CN112734793B - 一种智能台球裁判防作弊方法和系统 - Google Patents
一种智能台球裁判防作弊方法和系统 Download PDFInfo
- Publication number
- CN112734793B CN112734793B CN202110031613.1A CN202110031613A CN112734793B CN 112734793 B CN112734793 B CN 112734793B CN 202110031613 A CN202110031613 A CN 202110031613A CN 112734793 B CN112734793 B CN 112734793B
- Authority
- CN
- China
- Prior art keywords
- signal
- billiards
- collision
- energy loss
- target
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30221—Sports video; Sports image
- G06T2207/30224—Ball; Puck
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种智能台球裁判防作弊方法和系统,包括:获取击球者的击球参数,根据所述击球参数计算得到击球能量值;在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;对所述连续帧图像进行解析,获取各个台球的移动轨迹;根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。根据击球后,击球能量值与台球的能量损耗值之和的大小关系来准确判断比赛者是否作弊。
Description
技术领域
本发明涉及台球检测技术领域,特别涉及一种智能台球裁判防作弊方法和系统。
背景技术
台球是人们越来越喜欢的体育运动,为保证体育运动的公平性,需要准确识别在比赛中比赛者是否存在作弊行为。现有技术中,通过监控设备监控比赛者,不能准确识别监控者是否作弊。
发明内容
本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此,本发明的第一个目的在于提出一种智能台球裁判防作弊方法,根据对母球击球后,击球能量值与台球的能量损耗值之和的大小关系来准确判断比赛者是否作弊。
本发明的第二个目的在于提出一种智能台球裁判防作弊系统。
为达到上述目的,本发明第一方面实施例提出了一种智能台球裁判防作弊方法,包括:
获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
对所述连续帧图像进行解析,获取各个台球的移动轨迹;
根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
根据本发明的一些实施例,所述获取击球者的击球参数,包括:
基于设置在母球上的传感器,感知击球点位置及击球力度;根据击球点位置及母球的初始移动轨迹确定击球方向;
根据所述击球力度、击球方向及击球点位置生成击球参数。
根据本发明的一些实施例,所述对所述连续帧图像进行解析,获取各个台球的移动轨迹,包括:
对所述连续帧图像分别进行图像预处理;
分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
根据本发明的一些实施例,所述根据各个台球的移动轨迹,得到各个台球对应的能量损耗值,包括:
选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
根据本发明的一些实施例,还包括对获取的各个台球的移动轨迹进行检测,对通过检测的移动轨迹,计算能量损耗值;对未通过检测的移动轨迹进行重新获取;
A1、计算台球的移动轨迹的偏差频率λ:
其中,N为移动轨迹上轨迹点的数量;wi为移动轨迹上第i个轨迹点;
A2、对台球的移动轨迹进行灰度化处理,获取移动轨迹上各个像素点的灰度值,计算得到灰度均值及标准差,根据台球的移动轨迹的偏差频率λ,计算台球的移动轨迹的检测概率P:
其中,T为检测门槛;μ为移动轨迹的灰度均值;σ为标准差;M为移动轨迹上像素点的数量;kj为移动轨迹上第j个像素点的灰度值;β为移动轨迹上像素点的信噪比;x为被积分参数;
A3、比较台球的移动轨迹的检测概率与预设概率的大小,在确定检测概率大于预设概率时,表示移动轨迹通过检测;反之,表示移动轨迹未通过检测。
根据本发明的一些实施例,在击球者击球完成后,还包括:
采集台面上的声音信号;
将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
为达到上述目的,本发明第二方面实施例提出了一种智能台球裁判防作弊系统,包括:
计算模块,用于获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
第一获取模块,用于在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
第二获取模块,用于对所述连续帧图像进行解析,获取各个台球的移动轨迹;
判断模块,用于根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
根据本发明的一些实施例,所述第二获取模块,包括:
图像预处理模块,用于对所述连续帧图像分别进行图像预处理;
第一获取子模块,用于分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
第二获取子模块,用于将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
确定子模块,用于根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
第三获取子模块,用于根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
移动轨迹获取模块,用于将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
根据本发明的一些实施例,所述判断模块,包括:
筛选子模块,用于选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
目标帧图像获取模块,用于获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断子模块,用于判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
第四获取子模块,用于获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
第一计算子模块,用于根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
第五获取子模块,用于获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
第六获取子模块,用于获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
第二计算子模块,用于根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
第三计算子模块,用于根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
第四计算子模块,用于根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
根据本发明的一些实施例,还包括:
采集模块,用于在击球者击球完成后,采集台面上的声音信号;
识别模块,用于将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
信噪比确定模块,用于去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
去噪模块,用于根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
生成模块,用于根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
时间节点获取模块,用于对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
标记模块,用于根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
本发明公开了一种智能台球裁判防作弊方法和系统,根据比赛者在对母球击球后的击球能量值,基于能量衰减的规律进行作弊判断,统计在击球后,各个台球能量损耗值之和,根据能量损耗值之和与击球能量值准确判断比赛者是否存在作弊行为,提高了检测的准确性,实现了对比赛者全程比赛的作弊识别,应用范围广。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是根据本发明一个实施例的一种智能台球裁判防作弊方法的流程图;
图2是根据本发明一个实施例的一种智能台球裁判防作弊系统的框图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
如图1所示,本发明第一方面实施例提出了一种智能台球裁判防作弊方法,包括步骤S1-S4:
S1、获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
S2、在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
S3、对所述连续帧图像进行解析,获取各个台球的移动轨迹;
S4、根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
上述技术方案的工作原理:获取击球者的击球参数,根据所述击球参数计算得到击球能量值;在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;对所述连续帧图像进行解析,获取各个台球的移动轨迹;根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
上述技术方案的有益效果:根据比赛者在对母球击球后的击球能量值,基于能量衰减的规律进行作弊判断,统计在击球后,各个台球能量损耗值之和,根据能量损耗值之和与击球能量值准确判断比赛者是否存在作弊行为,提高了检测的准确性,实现了对比赛者全程比赛的作弊识别,应用范围广。
根据本发明的一些实施例,所述获取击球者的击球参数,包括:
基于设置在母球上的传感器,感知击球点位置及击球力度;根据击球点位置及母球的初始移动轨迹确定击球方向;
根据所述击球力度、击球方向及击球点位置生成击球参数。
准确获取比赛者的击球参数,便于准确计算得到击球能量值。
根据本发明的一些实施例,所述对所述连续帧图像进行解析,获取各个台球的移动轨迹,包括:
对所述连续帧图像分别进行图像预处理;
分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
上述技术方案的工作原理:对所述连续帧图像分别进行图像预处理;所述图像预处理包括图像去噪,图像增强处理。分别获取经过图像预处理后的单帧图像中的若干个圆形区域;将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;所述颜色通道包括H通道、S通道、V通道;根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
上述技术方案的有益效果:根据形状及颜色识别,准确识别台球及台球的身份标识,根据多个圆心坐标依次对应连接,准确生成各个台球的移动轨迹。
根据本发明的一些实施例,所述根据各个台球的移动轨迹,得到各个台球对应的能量损耗值,包括:
选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
上述技术方案的工作原理:选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
上述技术方案的有益效果:根据移动轨迹确定目标轨迹的碰撞的类别,考虑台球的台面上无碰撞移动的第三能量损耗值、发生第一类碰撞的第一能量损耗值及发生第二类碰撞的第二能量损耗值,根据台球的移动轨迹的3中不同情况,准确计算出单个台球的能量损耗值,进而准确计算出各个台球的能量损耗值及台球的能量损耗值之和,提高了判断击球能量值与能量损耗值之和大小的准确性。
根据本发明的一些实施例,还包括对获取的各个台球的移动轨迹进行检测,对通过检测的移动轨迹,计算能量损耗值;对未通过检测的移动轨迹进行重新获取;
A1、计算台球的移动轨迹的偏差频率λ:
其中,N为移动轨迹上轨迹点的数量;wi为移动轨迹上第i个轨迹点;
A2、对台球的移动轨迹进行灰度化处理,获取移动轨迹上各个像素点的灰度值,计算得到灰度均值及标准差,根据台球的移动轨迹的偏差频率λ,计算台球的移动轨迹的检测概率P:
其中,T为检测门槛;μ为移动轨迹的灰度均值;σ为标准差;M为移动轨迹上像素点的数量;kj为移动轨迹上第j个像素点的灰度值;β为移动轨迹上像素点的信噪比;x为被积分参数;
A3、比较台球的移动轨迹的检测概率与预设概率的大小,在确定检测概率大于预设概率时,表示移动轨迹通过检测;反之,表示移动轨迹未通过检测。
上述技术方案的工作原理及有益效果:对获取的各个台球的移动轨迹进行检测,对通过检测的移动轨迹,计算能量损耗值;对未通过检测的移动轨迹进行重新获取;有利于保证计算得到的能量损耗值的准确性。计算台球的移动轨迹的偏差频率;对台球的移动轨迹进行灰度化处理,获取移动轨迹上各个像素点的灰度值,计算得到灰度均值及标准差,根据台球的移动轨迹的偏差频率λ,计算台球的移动轨迹的检测概率,提高了计算出的检测概率的准确性。比较台球的移动轨迹的检测概率与预设概率的大小,在确定检测概率大于预设概率时,表示移动轨迹通过检测;反之,表示移动轨迹未通过检测。进而提高了判断检测概率与预设概率大小的准确性。
根据本发明的一些实施例,在击球者击球完成后,还包括:
采集台面上的声音信号;
将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
上述技术方案的工作原理:在击球者击球完成后,还包括:采集台面上的声音信号;将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;数据库包括平均信噪比与增益值的对应关系表;根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。第一类碰撞轨迹点为台球与台球之间的碰撞点;第二类碰撞轨迹点为台球与库边之间的碰撞点。
上述技术方案的有益效果:基于标准信号进行初步识别原始信号、第一噪声信号及待识别信号;去除第一噪声信号,便于后续对待识别信号进行处理,减少了信号处理的数量量,避免进行重复去噪,提高了去噪效率。针对待识别信号,准确且快速的去除第二噪声信号,保证有效信号的纯净性。准确识别出第一类碰撞轨迹点及第二类碰撞轨迹点,并进行标记,有利于准确计算出台球的能量损耗值。
如图2所示,本发明第二方面实施例提出了一种智能台球裁判防作弊系统,包括:
计算模块,用于获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
第一获取模块,用于在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
第二获取模块,用于对所述连续帧图像进行解析,获取各个台球的移动轨迹;
判断模块,用于根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
上述技术方案的工作原理:计算模块获取击球者的击球参数,根据所述击球参数计算得到击球能量值;第一获取模块在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;第二获取模块对所述连续帧图像进行解析,获取各个台球的移动轨迹;判断模块根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为。
上述技术方案的有益效果:根据比赛者在对母球击球后的击球能量值,基于能量衰减的规律进行作弊判断,统计在击球后,各个台球能量损耗值之和,根据能量损耗值之和与击球能量值准确判断比赛者是否存在作弊行为,提高了检测的准确性,实现了对比赛者全程比赛的作弊识别,应用范围广。
根据本发明的一些实施例,所述第二获取模块,包括:
图像预处理模块,用于对所述连续帧图像分别进行图像预处理;
第一获取子模块,用于分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
第二获取子模块,用于将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
确定子模块,用于根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
第三获取子模块,用于根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
移动轨迹获取模块,用于将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
上述技术方案的工作原理:图像预处理模块对所述连续帧图像分别进行图像预处理;所述图像预处理包括图像去噪,图像增强处理。第一获取子模块分别获取经过图像预处理后的单帧图像中的若干个圆形区域;第二获取子模块将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;所述颜色通道包括H通道、S通道、V通道;确定子模块根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;第三获取子模块根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;移动轨迹获取模块将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
上述技术方案的有益效果:根据形状及颜色识别,准确识别台球及台球的身份标识,根据多个圆心坐标依次对应连接,准确生成各个台球的移动轨迹。
根据本发明的一些实施例,所述判断模块,包括:
筛选子模块,用于选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
目标帧图像获取模块,用于获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断子模块,用于判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
第四获取子模块,用于获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
第一计算子模块,用于根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
第五获取子模块,用于获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
第六获取子模块,用于获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
第二计算子模块,用于根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
第三计算子模块,用于根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
第四计算子模块,用于根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
上述技术方案的工作原理:筛选子模块选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;目标帧图像获取模块获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;判断子模块判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;第四获取子模块获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;第一计算子模块根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;第五获取子模块获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;第六获取子模块获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;第二计算子模块根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;第三计算子模块根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;第四计算子模块根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
上述技术方案的有益效果:根据移动轨迹确定目标轨迹的碰撞的类别,考虑台球的台面上无碰撞移动的第三能量损耗值、发生第一类碰撞的第一能量损耗值及发生第二类碰撞的第二能量损耗值,根据台球的移动轨迹的3中不同情况,准确计算出单个台球的能量损耗值,进而准确计算出各个台球的能量损耗值及台球的能量损耗值之和,提高了判断击球能量值与能量损耗值之和大小的准确性。
根据本发明的一些实施例,还包括:
采集模块,用于在击球者击球完成后,采集台面上的声音信号;
识别模块,用于将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
信噪比确定模块,用于去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
去噪模块,用于根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
生成模块,用于根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
时间节点获取模块,用于对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
标记模块,用于根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
上述技术方案的工作原理:在击球者击球完成后,还包括:采集模块采集台面上的声音信号;识别模块将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;信噪比确定模块去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;去噪模块根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;数据库包括平均信噪比与增益值的对应关系表;生成模块根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;时间节点获取模块对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;标记模块根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。第一类碰撞轨迹点为台球与台球之间的碰撞点;第二类碰撞轨迹点为台球与库边之间的碰撞点。
上述技术方案的有益效果:基于标准信号进行初步识别原始信号、第一噪声信号及待识别信号;去除第一噪声信号,便于后续对待识别信号进行处理,减少了信号处理的数量量,避免进行重复去噪,提高了去噪效率。针对待识别信号,准确且快速的去除第二噪声信号,保证有效信号的纯净性。准确识别出第一类碰撞轨迹点及第二类碰撞轨迹点,并进行标记,有利于准确计算出台球的能量损耗值。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种智能台球裁判防作弊方法,其特征在于,包括:
获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
对所述连续帧图像进行解析,获取各个台球的移动轨迹;
根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为;
所述根据各个台球的移动轨迹,得到各个台球对应的能量损耗值,包括:
选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
2.如权利要求1所述的智能台球裁判防作弊方法,其特征在于,所述获取击球者的击球参数,包括:
基于设置在母球上的传感器,感知击球点位置及击球力度;根据击球点位置及母球的初始移动轨迹确定击球方向;
根据所述击球力度、击球方向及击球点位置生成击球参数。
3.如权利要求1所述的智能台球裁判防作弊方法,其特征在于,所述对所述连续帧图像进行解析,获取各个台球的移动轨迹,包括:
对所述连续帧图像分别进行图像预处理;
分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
4.如权利要求1所述的智能台球裁判防作弊方法,其特征在于,还包括对获取的各个台球的移动轨迹进行检测,对通过检测的移动轨迹,计算能量损耗值;对未通过检测的移动轨迹进行重新获取;
A1、计算台球的移动轨迹的偏差频率λ:
其中,N为移动轨迹上轨迹点的数量;wi为移动轨迹上第i个轨迹点;
A2、对台球的移动轨迹进行灰度化处理,获取移动轨迹上各个像素点的灰度值,计算得到灰度均值及标准差,根据台球的移动轨迹的偏差频率λ,计算台球的移动轨迹的检测概率P:
其中,T为检测门槛;μ为移动轨迹的灰度均值;σ为标准差;M为移动轨迹上像素点的数量;kj为移动轨迹上第j个像素点的灰度值;β为移动轨迹上像素点的信噪比;x为被积分参数;
A3、比较台球的移动轨迹的检测概率与预设概率的大小,在确定检测概率大于预设概率时,表示移动轨迹通过检测;反之,表示移动轨迹未通过检测。
5.如权利要求1所述的智能台球裁判防作弊方法,其特征在于,在击球者击球完成后,还包括:
采集台面上的声音信号;
将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
6.一种智能台球裁判防作弊系统,其特征在于,包括:
计算模块,用于获取击球者的击球参数,根据所述击球参数计算得到击球能量值;
第一获取模块,用于在击球者击球完成后,获取包括台桌及台桌上台球的连续帧图像;
第二获取模块,用于对所述连续帧图像进行解析,获取各个台球的移动轨迹;
判断模块,用于根据各个台球的移动轨迹,得到各个台球对应的能量损耗值;计算所有台球的能量损耗值之和,判断所述能量损耗值之和是否大于击球能量值,在确定所述能量损耗值之和大于击球能量值时,表示存在作弊行为;
所述判断模块,包括:
筛选子模块,用于选取一目标台球,分析目标台球的移动轨迹,筛选出所述移动轨迹上的转折点;
目标帧图像获取模块,用于获取所述转折点的时间信息,根据所述时间信息确定目标帧图像;
判断子模块,用于判断所述目标帧图像中目标台球与库边的距离是否小于R,在确定目标台球与库边的距离小于R时,表示目标台球与库边发生碰撞,确定第一类碰撞点;反之,表示目标台球与其他台球发生碰撞,确定第二类碰撞点;所述R为台球的半径;
第四获取子模块,用于获取目标台球在发生第一类碰撞前的第一速度及发生第一类碰撞后的第二速度;
第一计算子模块,用于根据所述第一速度及第二速度计算发生第一类碰撞的第一能量损耗值;
第五获取子模块,用于获取目标台球在发生第二类碰撞前的第三速度及发生第二类碰撞后的第四速度;
第六获取子模块,用于获取与目标台球发生第二类碰撞的其他台球在发生第二碰撞前的第五速度及发生第二类碰撞后的第六速度;
第二计算子模块,用于根据所述第三速度、第四速度、第五速度及第六速度计算发生第二类碰撞的第二能量损耗值;
第三计算子模块,用于根据台球的移动轨迹及预设的台球在台面上移动且不发生碰撞的单位长度的能量损耗值,计算台球在台面上移动不发生碰撞的第三能量损耗值;
第四计算子模块,用于根据所述第一能量损耗值、第二能量损耗值及第三能量损耗值,计算得到目标台球对应的能量损耗值。
7.如权利要求6所述的智能台球裁判防作弊系统,其特征在于,所述第二获取模块,包括:
图像预处理模块,用于对所述连续帧图像分别进行图像预处理;
第一获取子模块,用于分别获取经过图像预处理后的单帧图像中的若干个圆形区域;
第二获取子模块,用于将包括圆形区域的图像输入至颜色空间,确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息,根据所述各个颜色通道的取值信息基于神经网络模型,获取所述圆形区域的颜色信息;
确定子模块,用于根据所述圆形区域的颜色信息确定台球的身份标识;确定各个圆形区域的圆心坐标;
第三获取子模块,用于根据连续帧图像的排序依次进行解析,获取每帧图像中带有身份标识的圆形区域的圆心坐标;
移动轨迹获取模块,用于将对应每个不同身份标识的圆形区域的圆心坐标分别对应连接起来,得到每个台球的移动轨迹。
8.如权利要求6所述的智能台球裁判防作弊系统,其特征在于,还包括:
采集模块,用于在击球者击球完成后,采集台面上的声音信号;
识别模块,用于将所述声音信号与标准信号进行比较,所述标准信号包括波长、波率和步长,识别出声音信号中的原始信号及第一噪声信号,将声音信号中无法识别的信号作为待识别信号;
信噪比确定模块,用于去除声音信号中的第一噪声信号,对原始信号做增强处理;对待识别信号做弱化处理;将弱化处理后的待识别信号进行快速傅里叶变换处理,确定待识别信号的时频点及所述时频点对应的先验信噪比及后验信噪比;
去噪模块,用于根据所述先验信噪比及后验信噪比计算得到平均信噪比;根据所述平均信噪比查询数据库获取增益值;根据所述增益值对所述待识别信号进行增益处理,去除待识别信号中的第二噪声信号;
生成模块,用于根据增强处理后的原始信号及去除第二噪声信号的待识别信号,生成有效信号;
时间节点获取模块,用于对所述有效信号进行目标识别,识别出第一类碰撞信号及第二类碰撞信号;获取第一类碰撞信号对应的第一时间节点及第二类碰撞信号对应的第二时间节点;
标记模块,用于根据所述第一时间节点获取第一图像,并确定第一类碰撞轨迹点;根据所述第二时间节点获取第二图像,并确定第二类碰撞轨迹点;在台球的移动轨迹上标记第一类碰撞轨迹点和/或第二类碰撞轨迹点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110031613.1A CN112734793B (zh) | 2021-01-11 | 2021-01-11 | 一种智能台球裁判防作弊方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110031613.1A CN112734793B (zh) | 2021-01-11 | 2021-01-11 | 一种智能台球裁判防作弊方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112734793A CN112734793A (zh) | 2021-04-30 |
CN112734793B true CN112734793B (zh) | 2021-08-03 |
Family
ID=75590457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110031613.1A Active CN112734793B (zh) | 2021-01-11 | 2021-01-11 | 一种智能台球裁判防作弊方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112734793B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2254895C2 (ru) * | 2002-12-26 | 2005-06-27 | Ворожцов Георгий Николаевич | Способ определения динамических параметров движения материального объекта при проведении спортивных состязаний или в тренировочном процессе, устройство для его осуществления и способ оценки технического и творческого потенциала спортсменов |
CN103871078B (zh) * | 2013-07-12 | 2016-04-13 | 北京瑞盖科技有限公司 | 一种台球击球关键信息检测方法及系统 |
CN108079565B (zh) * | 2017-12-28 | 2019-11-08 | 深圳市超级视觉科技有限公司 | 一种台球比赛计分系统 |
CN108960098B (zh) * | 2018-06-22 | 2022-04-01 | 梁栋 | 一种台球碰撞关系识别方法及台球比赛计分系统 |
KR101938607B1 (ko) * | 2018-10-08 | 2019-01-15 | (주)아이즈프리 | 당구게임용 영상 분석시스템 및 방법 |
-
2021
- 2021-01-11 CN CN202110031613.1A patent/CN112734793B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112734793A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8634638B2 (en) | Real-time action detection and classification | |
CN109882019B (zh) | 一种基于目标检测和动作识别的汽车电动尾门开启方法 | |
CN111444890A (zh) | 一种基于机器学习的体育数据分析系统和方法 | |
CN110208789B (zh) | 一种多帧联合目标航迹识别方法 | |
Hu et al. | Basketball activity classification based on upper body kinematics and dynamic time warping | |
JP4465150B2 (ja) | 基準点に対する物体の相対位置を測定するシステムおよび方法 | |
CN112733718B (zh) | 一种基于异物检测的台球比赛作弊识别方法和系统 | |
Iyer et al. | Automated third umpire decision making in cricket using machine learning techniques | |
CN109684919A (zh) | 一种基于机器视觉的羽毛球发球违例判别方法 | |
CN112734793B (zh) | 一种智能台球裁判防作弊方法和系统 | |
CN113312840B (zh) | 一种基于强化学习的羽毛球对弈方法及系统 | |
CN116758459A (zh) | 一种用于羽毛球比赛的实时分析系统及方法 | |
CN114022513A (zh) | 一种台球比赛作弊识别方法 | |
Gao et al. | Design of an efficient multi-objective recognition approach for 8-ball billiards vision system | |
CN114264239A (zh) | 一种运动平台激光校准系统 | |
CN112597929B (zh) | 一种台球位置确定方法和系统 | |
CN112734792A (zh) | 一种基于台球轨迹检测的台球比赛作弊识别方法及系统 | |
CN113537168A (zh) | 一种用于转播和球场监控场景的篮球进球检测方法及系统 | |
CN112614114B (zh) | 一种台球碰撞关系识别方法及台球比赛计分系统 | |
CN109663325A (zh) | 一种击球类运动的计分系统及计分方法 | |
CN114712837B (zh) | 违规动作计算机检测系统 | |
US20240020874A1 (en) | Device, computer program and method | |
CN112822460B (zh) | 一种台球比赛视频监控方法及系统 | |
CN116132798B (zh) | 一种智能摄像头的自动跟拍方法 | |
CN220424511U (zh) | 一种智能羽毛球控球训练评分系统 |
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 |