5.根据权利要求4所述的竞技比赛智能录像审议系统，其特征在于，所述样本数据包括训练集和测试集，通过所述训练集对卷积神经网络进行训练，通过所述测试集对卷积神经网络进行评价。
6.根据权利要求1所述的竞技比赛智能录像审议系统，其特征在于，所述图像采集模块包括一个或多个不同设置于比赛场地内的用于采集不同目标对象不同角度图像信息的运动摄像头。
7.一种竞技比赛智能录像审议方法，其特征在于，包括：
实时采集比赛过程中目标对象的图像信息；
对采集的图像信息进行图像处理，所述图像处理包括将采集的图像信息与预设的的标准图像进行检索匹配，并生成检索匹配结果，根据所述检索匹配结果生成辅助判罚信息；
将所述辅助判罚信息发送至裁判，完成对比赛的辅助判罚。
8.根据权利要求7所述的竞技比赛智能录像审议方法，其特征在于，对目标对象进行人脸识别和肢体动作识别，当采集的图像信息中目标对象的动作与犯规动作或失分动作相匹配时，生成辅助判罚信息至辅助判罚终端通知裁判。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求7至8中任一项所述方法。
10.一种电子终端，其特征在于，包括：处理器及存储器；
所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求7至8中任一项所述方法。
CN202010746542.9A 2020-07-29 2020-07-29 一种竞技比赛智能录像审议系统、方法、介质及终端 Pending CN111860418A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010746542.9A CN111860418A (zh) 2020-07-29 2020-07-29 一种竞技比赛智能录像审议系统、方法、介质及终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010746542.9A CN111860418A (zh) 2020-07-29 2020-07-29 一种竞技比赛智能录像审议系统、方法、介质及终端

Publications (1)

Publication Number Publication Date
CN111860418A true CN111860418A (zh) 2020-10-30

Family

ID=72944975

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010746542.9A Pending CN111860418A (zh) 2020-07-29 2020-07-29 一种竞技比赛智能录像审议系统、方法、介质及终端

Country Status (1)

Country Link
CN (1) CN111860418A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112822460A (zh) * 2021-02-01 2021-05-18 深圳市瑞驰文体发展有限公司 一种台球比赛视频监控方法及系统
CN113343844A (zh) * 2021-06-04 2021-09-03 北京格灵深瞳信息技术股份有限公司 球类比赛判罚指令自动生成方法、系统和服务器
CN113996048A (zh) * 2021-11-18 2022-02-01 宜宾显微智能科技有限公司 一种基于姿势识别及电子护具监测的搏击计分系统及方法
CN118049890A (zh) * 2024-04-15 2024-05-17 山东吉利达智能装备集团有限公司 一种训练成绩裁决系统及方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112822460A (zh) * 2021-02-01 2021-05-18 深圳市瑞驰文体发展有限公司 一种台球比赛视频监控方法及系统
CN113343844A (zh) * 2021-06-04 2021-09-03 北京格灵深瞳信息技术股份有限公司 球类比赛判罚指令自动生成方法、系统和服务器
CN113996048A (zh) * 2021-11-18 2022-02-01 宜宾显微智能科技有限公司 一种基于姿势识别及电子护具监测的搏击计分系统及方法
CN113996048B (zh) * 2021-11-18 2023-03-14 宜宾显微智能科技有限公司 一种基于姿势识别及电子护具监测的搏击计分系统及方法
CN118049890A (zh) * 2024-04-15 2024-05-17 山东吉利达智能装备集团有限公司 一种训练成绩裁决系统及方法

Similar Documents

Publication Publication Date Title
CN111860418A (zh) 一种竞技比赛智能录像审议系统、方法、介质及终端
Zhu et al. Visual7w: Grounded question answering in images
Host et al. An overview of Human Action Recognition in sports based on Computer Vision
WO2021051579A1 (zh) 形体姿态识别方法、系统、装置及存储介质
Ji Research on basketball shooting action based on image feature extraction and machine learning
Rishan et al. Infinity yoga tutor: Yoga posture detection and correction system
CN109726663A (zh) 在线考试监控方法、装置、计算机设备及存储介质
Russo et al. Classification of sports videos with combination of deep learning models and transfer learning
DE102015207415A1 (de) Verfahren und Gerät zum Verknüpfen von Bildern in einem Video einer Aktivität einer Person mit einem Ereignis
CN111444890A (zh) 一种基于机器学习的体育数据分析系统和方法
CN109961039A (zh) 一种个人进球视频捕捉方法及系统
Yang et al. Research on face recognition sports intelligence training platform based on artificial intelligence
Promrit et al. Model for practice badminton basic skills by using motion posture detection from video posture embedding and one-shot learning technique
Franks The need for feedback
Bandara et al. Strokes classification in cricket batting videos
CN115475373B (zh) 运动数据的展示方法、装置、存储介质及电子装置
Markoski et al. Application of adaboost algorithm in basketball player detection
Zhao et al. Analysis of the optimal shooting angle in football matches based on network data mining
CN111563443A (zh) 一种连续运动动作准确度评价方法
Baca Feedback systems
Lames Performance analysis in game sports: Concepts and methods
Quinn et al. The Automation of Computer Vision Applications for Real-Time Combat Sports Video Analysis
Sharshar et al. MM-DOS: a novel dataset of workout activities
Yang Smart Motion Capture and Scoring System for Taekwondo Training based on Camera Network Technology
Li [Retracted] Tennis Technology Recognition and Training Attitude Analysis Based on Artificial Intelligence Sensor

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