CN112528785A - 一种信息处理方法及装置 - Google Patents

一种信息处理方法及装置 Download PDF

Info

Publication number
CN112528785A
CN112528785A CN202011383738.2A CN202011383738A CN112528785A CN 112528785 A CN112528785 A CN 112528785A CN 202011383738 A CN202011383738 A CN 202011383738A CN 112528785 A CN112528785 A CN 112528785A
Authority
CN
China
Prior art keywords
analyzed
target
target object
analysis
candidate
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
CN202011383738.2A
Other languages
English (en)
Inventor
张涤非
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.)
Lenovo Beijing Ltd
Original Assignee
Lenovo Beijing 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 Lenovo Beijing Ltd filed Critical Lenovo Beijing Ltd
Priority to CN202011383738.2A priority Critical patent/CN112528785A/zh
Publication of CN112528785A publication Critical patent/CN112528785A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42Higher-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
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • G06V40/23Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例公开了一种信息处理方法,该方法包括:获取分析指令;其中,所述分析指令用于指示对目标视频进行分析,所述目标视频内容包括目标物体和至少一个候选对象;获取所述目标物体的关联信息;根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象;对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象;输出所述目标对象。本申请实施例还公开了一种信息处理装置。

Description

一种信息处理方法及装置
技术领域
本申请涉及数据分析技术领域,尤其涉及一种信息处理方法及装置。
背景技术
目前,随着计算机分析技术的日益强大,计算机运算能力越来越强大。因此,计算机分析技术也得到了广泛的应用,尤其是在运动领域也得到了广发的应用。例如在运动员的训练过程中,通过计算机分析技术对运行员的训练内容进行模拟分析,以提高训练效率,在比赛后根据比赛视频内容进行分析,以总结失误原因,有效提高了效率。在针对球类运动例如排球运动分析时,在训练后或者比赛后进行复盘时,需要梳理出球员在训练比赛中出现的失误或错误动作,以及走位并分析失误原因。目前主要通过教练在现场观察或会看训练视频来发现上述问题。
但是,目前主要依赖教练来分析出现上述问题,造成智能化程度较低,导致分析效率较低。
发明内容
本申请实施例期望提供一种信息处理方法及装置。
第一方面,一种信息处理方法,所述方法包括:
获取分析指令;其中,所述分析指令用于指示对目标视频进行分析,所述目标视频内容包括目标物体和至少一个候选对象;
获取所述目标物体的关联信息;
根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象;
对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象;
输出所述目标对象。
可选的,所述关联信息包括:所述目标物体与至少一个所述候选对象接触的接触次数。
可选的,所述根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象,包括:
在所述接触次数为零的情况下,确定所述目标物体的运动轨迹;
从至少一个所述候选对象中,确定处于所述目标物体的运动轨迹对应的第一预设范围内的候选对象,得到至少一个所述待分析对象。
可选的,所述对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象,包括:
获取每一所述待分析对象的分析参数,得到至少一组分析参数;
根据至少一组所述分析参数,从至少一个所述待分析对象中,确定分析参数与预设参数不匹配的待分析对象,得到所述目标对象。
可选的,所述根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象,还包括:
在所述接触次数大于或等于1的情况下,从至少一个所述候选对象中确定与所述目标物体接触过的候选对象,得到至少一个接触对象;
根据至少一个所述接触对象及选择规则,确定至少一个待分析对象。
可选的,所述选择规则包括:
在所述接触次数为1的情况下,确定所述接触对象及与所述接触对象满足第一条件的候选对象为所述待分析对象。
可选的,所述选择规则包括:
在所述接触次数大于1的情况下,至少确定每一接触对象为所述待分析对象。
可选的,所述对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象,包括:
在所述待分析对象的数量为多个的情况下,按排序规则对多个所述待分析对象依次进行排序;
依次对排序后的多个所述待分析对象进行分析,以得到所述目标对象。
可选的,在所述依次对排序后的多个所述待分析对象进行分析的过程中,若确定了所述目标对象,则停止对未进行分析的待分析对象进行分析。
第二方面,一种信息处理装置,所述装置包括:第一获取单元、第二获取单元、确定单元、分析单元和输出单元,其中:
所述第一获取单元,用于获取分析指令;其中,所述分析指令用于指示对目标视频进行分析,所述目标视频内包括目标物体和至少一个候选对象;
所述第二获取单元,用于获取所述目标物体的关联信息;
所述确定单元,用于根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象;
所述分析单元,用于对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象;
所述输出单元,用于输出所述目标对象。
本申请实施例提供的信息处理方法及装置,通过获取分析指令,获取目标物体的关联信息,根据关联信息从至少一个候选对象中确定至少一个待分析对象,对目标视频中的至少一个待分析对象进行分析,得到目标对象,并输出目标对象。这样,根据关联信息从至少一个候选对象中确定得到至少一个待分析对象,并对至少一个待分析对象进行分析得到目标对象,解决了目前在运动领域进行运动失误分析时主要依靠人力来实现的问题,实现了通过计算机分析技术来对造成运动失误的原因的方案,提高了分析过程中的智能化程度,有效提高了分析效率。
附图说明
图1为本申请实施例提供的一种信息处理方法的流程示意图;
图2是本申请实施例提供的另一种信息处理方法的流程示意图;
图3为本申请实施例提供的又一种信息处理方法的流程示意图;
图4为本申请实施例提供的一种信息处理装置的结构示意图;
图5为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本申请的实施例提供一种信息处理方法,参照图1所示,方法应用于电子设备,该方法包括以下步骤:
步骤101、获取分析指令。
其中,分析指令用于指示对目标视频进行分析,目标视频内容包括目标物体和至少一个候选对象。
在本申请实施例中,分析指令可以是用户对电子设备进行相应的操作输入得到的。例如,用户对电子设备的触摸显示屏幕进行触摸操作、或者通过与电子设备具有通信连接的输入设备例如鼠标、键盘或者语音输入设备等输入分析指令。目标视频可以是一段时间内包括目标对象和至少一个候选对象的,并根据分析要求进行截取过的特定视频,也可以是完整的未进行分割过的待分析视频。至少一个候选对象可以是对目标视频内容中的对象按照团队属性来进行划分确定得到的。目标物体与至少一个候选对象之间具有一定的关联关系。电子设备可以是具备运算能力的设备,例如可以是服务器、台式电脑、笔记本电脑、平板电脑,甚至可以是智能手机等设备。
示例性的,以目标对象为排球为例进行说明,目标视频内容可以为排球队1和排球队2进行排球比赛或排球训练时的完整视频内容,即整场比赛视频内容或训练内容,目标视频内容还可以是排球队1和排球队2进行排球比赛或排球训练时针对其中一排球队出现击球失误时的一段视频内容,对应的接收到的分析指令可以是用于指示针对某一排球队出现击球失误时进行分析确定造成失误的原因的指令,相应的,至少一个候选对象为属于该某一排球队且出现在该目标视频内容中的队员。
步骤102、获取目标物体的关联信息。
在本申请实施例中,目标物体的关联信息指目标物体与至少一个候选对象之间的关联关系。例如,目标物体的关联信息中针对某一击球失误时,该击球失误前对应的至少一个候选对象与排球之间接触的接触次数。
步骤103、根据关联信息从至少一个候选对象中确定至少一个待分析对象。
在本申请实施例中,对目标视频中的至少一个候选对象对应的视频内容进行分析,确定得到与关联信息对应的至少一个待分析对象。示例性的,确定的至少一个待分析对象为可能在成此次击球失误的对象。
步骤104、对目标视频中的至少一个待分析对象进行分析,得到目标对象。
在本申请实施例中,目标对象为响应分析指令得到的最终分析结果。示例性的,目标对象包括至少一个候选对象,为造成此次击球失误的对象。
步骤105、输出目标对象。
在本申请实施例中,电子设备将目标对象进行输出,可以输出至电子设备对应的显示区域,也可以输出至与电子设备具有通信链接的通信设备,例如可以是智能移动设备,包括智能手机和平板电脑等。
本申请实施例提供的信息处理方法,通过获取分析指令,获取目标物体的关联信息,根据关联信息从至少一个候选对象中确定至少一个待分析对象,对目标视频中的至少一个待分析对象进行分析,得到目标对象,并输出目标对象。这样,根据关联信息从至少一个候选对象中确定得到至少一个待分析对象,并对至少一个待分析对象进行分析得到目标对象,解决了目前在运动领域进行运动失误分析时主要依靠人力来实现的问题,实现了通过计算机分析技术来对造成运动失误的原因的方案,提高了分析过程中的智能化程度,有效提高了分析效率。
基于前述实施例,本申请实施例提供一种信息处理方法,参照图2所示,方法应用于电子设备,该方法包括以下步骤:
步骤201、获取分析指令。
其中,分析指令用于指示对目标视频进行分析,目标视频内容包括目标物体和至少一个候选对象。
在本申请实施例中,以目标视频为用户已截取好的只包括一次触球失误的排球比赛视频为例进行说明,用户将截取好的目标视频输入至电子设备中运行的信息处理程序中后,可以自动触发电子设备运行的信息处理程序进行分析,也可以是用户在目标视频输入至电子设备后,对电子设备进行相应的控制处理,以发送对应的分析指令至电子设备的。
需说明的是,当目标视频是包括待分析方对应的至少两次击球失误的视频内容时,电子设备需以击球失误为节点对目标视频进行分割,以得到只包括一次击球失误的视频内容,并对分割后的每一段视频内容进行相应的后续分析。待分析方包括至少一个候选对象。
示例性的,以目标视频是排球比赛过程中包括已方即待分析方某一次失误的一段视频,用户将该目标视频输入至计算机设备后,对计算机设备进行相应的控制,输入对目标视频中的已方进行失误分析的分析指令。
步骤202、获取目标物体的关联信息。
其中,关联信息包括:目标物体与至少一个候选对象接触的接触次数。
在本申请实施例中,针对只包括一次击球失误的目标视频内容时,电子设备统计击球失误前至少一个候选对象与目标物体进行接触的接触次数。
示例性的,计算机设备接收到用户输入的分析指令后,响应分析指令,统计目标视频中该次失误之前包括该次失误时已方球员与排球接触的次数,得到目标物体的关联信息,其中,已方球员对应前述至少一个候选对象,排球为前述目标物体。
步骤203、根据关联信息从至少一个候选对象中确定至少一个待分析对象。
在本申请实施例中,根据目标物体与至少一个候选对象接触的接触次数,从目标视频信息包括的至少一个候选对象中确定得到至少一个待分析对象。
示例性的,针对目标视频中统计的关联信息为已方1次触球产生击球失误时,至少一个待分析对象为击球失误本人、本人接球前接应队友和本人接球时视线范围内的队友。针对目标视频中统计的关联信息为已方2次或2次以上触球产生击球失误时,至少一个待分析对象为击球失误本人、本人接球前接应队友、本人接球时视线范围内的队友和本人击球前的前几次触球队友。
步骤204、对目标视频中的至少一个待分析对象进行分析,得到目标对象。
在本申请实施例中,从目标视频中获取至少一个待分析对象的相关数据进行分析,以确定得到最终造成击球失误的目标对象。
步骤205、输出目标对象。
在本申请实施例中,将目标对象输出至电子设备的显示区域处进行显示,对应的显示目标对象可以是对应的候选对象的标识信息,例如可以是目标对象的名字或者编号等。在目标对象包括的候选对象的数量等于0,可以输出目标对象为零的信息。
基于前述实施例,在本申请其他实施例中,参照图2所示,步骤203可以由步骤203a~203b来实现:
步骤203a、在接触次数为零的情况下,确定目标物体的运动轨迹。
在本申请实施例中,接触次数为零的情况指的是至少一个候选对象均为接触到目标物体,但是目标物体落在至少一个候选对象所在的目标区域内,导致至少一个候选对象所在的待分析方丢分的情况,即对方击球后,待分析方没人接触到排球,导致排球落在待分析方所在的场地内。目标物体的运动轨迹指的是目标物体被对方击打后,飞行至待分析方所在目标区域至落在待分析方所在目标区域内时对应的目标物体的运动轨迹。
示例性的,在对方击球后,已方未接到排球,且排球落到已方所在场地内时,确定排球在已方对应的区域内的运动轨迹。
步骤203b、从至少一个候选对象中,确定处于目标物体的运动轨迹对应的第一预设范围内的候选对象,得到至少一个待分析对象。
在本申请实施例中,目标物体的运动轨迹对应的第一预设范围包括:目标物体在待分析方对应的空中区域的运动轨迹投影至地面区域的一定范围和目标物体在待分析方对应的地面区域的落地点一定范围。这样,将处于目标物体的运动轨迹对应的第一预设范围内的候选对象作为至少一个待分析对象,实现提高后续分析的准确性,有效提高后续进行排球比赛或训练的效率和得分。
示例性的,确定排球在已方区域内的运动轨迹投影至地面区域内是可以接触到该排球的候选对象,得到至少一个待分析对象。
对应的,步骤204可以由步骤204a~204b来实现:
步骤204a、获取每一待分析对象的分析参数,得到至少一组分析参数。
在本申请实施例中,每一待分析对象的分析参数可以包括每一分析对象所站的位置参数和注意力参数等。假设确定得到由3个分析对象,则分别获取这3个分析对象的分析参数,得到3组分析参数。
步骤204b、根据至少一组分析参数,从至少一个待分析对象中,确定分析参数与预设参数不匹配的待分析对象,得到目标对象。
在本申请实施例中,将每一分析参数与预设参数进行比较,得到与预设参数不匹配的分析参数,并将与预设参数不匹配的分析参数对应的待分析对象确定为目标对象,其中,目标对象包括的候选对象的数量大于或等于0。
其中,若每一分析参数中包括的位置参数与预设参数中对应的预设站位不同,和/或每一分析参数中包括的注意参数值低于预设注意力参数值,确定每一分析参数与预设参数不匹配;若每一分析参数中包括的位置参数与预设参数中对应的预设站位相同,且每一分析参数中包括的注意参数值高于预设注意力参数值,确定每一分析参数与预设参数匹配。
示例性的,获取每一待分析对象的站位和注意力等数据,并判断每一待分析对象的站位是否与预期技站位相符且注意力集中,从至少一个待分析对象中确定站位与预期站位不符和/或注意力不集中的待分析对象为目标对象,在一些应用场景中,至少一个待分析对象中的每一待分析对象的站位与预期站位相且注意力集中的待分析对象时,目标对象为零,即目标对象不存在。
基于前述实施例,在本申请其他实施例中,参照图3所示,步骤203可以由步骤203c~203d来实现:
步骤203c、在接触次数大于或等于1的情况下,从至少一个候选对象中确定与目标物体接触过的候选对象,得到至少一个接触对象。
在本申请实施例中,至少一个接触对象包括击球后形成击球失误的候选对象和击球失误前与目标物体接触过的候选对象。在接触次数等于1的情况下,得到的一个接触对象,为击球后形成击球失误的候选对象。其中,接触次数与接触对象的数量一一对应。
步骤203d、根据至少一个接触对象及选择规则,确定至少一个待分析对象。
其中,选择规则包括:在接触次数为1的情况下,确定接触对象及与接触对象满足第一条件的候选对象为待分析对象;在接触次数大于1的情况下,至少确定每一接触对象为待分析对象。
在本申请实施例中,选择规则为预先设定的选取至少一个待分析对象的规则。第一条件指的是:在接触对象接触目标物体前对应的接应对象和接触对象接触目标物体时接触对象预设视线范围内的候选对象。在接触次数大于1的情况下,确定的至少一个待分析对象包括以下对象至少之一:接触次数对应的接触次数个接触对象、第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象和第一参考对象接触目标物体时第一参考对象视线范围内的候选对象,其中,第一参考对象为接触目标物体后形成至少一个候选对象所在的待分析方扣分的候选对象。
对应的,步骤204可以由步骤204c~204d来实现:
步骤204c、在待分析对象的数量为多个的情况下,按排序规则对多个待分析对象依次进行排序。
在本申请实施例中,在至少一个待分析对象包括接触次数对应的接触次数个接触对象且接触次数大于或等于2时,对应的排序规则可以是按照接触目标物体的先后顺序进行排序的排序规则。至少一个待分析对象包括以下对象:接触次数对应的接触次数个接触对象、第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象和第一参考对象接触目标物体时第一参考对象视线范围内的候选对象时,对应的排序规则可以是:首先将至少一个待分析对象进行分组并依次排序为:接触次数对应的接触次数个接触对象、第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象和第一参考对象接触目标物体时第一参考对象视线范围内的候选对象,然后对接触次数个接触对象进行排序:按照接触目标物体的先后顺序对接触次数个接触对象进行排序。
步骤204d、依次对排序后的多个待分析对象进行分析,以得到目标对象。
在本申请实施例中,按照分组排序顺序,获取对应分组排序顺序对应的待分析对象的数据进行分析,若没有确定得到目标对象,再获取相邻的下一排序顺序对应的待分析对象的数据进行分析,如此重复直至确定得到目标对象;若确定得到目标对象,停止后续分析。
在本申请其他实施例中,步骤204d具体可以由以下步骤来实现:在依次对排序后的多个待分析对象进行分析的过程中,若确定了目标对象,则停止对未进行分析的待分析对象进行分析。这样,无需分析目标视频中的全部数据,通过分析特定数据来实现确定目标对象,且按照逻辑先后定义需要分析的数据优先级,分析处理顺序为从简到繁,减少了需要处理的数据量,节约视频分析成本、处理计算时间和存储空间,降低了对运算能力的要求,有效加快处理速度。
示例性的,若关联信息中的接触次数1,则获取本人击球前接应队友的站位和接应队友的注意力等数据,并通过比较队友的站位是否与预期技战术相符且注意力集中,来判断队友的表现;若本人击球前的所有接应队友的站位与预期技战术均相符且注意力均集中,确定本人击球时视线范围内是否有其他队友;若本人击球时视线范围内有其他队友,获取其他队友的身高、站位以及排球位置、排球飞行轨迹等数据;对其他队友的身高、站位以及排球位置、排球飞行轨迹等数据进行分析,确定其他队友是否挡在了本人望向排球的视线路径上,从而判断队友是否影响了该球员的视野,从而影响了对球的判断,导致出现失误;若确定有其他队友挡在了本人望向排球的视线路径上,确定挡在本人望向排球的视线路径上的其他队友为目标对象,不再分析其他数据;若本人击球时视线范围内没有其他队友,或者确定没有其他队友挡在本人望向排球的视线路径上,确定本人为目标对象,即判定失误是该球员自身原因造成的,不再分析其他数据;若本人击球前的部分接应队友的站位与预期技战术不相符和/或注意力不集中,确定该部分接应队友为目标对象。
在本申请实施例中,在依次对排序后的多个待分析对象进行分析的过程中,若确定了目标对象,则停止对未进行分析的待分析对象进行分析的步骤可以由步骤a11~a18来实现:
步骤a11、从目标视频中获取接触次数个接触对象中的每一接触对象的待分析数据。
步骤a12、将每一接触对象的待分析数据与预设数据进行比较分析,确定每一接触对象的接触类别。
其中,电子设备执行步骤a12之后,可以选择执行步骤a13~a17或者a18。若与第一参考对象相邻的前一接触对象的接触类别为第一类别,选择执行步骤a13~a17,若与第一参考对象相邻的前一接触对象的接触类别为第二类别,选择执行步骤a18。
步骤a13、若与第一参考对象相邻的前一接触对象的接触类别为第一类别,获取第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象的分析参数。
其中,电子设备执行步骤a13后,可以选择执行步骤a14或步骤a15~a17。
步骤a14、根据第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象的分析参数与预设参数,从第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象中确定分析参数与预设参数不匹配的候选对象为目标对象,并停止后续分析操作。
步骤a15、若第一参考对象接触目标物体前目标物体运动轨迹第一预设范围内的候选对象中的分析参数均与预设参数匹配,获取第一参考对象接触目标物体时第一参考对象视线范围内的候选对象的参考数据。
其中,电子设备执行步骤a15后,可以选择执行步骤a16或步骤a17。
步骤a16、从第一参考对象接触目标物体时第一参考对象视线范围内的候选对象中,确定参考数据与预设参考数据不匹配的候选对象,得到目标对象,并停止后续分析操作。
步骤a17、若从第一参考对象接触目标物体时第一参考对象视线范围内的候选对象的参考数据与预设参考数据均匹配,确定第一参考对象为目标对象。
步骤a18、若与第一参考对象相邻的前一接触对象的接触类别为第二类别,从接触次数个接触对象除第一参考对象外中确定与前一接触对象相邻且连续的接触类别为第二类别的目标接触对象,将前一接触对象和目标接触对象确定为目标对象。
示例性的,(1)若接触次数大于或等于2,获取本人前面N个触球的队友的待分析数据,待分析数据包括以下至少之一:击球姿势、触球结果和实际落点;并判断击球姿势如上半身后倾角度、挥臂幅度、小臂翻转角度等是否与理想姿势偏差超过第一阈值范围,触球结果如球轨迹是否与预期理想轨迹偏差超过第二阈值范围、实际落点是否与预期理想落点偏差超过预设距离等,来确定本人前面每一触球的触球质量。
其中,满足下列条件之一的判定为触球质量一般触球,一般触球与前述第二类别对应,其余情况判定为触球质量有效触球,有效触球与前述第一类别对应:
1.击球姿势的上半身后倾角度、小臂角度、挥臂幅度与理想姿势偏差超过第一阈值范围。其中,理想姿势应当根据触球类型、来球轨迹和下一球的理想落点进行计算,包括:a)触球轨迹为传球时:i.来球弧度高,手臂的角度应该小;来球的弧度平,手臂的角度应该大;ii.理想落点远则手臂的角度应稍大;距离近,则手臂角度应较小;iii.具体的角度数值应当根据教练先验知识事前输入系统,并由系统根据实际情况给出;b)触球轨迹为扣球时:i.起跳时上半身应当垂直于地面;ii.扣球时上半身后倾角度应当符合标准,具体标准可根据教练的先验知识事前输入到系统,并由系统根据实际情况给出。
2.触球后球轨迹与理想轨迹偏差超过第二阈值范围。其中,理想轨迹应当根据触球类型和场内形式判断:a)触球类型为己方垫球时,理想轨迹标准是易于己方扣球:i.轨迹落点有队员可以及时出现;ii.触球类型为己方扣球时,理想轨迹标准是球过网高度不高于X1米、角度不大于X2°,其中,具体数值可根据教练的先验知识事前输入到系统,并由系统根据实际情况给出。
3.排球实际落点与预期不符,判定条件如下:a)落点在界外;b)落点与根据预计轨迹计算得到的预期落点偏差超过预设距离。
(2)若确定本人触球相邻的前一次触球为有效触球,获取本人击球前的接应队友的站位和注意力等数据,比较接应队友的站位是否与预期技战术相符且注意力集中。
(3)若击球前的接应队友的站位均与预期技战术相符且注意力均集中,确定本人视线范围内是否有其他队友:若本人击球时视线范围内有其他队友,获取其他队友的身高、站位以及排球位置、排球飞行轨迹等数据;对其他队友的身高、站位以及排球位置、排球飞行轨迹等数据进行分析,确定其他队友是否挡在了本人望向排球的视线路径上,从而判断队友是否影响了该球员的视野,从而影响了对球的判断,导致出现失误;若确定有其他队友挡在了本人望向排球的视线路径上,确定挡在本人望向排球的视线路径上的其他队友为目标对象,不再分析其他数据;若本人击球时视线范围内没有其他队友,或者确定没有其他队友挡在本人望向排球的视线路径上,确定本人为目标对象,即判定失误是该球员自身原因造成的,不再分析其他数据。
(4)若击球时视线范围内无其他队友,确定本人为目标对象,即自身原因造成的,不再分析其他数据。
(5)若本人击球前的部分接应队友的站位与预期技战术不相符和/或注意力不集中,确定该部分接应队友为目标对象。
(6)若本人触球前几次触球质量均为一般触球,确定本人触球前击球触球对应的触球对象为目标对象。
例如触球次数为2时,失误触球为第二次触球,在第一次触球的触球质量为一般触球时,判定是第一次触球球员为目标对象,即第一次触球球员导致了本次失误,不再分析其他数据。在触球次数为3时,失误触球为第三次触球,若第一次触球的触球质量为有效触球和第二次触球的触球质量为一般触球,判定第二次触球球员为目标对象,即第二次触球球员导致了本次失误,不再分析其他数据;若第一次触球和第二次触球的触球质量均一般触球,判定第一次触球球员和第二次触球球员为目标对象,即第一次触球球员和第二次触球球员共同导致了本次失误,不再分析其他数据。
基于前述实施例,在本申请其他实施例中,电子设备执行步骤204之后,还可以执行步骤b11~b12,或者步骤b11和步骤b13,或者步骤b11~b13。电子设备执行步骤204之后选择上述哪些步骤执行,可以根据实际应用场景来确定,此处不做任何限定:
步骤b11、根据目标对象,从目标视频中获取待输出视频。
其中,待输出视频包括目标对象与目标物体接触的内容。
步骤b12、确定目标对象对应的第一通信设备,发送待输出视频至第一通信设备。
步骤b13、确定与目标对象具有关联关系的指导对象对应的第二通信设备,发送待输出视频至第二通信设备。
在本申请实施例中,第一通信设备和第二通信设备可以是计算机设备、也可以是智能移动设备。这样,从目标视频中截取部分视频内容发送至第一通信设备和/或第二通信设备,有效降低了对网络资源的需求,并方便对应的人员查看造成失误的过程,有效总结经验,提高了用户的使用体验效果。
需说明的是,步骤b12、步骤b13或者步骤b12~b13可以在步骤205之前执行,也可以与步骤205同时执行,具体执行顺序可以根据实际情况来确定。
基于前述实施例,在本申请其他实施例中,步骤b11可以由步骤来实现:
步骤b111、若目标对象包括一个候选对象,从目标视频中确定与目标对象相邻的前一对象接触目标物体时对应的第一视频帧,和第一参考对象接触目标物体时对应的第二视频帧。
其中,第一参考对象为关联信息中最后一次接触目标物体的候选对象。
在本申请实施例中,与目标对象相邻的前一对象可以是在目标对象接触目标物体前一相邻的不属于待分析方的接触目标物体的对象,也可以是在目标对象接触目标物体前一相邻的属于待分析方的接触目标物体的候选对象。
步骤b112、从目标视频中,获取第一视频帧前第一数量帧至第二视频帧后第二数量帧之间的视频帧,得到待输出视频。
在本申请实施例中,第一数量帧与第二数量帧为预先设置的经验值,可以相同,也可以不同,具体可以根据实际应用场景来确定。
步骤b113、若目标对象包括多个候选对象,从目标对象中确定距离第一参考对象触摸目标物体时间最远的触摸目标物体的目标候选对象。
在本申请实施例中,假设目标对象包括3个候选对象,对应的接触目标物体的时间由远及近依次为A、B和C,对应的,可以确定目标候选对象为A。
步骤b114、从待分析视频信息中确定与目标候选对象相邻的前一对象接触目标物体时对应的第三视频帧,和第一参考对象接触目标物体时对应的第二视频帧。
步骤b115、从目标视频中,获取第三视频帧前第三数量帧至第二视频帧后第四数量帧之间的视频帧,得到待输出视频。
在本申请实施例中,第三数量帧和第四数量帧为一个经验值,可以相同也可以不同。第三数量帧可以与第一数量帧相同,也可以不同,同理,第四数量帧与第二数量帧也可以相同,也可以不同。
基于前述实施例,在本申请其他实施例中,电子设备执行步骤b11后,还可以用于执行步骤b14:
步骤b14、存储待输出视频至目标对象对应的存储区域。
在本申请实施例中,将待输出视频进行归类存储,存储至目标对象对应的存储区域。这样,进行归类存储,有效提高了存储效率,以便后续对待输出视频进行分析时进行快速查找。
需说明的是,步骤b14可以在步骤b12、步骤b13或者步骤b12~b13之前执行,也可以在步骤b12、步骤b13或者步骤b12~b13之后执行,也可以与步骤b12、步骤b13或者步骤b12~b13同时执行,也可以在步骤205之前或步骤205之后执行,也可以与步骤205同时执行,具体执行顺序可以根据实际情况来确定。
需要说明的是,本实施例中与其它实施例中相同步骤和相同内容的说明,可以参照其它实施例中的描述,此处不再赘述。
本申请实施例提供的信息处理方法,通过获取分析指令,获取目标物体的关联信息,根据关联信息从至少一个候选对象中确定至少一个待分析对象,对目标视频中的至少一个待分析对象进行分析,得到目标对象,并输出目标对象。这样,根据关联信息从至少一个候选对象中确定得到至少一个待分析对象,并对至少一个待分析对象进行分析得到目标对象,解决了目前在运动领域进行运动失误分析时主要依靠人力来实现的问题,实现了通过计算机分析技术来对造成运动失误的原因的方案,提高了分析过程中的智能化程度,有效提高了分析效率。并通过目标物体与至少一个候选对象接触的接触次数来确定目标对象,有效减少了分析对象的数量,降低了分析过程中的资源消耗,并在接触次数为零的情况下,确定目标物体的运行轨迹对应的第一预设范围内的候选对象为至少一个待分析对象,保证了分析造成击球失误的准确对象。无需对目标视频中的所有对象进行分析,只需分析特定数据即可分析得到造成球员击球失误的原因,且按照逻辑先后定义需要分析的数据优先级,实现分析处理顺序为从简到繁,若有判断结果后则不再继续处理分析数据,极大地减少了需要分析处理的数据量,节约视频分析成本、处理计算时间和存储空间,并降低了对运算能力的要求,加快了处理效率。
基于前述实施例,本申请的实施例提供一种信息处理装置,该信息处理装置可以应用于图1~3对应的实施例提供的信息处理方法中,参照图4所示,该信息处理装置3包括:第一获取单元31、第二获取单元32、确定单元33、分析单元34和输出单元35,其中:
第一获取单元31,用于获取分析指令;其中,分析指令用于指示对目标视频进行分析,目标视频内包括目标物体和至少一个候选对象;
第二获取单元32,用于获取目标物体的关联信息;
确定单元33,用于根据关联信息从至少一个候选对象中确定至少一个待分析对象;
分析单元34,用于对目标视频中的至少一个待分析对象进行分析,得到目标对象;
输出单元35,用于输出目标对象。
在本申请其他实施例中,关联信息包括:目标物体与至少一个候选对象接触的接触次数。
在本申请其他实施例中,确定单元33包括:第一确定模块和第二确定模块,其中:
第一确定模块,用于在接触次数为零的情况下,确定目标物体的运动轨迹;
第二确定模块,用于从至少一个候选对象中,确定处于目标物体的运动轨迹对应的第一预设范围内的候选对象,得到至少一个待分析对象。
在本申请其他实施例中,分析单元34包括:获取模块和处理模块,其中:
获取模块,用于获取每一待分析对象的分析参数,得到至少一组分析参数;
处理模块,用于根据至少一组分析参数,从至少一个待分析对象中,确定分析参数与预设参数不匹配的待分析对象,得到目标对象。
在本申请其他实施例中,确定单元33还包括:第三确定模块和第四确定模块,其中:
第三确定模块,用于在接触次数大于或等于1的情况下,从至少一个候选对象中确定与目标物体接触过的候选对象,得到至少一个接触对象;
第四确定模块,用于根据至少一个接触对象及选择规则,确定至少一个待分析对象。
在本申请其他实施例中,选择规则存储于存储器中,选择规则包括:
在接触次数为1的情况下,确定接触对象及与接触对象满足第一条件的候选对象为待分析对象。
在本申请其他实施例中,选择规则存储于存储器中,选择规则包括:
在接触次数大于1的情况下,至少确定每一接触对象为待分析对象。
在本申请其他实施例中,分析单元34还包括:排序模块和分析模块,其中:
排序模块,用于在待分析对象的数量为多个的情况下,按排序规则对多个待分析对象依次进行排序;
分析模块,用于依次对排序后的多个待分析对象进行分析,以得到目标对象。
在本申请其他实施例中,分析模块用于在依次对排序后的多个待分析对象进行分析的过程中,若确定了目标对象,则停止对未进行分析的待分析对象进行分析。
需要说明的是,本申请实施例中模块或单元之间的步骤的解释说明,可以参照图1~3对应的实施例提供的信息处理方法中的实现过程,此处不再赘述。
本申请实施例提供的信息处理装置,根据关联信息从至少一个候选对象中确定得到至少一个待分析对象,并对至少一个待分析对象进行分析得到目标对象,解决了目前在运动领域进行运动失误分析时主要依靠人力来实现的问题,实现了通过计算机分析技术来对造成运动失误的原因的方案,提高了分析过程中的智能化程度,有效提高了分析效率。并通过目标物体与至少一个候选对象接触的接触次数来确定目标对象,有效减少了分析对象的数量,降低了分析过程中的资源消耗,并在接触次数为零的情况下,确定目标物体的运行轨迹对应的第一预设范围内的候选对象为至少一个待分析对象,保证了分析造成击球失误的准确对象。无需对目标视频中的所有对象进行分析,只需分析特定数据即可分析得到造成球员击球失误的原因,且按照逻辑先后定义需要分析的数据优先级,实现分析处理顺序为从简到繁,若有判断结果后则不再继续处理分析数据,极大地减少了需要分析处理的数据量,节约视频分析成本、处理计算时间和存储空间,并降低了对运算能力的要求,加快了处理效率。
基于前述实施例,本申请实施例还提供一种电子设备,该电子设备可以用于实现如图1~3所示的信息处理方法,参照图5所示,该电子设备4可以包括:处理器41、存储器42和通信总线43,其中:
存储器42,包括信息处理程序;
通信总线43,用于实现处理器41和存储器42之间的通信连接;
处理器41,用于执行存储器42中存储的信息处理程序,具体实现如图1~3所示的信息处理方法,此处不再详细赘述。
基于前述实施例,本申请实施例还提供了一种计算机可读存储介质,简称为存储介质,该计算机可读存储介质存储有一个或者多个程序,该一个或者多个程序可被一个或者多个处理器执行,以实现如图1~3所示的信息处理方法,此处不再详细赘述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本申请的较佳实施例而已,并非用于限定本申请的保护范围。

Claims (10)

1.一种信息处理方法,所述方法包括:
获取分析指令;其中,所述分析指令用于指示对目标视频进行分析,所述目标视频内容包括目标物体和至少一个候选对象;
获取所述目标物体的关联信息;
根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象;
对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象;
输出所述目标对象。
2.根据权利要求1所述的方法,所述关联信息包括:所述目标物体与至少一个所述候选对象接触的接触次数。
3.根据权利要求2所述的方法,所述根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象,包括:
在所述接触次数为零的情况下,确定所述目标物体的运动轨迹;
从至少一个所述候选对象中,确定处于所述目标物体的运动轨迹对应的第一预设范围内的候选对象,得到至少一个所述待分析对象。
4.根据权利要求1所述的方法,所述对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象,包括:
获取每一所述待分析对象的分析参数,得到至少一组分析参数;
根据至少一组所述分析参数,从至少一个所述待分析对象中,确定分析参数与预设参数不匹配的待分析对象,得到所述目标对象。
5.根据权利要求2所述的方法,所述根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象,还包括:
在所述接触次数大于或等于1的情况下,从至少一个所述候选对象中确定与所述目标物体接触过的候选对象,得到至少一个接触对象;
根据至少一个所述接触对象及选择规则,确定至少一个待分析对象。
6.根据权利要求5所述的方法,所述选择规则包括:
在所述接触次数为1的情况下,确定所述接触对象及与所述接触对象满足第一条件的候选对象为所述待分析对象。
7.根据权利要求5所述的方法,所述选择规则包括:
在所述接触次数大于1的情况下,至少确定每一接触对象为所述待分析对象。
8.根据权利要求1所述的方法,所述对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象,包括:
在所述待分析对象的数量为多个的情况下,按排序规则对多个所述待分析对象依次进行排序;
依次对排序后的多个所述待分析对象进行分析,以得到所述目标对象。
9.根据权利要求8所述的方法,在所述依次对排序后的多个所述待分析对象进行分析的过程中,若确定了所述目标对象,则停止对未进行分析的待分析对象进行分析。
10.一种信息处理装置,所述装置包括:第一获取单元、第二获取单元、确定单元、分析单元和输出单元,其中:
所述第一获取单元,用于获取分析指令;其中,所述分析指令用于指示对目标视频进行分析,所述目标视频内包括目标物体和至少一个候选对象;
所述第二获取单元,用于获取所述目标物体的关联信息;
所述确定单元,用于根据所述关联信息从至少一个所述候选对象中确定至少一个待分析对象;
所述分析单元,用于对所述目标视频中的至少一个所述待分析对象进行分析,得到目标对象;
所述输出单元,用于输出所述目标对象。
CN202011383738.2A 2020-11-30 2020-11-30 一种信息处理方法及装置 Pending CN112528785A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011383738.2A CN112528785A (zh) 2020-11-30 2020-11-30 一种信息处理方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011383738.2A CN112528785A (zh) 2020-11-30 2020-11-30 一种信息处理方法及装置

Publications (1)

Publication Number Publication Date
CN112528785A true CN112528785A (zh) 2021-03-19

Family

ID=74995801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011383738.2A Pending CN112528785A (zh) 2020-11-30 2020-11-30 一种信息处理方法及装置

Country Status (1)

Country Link
CN (1) CN112528785A (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006035772A1 (ja) * 2004-09-30 2006-04-06 National University Of Corporation Hiroshima University 情報処理方法、情報処理装置、偵察システム、情報処理プログラム、コンピュータ読み取り可能な記録媒体
JP2007252697A (ja) * 2006-03-24 2007-10-04 Hiroshima Univ バレーボール競技のプレーデータ収集、解析システム及びデータ収集、解析プログラム
CN101833232A (zh) * 2010-04-20 2010-09-15 浙江大学 乒乓球比赛视觉支持和比赛分析系统与系统运行方法
CN102819749A (zh) * 2012-07-23 2012-12-12 西安体育学院 一种基于视频分析的足球越位自动判别系统和方法
CN107456748A (zh) * 2017-10-12 2017-12-12 周口师范学院 一种数字排球训练系统
CN108229294A (zh) * 2017-09-08 2018-06-29 北京市商汤科技开发有限公司 一种运动数据获取方法、装置、电子设备及存储介质
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
CN109345568A (zh) * 2018-09-19 2019-02-15 深圳市赢世体育科技有限公司 基于计算机视觉算法的运动场智能化实现方法及系统
CN111401174A (zh) * 2020-03-07 2020-07-10 北京工业大学 一种基于多模态信息融合的排球群体行为识别方法
CN111444890A (zh) * 2020-04-30 2020-07-24 汕头市同行网络科技有限公司 一种基于机器学习的体育数据分析系统和方法
WO2020199479A1 (zh) * 2019-04-03 2020-10-08 平安科技(深圳)有限公司 一种人体动作的识别方法及设备
CN111905350A (zh) * 2020-07-10 2020-11-10 浙江大学 基于运动数据的自动化乒乓球击球表现评估方法和系统

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006035772A1 (ja) * 2004-09-30 2006-04-06 National University Of Corporation Hiroshima University 情報処理方法、情報処理装置、偵察システム、情報処理プログラム、コンピュータ読み取り可能な記録媒体
JP2007252697A (ja) * 2006-03-24 2007-10-04 Hiroshima Univ バレーボール競技のプレーデータ収集、解析システム及びデータ収集、解析プログラム
CN101833232A (zh) * 2010-04-20 2010-09-15 浙江大学 乒乓球比赛视觉支持和比赛分析系统与系统运行方法
CN102819749A (zh) * 2012-07-23 2012-12-12 西安体育学院 一种基于视频分析的足球越位自动判别系统和方法
CN108229294A (zh) * 2017-09-08 2018-06-29 北京市商汤科技开发有限公司 一种运动数据获取方法、装置、电子设备及存储介质
CN107456748A (zh) * 2017-10-12 2017-12-12 周口师范学院 一种数字排球训练系统
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
CN109345568A (zh) * 2018-09-19 2019-02-15 深圳市赢世体育科技有限公司 基于计算机视觉算法的运动场智能化实现方法及系统
WO2020199479A1 (zh) * 2019-04-03 2020-10-08 平安科技(深圳)有限公司 一种人体动作的识别方法及设备
CN111401174A (zh) * 2020-03-07 2020-07-10 北京工业大学 一种基于多模态信息融合的排球群体行为识别方法
CN111444890A (zh) * 2020-04-30 2020-07-24 汕头市同行网络科技有限公司 一种基于机器学习的体育数据分析系统和方法
CN111905350A (zh) * 2020-07-10 2020-11-10 浙江大学 基于运动数据的自动化乒乓球击球表现评估方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
刘苗苗 等: "基于视频的排球智能分析系统的研究与实现", 《赤 峰 学 院 学 报( 自 然 科 学 版 )》, vol. 31, no. 2, pages 182 - 183 *
卢金昊 等: "排球轨迹获取及智能分析技术在高校排球教学中的应用研究", 《金融理论与教学》, no. 3, pages 98 - 100 *
孙仕柏 等: "足球比赛场景中交互行为分析方法研究", 《吉林大学学报(信息科学版)》, vol. 34, no. 05, pages 676 - 685 *

Similar Documents

Publication Publication Date Title
US11642047B2 (en) Interactive training of body-eye coordination and reaction times using multiple mobile device cameras
CN109107161B (zh) 一种游戏对象的控制方法、装置、介质以及设备
US11521388B2 (en) Ball game video analysis device and ball game video analysis method
US20190321706A1 (en) Video analytics for human performance
US20160361593A1 (en) System, apparatus and method for determining and analyzing sport related activities in conjunction with low latency transmission and processing
US11819734B2 (en) Video-based motion counting and analysis systems and methods for virtual fitness application
US20140219570A1 (en) Automated analysis of a motion
US11998851B2 (en) Automated coaching for online gaming
KR20240049129A (ko) 태권도 겨루기에서 인공지능을 이용한 복수의 항목별 평가 방법 및 장치
US11458378B2 (en) Baseball simulation and gamification system
CN109446241B (zh) 一种运动者技术参数的统计方法、装置、设备及存储介质
CN112528785A (zh) 一种信息处理方法及装置
US10789457B2 (en) Sensor-based tracking of sports participants
JP2020000430A (ja) 動作分析装置、動作分析方法及び動作分析プログラム
CN110314368B (zh) 台球击球的辅助方法、装置、设备及可读介质
CN210742978U (zh) 一种篮球运动分析装置
WO2022026693A1 (en) Methods and systems for performing object detection and object/user interaction to assess user performance
CN207545784U (zh) 一种智能运动捕捉装置及系统
KR20210115465A (ko) 인공지능 스마트 탁구 연습 시스템 및 동작 방법
EP4325443A1 (en) Data processing apparatus and method
CN113111683A (zh) 发球违例姿态识别平台及方法
EP4325448A1 (en) Data processing apparatus and method
US11900678B2 (en) System for tracking, locating and calculating the position of an object in a game involving moving objects
FI126865B (en) Follow-up of event activities
US20240252886A1 (en) Player monitoring systems and methods for compensating for network delay

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