CN112771571A - 用于在球类比赛中自动检测裁判员的裁决的方法和系统 - Google Patents
用于在球类比赛中自动检测裁判员的裁决的方法和系统 Download PDFInfo
- Publication number
- CN112771571A CN112771571A CN201980046740.XA CN201980046740A CN112771571A CN 112771571 A CN112771571 A CN 112771571A CN 201980046740 A CN201980046740 A CN 201980046740A CN 112771571 A CN112771571 A CN 112771571A
- Authority
- CN
- China
- Prior art keywords
- event
- images
- ball game
- subset
- rule
- 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 62
- 238000001514 detection method Methods 0.000 claims description 41
- 238000012795 verification Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 11
- 230000005236 sound signal Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000000386 athletic effect Effects 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001454 recorded image Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0021—Tracking a path or terminating locations
- A63B2024/0025—Tracking the path or location of one or more users, e.g. players of a game
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2102/00—Application of clubs, bats, rackets or the like to the sporting activity ; particular sports involving the use of balls and clubs, bats, rackets, or the like
- A63B2102/22—Field hockey
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/05—Image processing for measuring physical parameters
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/806—Video cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2243/00—Specific ball sports not provided for in A63B2102/00 - A63B2102/38
- A63B2243/0025—Football
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
- A63B71/0669—Score-keepers or score display devices
-
- 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
- G06V20/44—Event detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physical Education & Sports Medicine (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
- Pinball Game Machines (AREA)
- Display Devices Of Pinball Game Machines (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
总的来说,提供了用于在球类比赛期间自动检测裁判员的裁决的方法和系统。该方法可以包括:接收在球类比赛期间生成的球类比赛场地的多个图像;基于预定的球类比赛规则确定多个图像中图像的第一子集,图像的第一子集代表被怀疑为基于指定规则的事件的第一事件;基于预定的球类比赛规则确定该多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,该第二事件在基于指定规则的事件之后;以及基于预定的球类比赛规则分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于该第一事件是否是基于指定规则的事件的裁判员的裁决。
Description
发明领域
本发明涉及体育赛事的自动分析领域,且更具体地涉及用于在体育赛事期间自动检测裁判员的裁决的方法和系统。
发明背景
当今在体育赛事中,关于基于规则的事件(rule-based event)的最终裁决是由裁判员做出的。一些现有的用于体育赛事分析的系统可以对被怀疑是基于规则的事件的事件进行检测。以足球比赛为例,这种系统可以例如检测球在门柱之间并且在球门横梁之下完全越过球门线的事件,进而将该事件判定为得分事件。然而,检测到的事件可能是在违反了预定的球类比赛规则(例如由犯规和/或越位导致)的情况下发生的,并因此可能被裁判员取消。一些现有的用于体育赛事分析的系统可以进一步生成关于检测到的事件(例如被怀疑是基于规则的事件)的事件相关数据,并进一步将该事件相关数据递交给裁判员以帮助裁判员做出关于该事件的裁决。
用于体育赛事分析的现有系统的一个缺点在于它们至多只能够对被怀疑是基于规则的事件的事件进行检测。现今,这些检测到的事件可能不会直接被认定为基于规则的事件,因为这些事件应该由裁判员批准。
发明概述
本发明的一个方面提供了一种用于在球类比赛期间自动检测裁判员的裁决的系统,该系统包括:数据库,其包括在球类比赛期间生成的球类比赛场地的多个图像;与数据库耦接的事件检测模块,该事件检测模块:基于预定的球类比赛规则确定多个图像中的代表被怀疑为基于指定规则的事件的第一事件的图像的第一子集,并基于预定的球类比赛规则确定多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,该第二事件在基于指定规则的事件之后;与事件检测模块耦接的事件分析模块,该事件分析模块基于预定的球类比赛规则分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于第一事件是否是基于指定规则的事件的裁判员的裁决。
本发明的另一个方面提供了一种用于在球类比赛期间自动检测裁判员的裁决的方法,该方法包括:接收在球类比赛期间生成的球类比赛场地的多个图像;通过事件检测模块基于预定的球类比赛规则确定多个图像中的代表被怀疑为基于指定规则的事件的第一事件的图像的第一子集;通过事件检测模块基于预定的球类比赛规则确定多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,第二事件在基于指定规则的事件之后;以及基于预定的球类比赛规则,由事件分析模块分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于第一事件是否是基于指定规则的事件的裁判员的裁决。
本发明的另一个方面提供了一种用于在球类比赛期间自动检测关于得分事件的裁判员的裁决的系统,该系统包括:数据库,其包括在球类比赛期间生成的球类比赛场地的多个图像;与数据库耦接的事件检测模块,该事件检测模块:基于预定的球类比赛规则确定多个图像中的代表被怀疑为得分事件的第一事件的图像的第一子集,并基于预定的球类比赛规则确定多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,第二事件在得分事件之后;与事件检测模块耦接的事件分析模块,该事件分析模块基于预定的球类比赛规则分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于第一事件是否是基于指定规则的事件的裁判员的裁决。
本发明的另一个方面提供了一种用于在球类比赛期间自动检测关于得分事件的裁判员的裁决的方法,该方法包括:接收在球类比赛期间生成的球类比赛场地的多个图像;通过事件检测模块基于预定的球类比赛规则确定多个图像中的代表被怀疑为得分事件的第一事件的图像的第一子集,以及通过事件检测模块基于预定的球类比赛规则确定多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,该第二事件在得分事件之后;通过事件分析模块基于预定的球类比赛规则来分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于第一事件是否是基于指定规则的事件的裁判员的裁决。
本发明的这些方面、另外的方面和/或其它方面和/或优点在下面的详细描述中阐述、根据该详细描述中可以推断出和/或通过本发明的实践是可知悉。
附图简述
为更好地理解本发明的实施方式,并显示如何可以使其付诸实施,现在将仅以举例的方式参照附图,整个附图中相同的数字表示相应的元件或部分。
在附图中:
图1A至图1C为根据本发明的一些实施方式的用于在球类比赛期间自动检测裁判员的裁决的系统的各种配置方式;
图2A和图2B为根据本发明的一些实施方式的分别在足球和在陆上曲棍球比赛中的特定第二事件的参考模式的示意图;
图3是根据本发明的一些实施方式的用于在球类比赛期间自动检测裁判员的裁决的系统的方法的流程图。
将认识到,为了说明的简单和清楚,图中所示的元素不一定按比例绘制。例如,为了清楚起见,一些元素的尺寸可以相对于其他元素被放大。此外,在认为适当的情况下,参考数字可在多个图中重复以指示对应的或类似的元素。
发明的详细描述
在下面的描述中,描述了本发明的各个方面。为了解释的目的,阐述了具体配置和细节以便提供对本发明的透彻理解。然而,对本领域中的技术人员也将明显的是,本发明可以在没有本文中所提出的具体细节的情况下实践。此外,可以省略或简化众所周知的特征,以免模糊本发明。具体参考附图,要强调的是,所示的细节是通过举例的方式且仅仅是出于对本发明的说明性讨论的目的,并为了提供认为是本发明的原理和概念方面的最有用和容易理解的描述而呈现。在这点上,没有试图以比对本发明的基本理解所必须的细节更详细的程度来显示本发明的结构细节,结合附图的描述使得本领域技术人员明白如何可以在实践中体现本发明的几种形式。
在详细说明本发明的至少一个实施方式之前,应当理解本发明在其应用中不限于在下面描述中阐述的和在附图中示出的结构细节和部件的布置。本发明可适用于可以以各种方式被实践或被实施的其他实施方式以及所公开的实施方式的组合。并且,应理解本文采用的措辞和术语是出于描述的目的而不应被看作是限制性的。
除非另有特别规定,如从下面的讨论明显的,应认识到,在整个说明书讨论中,利用例如“处理”、“计算(computing)”、“计算(calculating)”、“确定”、“增强”等的术语指计算机或计算系统或类似的电子计算设备的动作和/或过程,这些设备操纵被表示为在计算系统的寄存器和/或存储器内的物理量(例如电子量)的数据和/或将表示为在计算系统的寄存器和/或存储器内的物理量(例如电子量)的数据转换成类似地被表示为在计算系统的存储器、寄存器或其它这样的信息存储、传输或显示设备内的物理量的其它数据。任何公开的模块或单元可以至少部分地由计算机处理器实现。
总的来说,提供了用于在球类比赛期间自动检测裁判员的裁决的方法和系统。该方法可以包括接收在球类比赛期间生成的球类比赛场地的多个图像。在各种实施方式中,该多个图像可以是实时生成的,例如在实际球类比赛期间生成,或者这些图像也可以是离线预先录制的图像。该方法还可以包括,通过例如事件检测模块基于预定的球类比赛规则确定该多个图像中的图像的第一子集,图像的第一子集代表被怀疑为基于指定规则的事件(例如得分事件)的第一事件。该方法还可以包括,通过例如事件检测模块基于预定的球类比赛规则确定该多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,第二事件在该基于指定规则的事件之后。该方法还可以包括,通过例如事件分析模块基于预定的球类比赛规则分析第二子集的图像,并进一步基于对第二子集的图像的分析确定关于该第一事件是否是基于指定规则的事件的裁判员的裁决。
现在参照图1A至图1C,图1A至图1C为根据本发明的一些实施方式的用于在球类比赛期间自动检测裁判员的裁决的系统100的各种配置方式;并参照图2A和图2B,图2A和图2B为根据本发明的一些实施方式的分别在足球和在陆上曲棍球比赛中的特定第二事件的参考模式的示意图。
系统100可以包括数据库110。数据库110可以包括在球类比赛期间生成的球类比赛场地90的多个图像112(如在图1A中所示)。
需要注意的是,在本申请中如本文所使用的术语“球类比赛”可以指具有预定球类比赛规则的任何球类比赛,例如但不限于足球、篮球、橄榄球、曲棍球、陆上曲棍球等。
在一些实施方式中,图像112可以是在实际的球类比赛期间实时生成的。可选地或作为补充,图像112可以是(例如在球类比赛期间)预先录制的并被存储在数据库110中用于进一步的分析。
在一些实施方式中,系统100可以包括至少一台相机的至少一个集合120。例如,集合120可以包括第一相机120a、第二相机120b、第三相机120c和/或第四相机120d(例如,如图1B中所示)。集合120中的一台或更多台相机可以被定位在球类比赛场地90的预定位置上。集合120中的一台或更多台相机可以在实际的球类比赛期间实时生成球类比赛场地90的多个图像112,并将多个生成的图像112递送至数据库110。在各种实施方式中,集合120中的一台或更多台相机可以是一台或更多台的全景相机,固定相机或动态相机。
在一些实施方式中,系统100可以包括至少一台相机的多个集合120。多个集合120中的每一个可以位于对应的多个球类比赛场地90中的不同球类比赛场地,以用于例如同时生成在对应的多个球类比赛场地90上进行的对应的多个球类比赛的对应的多个图像。
例如,系统100可以包括位于第一球类比赛场地92处的至少一台相机的第一集合122以及位于第二球类比赛场地94处的至少一台相机的第二集合124(例如,如图1C所示)。一台或更多台相机的第一集合122可以在第一球类比赛期间生成第一球类比赛场地92的第一多个图像112a,和/或一台或更多台相机的第二集合124可以在第二球类比赛期间生成第二球类比赛场地94的第二多个图像112b。一台或更多台相机第一集合122和一台或更多台相机的第二集合124二者可以进一步将第一多个图像112a和第二多个图像112b分别递送至数据库110。
在一些实施方式中,系统100能够同时分析对应于多个球类比赛(例如,第一球类比赛和第二球类比赛)的多组多个(multiple pluralities of images)图像112(例如第一多个图像112a和第二多个图像112b)。
系统100可以包括校准模块118。校准模块118可以与数据库110耦接(例如,如图1A至图1C所示)。校准模块118可以对多个图像112中的每个图像(或多个图像中的至少一些图像)进行校准,从而将其图像中的每个像素与球类比赛场地90上的特定地理位置相关联。
系统100可以包括分类模块130。分类模块130可以与数据库110耦接和/或从数据库110接收多个图像112(例如,如图1A至图1C所示)。
分类模块130可以基于多个图像112或多个图像112中的至少一些图像来确定至少一个背景图像。分类模块130可以基于多个图像112(或多个图像112中的至少一些图像)并基于该至少一个背景图像进一步生成对应的多个前景图像。例如,分类模块130可以从多个图像112中的每个图像(或多个图像112中的至少一些图像)中减去该至少一个背景图像以生成对应的前景图像。
在一些实施方式中,至少一个背景图像包括与球类比赛相关的静止(或基本静止的)对象。例如,至少一个背景图像可以包括代表球类比赛场地90的像素。在各种实施方式中,分类模块130利用机器学习算法来确定和/或更新至少一个背景图像。
在一些实施方式中,前景图像包括与球类比赛相关的感兴趣对象。例如,前景图像可以包括移动的对象,例如第一队的球员、第二队的球员和/或球。
分类模块130可以生成多个图像112中的至少一些图像的分类图像和/或前景图像中的至少一些图像的分类图像。在一些实施方式中,分类图像可以基于预定的球类比赛规则98确定。在一些实施方式中,分类图像中的每个图像可以包括多个像素块,其中该多个像素块中的每个像素块可以表示为与球类比赛相关的预定类别的对象中的特定类别的对象。例如,在足球比赛中,该预定类别的对象可以包括第一队球员、第二队球员、球和/或裁判员。在一些实施方式中,分类模块130对分类图像中的至少一些图像进行滤波从而在其图像中增强该多个像素块。
系统100可以包括事件检测模块140。事件检测模块140可以与分类模块130耦接和/或从分类模块130接收分类图像(例如,如图1A至图1C所示)。
事件检测模块140可以在球类比赛期间基于多个图像112或基于分类图像确定和追踪感兴趣对象(或至少一些感兴趣对象)的位置。例如,事件检测模块140可以在球类比赛期间追踪第一队球员、第二队球员和/或球的位置。在一些实施方式中,事件检测模块140对感兴趣对象的确定的追踪到的位置进行保存和存储。
事件检测模块140还可以在球类比赛期间基于预定的球类比赛规则98以及多个图像112中的图像的第一子集或分类图像的第一子集,确定代表被怀疑为基于指定规则的事件(例如犯规和/或得分事件)的第一事件。
例如,该基于指定规则的事件在足球比赛中可以是得分事件。在此种情况下,第一事件可以包括球在门柱之间且在球门横梁之下完全越过球门线,或至少是射门得分。然而,第一事件也可以不一定被识别为得分事件,因为第一事件可能是在违反了至少一条预定的球类比赛规则98的情况下发生的。例如,得分球队的球员可能犯规,或者将球射入球门的球员可能处于越位位置。
当今,在球类比赛(例如足球比赛)中,关于基于规则的事件的最终裁决是由裁判员做出的。因此就需要检测关于第一事件的裁判员的裁决从而确定该第一事件是否实际上是该基于指定规则的事件。系统100可以进一步跟踪(例如通过事件检测模块140)在球类比赛期间可能发生的后续事件,并且还可以基于后续事件和预定的球类比赛规则98中的至少一个来确定关于该第一事件(例如,该第一事件是否是基于指定规则的事件)的裁判员的裁决。
事件模块140还可以确定多个图像112中的代表第二事件的图像的第二子集,或代表第二事件的分类图像的第二子集,其中根据预定的球类比赛规则98,第二事件在基于指定规则的事件之后。例如,基于指定规则的事件在足球比赛中可以是得分事件且第一事件可以被怀疑是其得分事件(例如,如上文所述)。在这种情况下,第二事件可以包括从球类比赛场地90的中心点重新开始比赛(例如开球)。
在一些实施方式中,数据库110包括在球类比赛期间获取的音频信号。事件检测模块140可以从数据库110接收音频信号并在球类比赛期间确定该音频信号的基线功率。在一些实施方式中,事件检测模块110可以进一步由基线功率确定音频信号功率的偏差,并进一步基于音频信号功率的偏差确定被怀疑为基于指定规则的事件的第一事件。例如,如果音频信号功率超出了基线功率预定的阈值,则在一些实施方式中,这可能是基于指定规则的事件的指示。
系统100可以包括事件分析模块150。事件分析模块150可以与事件检测模块140耦接。事件分析模块150可以基于预定的球类比赛规则98分析第二子集的图像并进一步基于对第二子集的图像的分析确定关于第一事件的裁判员的裁决(例如第一事件是否是基于指定规则的事件)。
事件分析模块150可以基于预定的球类比赛规则98确定第二事件的至少一个参考模式,其中根据预定的球类比赛规则98,第二事件在该基于指定规则的事件之后。事件分析模块150可以基于至少一个参考模式进一步分析第二子集的图像(例如代表第二事件),从而验证该第二事件是否符合(conformal with)该至少一个参考模式。事件分析模块150在其验证之后可以进一步确定关于第一事件的裁判员的裁决(例如被怀疑为基于指定规则的事件的第一事件是否实际上是基于指定规则的事件)。
例如,图2A示出了第二事件的至少一个参考模式,包括发生在足球比赛中的得分事件后的从球类比赛场地90的中心点92重新开始比赛。在这种情况下,第二事件的至少一个参考模式可以至少包括以下内容:(i)球93在球类比赛场地90的中心点92处;(ii)在球场90的中圈92a内仅有同一队94的两名球员94a且球93在这两名球员94a之间;(iii)第一队球员94和第二队球员95是静止的(或基本静止的);和/或(iv)第一队球员94和第二队球员95均处在球类比赛场地90的相反半场中(例如,如图2A中所示)。
在另一示例中,图2B示出了第二事件的至少一个参考模式,包括在陆上曲棍球比赛中在球类比赛场地90的罚球圈96中防守球队95犯规之后的罚近角球。在这种情况下,第二事件的至少一个参考模式可以至少包括以下内容:(i)最多5名防守球员在端线后面排列,或者在球门中或者在距离球至少5米的端线上;(ii)防守球队95的所有其他球员都在球类比赛场地90的中线后面;(iii)一位进攻球员94a将自己置于端线上,球93在距球门两侧最近的球门柱至少10米远的圆圈内;(iv)其余的进攻队员94将他们自己置于射门圈外的场地上;以及(v)端线上除了进攻球员94a以外的所有球员都不得使他们身体的任何部位或棍在圆圈内或中线97上触地,直到球93开球为止(例如,如图2B中所示)。
在各种实施方式中,事件分析模块150基于代表第二事件的第二子集的图像、预定的球类比赛规则98和/或第二事件的至少一个参考模式,确定两个比赛队伍中做了第一事件(例如被裁判员确定为基于指定规则的事件)的一个队伍(例如,第一队或第二队)。重新以足球比赛中的得分事件为例(例如上文所述),事件分析模块150可以基于代表第二事件的第二子集的图像确定从球场90中心点重新开始比赛的球队(例如通过确定在中圈内的球员所穿衣服的颜色),并基于预定的球类比赛规则98确定对手球队取得了进球。
在一些实施方式中,事件分析模块150包括对应于球类比赛中的多种基于指定规则的事件(例如犯规、越位、得分等)的多个至少一个参考模式。在一些实施方式中,参考模式基于预定的球类比赛规则98确定。在各种实施方式中,事件分析模块150利用机器学习算法来确定和/或更新其参考模式。
系统100可以包括输出模块160。输出模块160可以与事件分析模块150和/或事件检测模块140耦接(例如,如图1A至图1C所示)。输出模块160可以基于确定的关于第一事件的裁判员的裁决生成与该第一事件相关的至少一个输出。
在一些实施方式中,该至少一个输出包括在球类比赛期间关于该第一事件/基于指定规则的事件的通知。该通知可以例如被递送给系统100的至少一个用户。
在一些实施方式,该至少一个输出包括代表该第一事件的至少一段视频片段。例如,输出模块160可以从事件检测模块140或从事件分析模块150接收代表第一事件的第一子集的图像,并进一步基于第一子集的图像生成对应的代表该第一事件的视频片段。在一些实施方式中,输出模块160可以基于关于第一事件的裁判员的裁决更新数字化的基于指定规则的事件的表格。
根据一些实施方式,系统100被布置成在球类比赛期间自动检测关于得分事件的裁判员的裁决。事件检测模块140可以基于预定的球类比赛规则98确定代表被怀疑为得分事件的第一事件的在多个图像中的图像的第一子集(例如,如上文关于图1A至图1C所描述的)。在一些实施方式中,第一事件在球类比赛场地90的进球区域(例如两个进球区域之一)上发生。
事件检测模块140可以进一步基于预定的球类比赛规则确定多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,第二事件在得分事件之后(例如,如上文关于图1A至图1C所描述的)。在一些实施方式中,第二事件在球类比赛场地90的特定区域发生。在一些实施方式中,该特定区域不是进球区域。例如,该特定区域可以是围绕球类比赛场地90的中心点的预定面积(例如,如上文关于图2A所描述的)。
事件分析模块150可以基于预定的球类比赛规则分析第二子集的图像并进一步基于对第二子集的图像的分析确定关于第一事件的裁判员的裁决(例如,第一事件是否是基于指定规则的事件;如上文关于图1A至图1C所述)。
现在参考图3,图3为根据本发明的一些实施方式的在球类比赛期间自动检测裁判员的裁决的方法200的流程图。
方法200可以由可被布置为实现方法200的系统100实现。需要注意的是,方法200并不限于图3中所示出的流程图以及对应的描述。例如,在各种实施方式中,方法200不需要移动经过每个示出的框或阶段,或按照与图示和描述完全相同的顺序移动。
方法200可以包括接收(阶段210)在球类比赛期间生成的球类比赛场地的多个图像。在各种实施方式中,该多个图像是在实际球类比赛期间生成的实时图像,或者该多个图像是在球类比赛期间预先录制的离线图像(例如,如上文关于图1A至图1C所描述的)。
在一些实施方式中,方法200包括接收(阶段212)多组多个图像,其中多组多个图像中的每组多个图像是在对应的多个球类比赛中的不同球类比赛期间生成的(例如,如上文关于图1A至图1C所描述的)。在一些实施方式中,方法200包括同时分析(阶段214)多组多个图像(例如,如上文关于图1A至图1C所描述的)。
方法200可以包括校准(阶段216)多个图像从而将图像中的每个像素与球类比赛场地上的具体地理位置相关联(例如通过校准模块118,如上文关于图1A至图1C所述)。
方法200可以包括基于多个图像或基于多个图像中的至少一些图像生成(阶段220)至少一个背景图像(例如通过分类模块130,如上文关于图1A至图1C所述)。在一些实施方式中,方法200包括利用机器学习算法来确定和/或更新该至少一个背景图像(阶段222)。
在一些实施方式中,方法200包括基于多个图像(或多个图像中的至少一些图像)并基于至少一个背景图像生成(阶段224)对应的多个前景图像(例如通过分类模块130,如上文关于图1A至图1C所述)。
方法200可以包括基于预定的球类比赛规则生成(阶段230)多个图像中至少一些图像的分类图像和/或前景图像中至少一些图像的分类图像(例如通过分类模块130,如上文关于图1A至图1C所述)。在一些实施方式中,分类图像中的每个图像包括多个像素块,其中该多个像素块中的每个像素块表示与球类比赛相关的预定类别的对象中的特定类别的对象(例如,如上文关于图1A至图1C所描述的)。
方法200可以包括在球类比赛期间基于多个图像或基于分类图像,确定和追踪(阶段232)感兴趣对象(或至少一些感兴趣对象)的位置(例如通过事件检测模块140,如上文关于图1A至图1C所述)。
方法200可以包括基于预定的球类比赛规则确定(阶段240)多个图像中图像的第一子集或分类图像的第一子集,该第一子集代表了在球类比赛期间被怀疑为基于指定规则的事件的第一事件(例如通过事件检测模块140,如上文关于图1A至图1C所述)。在一些实施方式中,该基于指定规则的事件为得分事件。
方法200可以包括确定(阶段242)多个图像中图像的或分类图像的、代表第二事件的第二子集,其中根据预定的球类比赛规则,第二事件在该基于指定规则的事件之后(例如通过事件检测模块140,如上文关于图1A至图1C所述)。
在一些实施方式中,方法200包括接收(阶段244)球类比赛期间获取的音频信号,确定该音频信号的基线功率,由基线功率确定音频信号功率的偏差,并进一步基于音频信号功率的偏差确定被怀疑为基于指定规则的事件的第一事件(例如通过事件检测模块140,如上文关于图1A至图1C所述)。
方法200可以包括基于预定的球类比赛规则分析(阶段250)第二子集的图像并进一步基于对第二子集的图像的分析确定关于第一事件的裁判员的裁决(例如第一事件是否是基于指定规则的事件)(例如通过事件分析模块150,如上文关于图1A至图1C所述)。
在一些实施方式中,方法200包括基于预定的球类比赛规则确定(阶段252)第二事件的至少一个参考模式,其中根据预定的球类比赛规则,第二事件在基于指定规则的事件之后(例如通过事件分析模块150,如上文关于图1A至图1C和图2A至图2B所述)。在一些实施方式中,方法200包括利用机器学习算法来确定和/或更新第二事件的参考模式(阶段253)。
在一些实施方式中,方法200包括基于至少一个参考模式分析(阶段254)第二子集的图像(例如代表第二事件),从而验证该第二事件是否符合该至少一个参考模式(例如通过事件分析模块150,如上文关于图1A至图1C所述)。
在一些实施方式中,方法200包括在验证之后确定(阶段256)裁判员的裁决,即被怀疑为基于指定规则的事件的第一事件实际上是基于指定规则的事件(例如通过事件分析模块150,如上文关于图1A至图1C所述)。
在各种实施方式中,方法200包括基于代表第二事件的第二子集的图像、预定的球类比赛规则和/或第二事件的至少一个参考模式来确定(阶段258),两个比赛队伍中做了第一事件(例如被裁判确定为基于指定规则的事件)的一只队伍(例如第一队或第二队)(例如通过事件分析模块150,如上文关于图1A至图1C所述)。
方法200还包括基于确定的裁判员的第一事件是基于指定规则的事件的裁决,生成(阶段260)与第一事件相关的至少一个输出(例如通过输出模块160,如上文关于图1A至图1C所述)。
在一些实施方式中,方法200包括在球类比赛期间对(例如被裁判员确定为基于指定规则的)第一事件的相关的用户进行通知(阶段262)(例如通过输出模块160,如上文关于图1A至图1C所述)。
在一些实施方式中,方法200包括基于代表第一事件的第一子集的图像生成(阶段264)至少一个代表第一事件的视频片段(例如通过输出模块160,如上文关于图1A至图1C所述)。
在一些实施方式中,该基于指定规则的事件为得分事件且方法200包括基于关于第一事件的裁判员的裁决来更新(阶段266)数字得分表格(例如通过输出模块160,如上文关于图1A至图1C所述)。
根据一些实施方式,方法200可以在球类比赛期间自动检测关于得分事件的裁判员的裁决。方法200可以包括,通过例如事件检测模块140基于预定的球类比赛规则确定(阶段270)多个图像中图像的第一子集,图像的第一子集代表了被怀疑为得分事件的第一事件。(例如,如上文关于图1A至图1C所描述的)。
方法200可以包括基于预定的球类比赛规则例如由事件检测模块140确定(阶段272)多个图像中的代表第二事件的图像的第二子集,其中根据预定的球类比赛规则,第二事件在得分事件之后(例如,如上文关于图1A至图1C所描述的)。
方法200可以包括例如通过事件分析模块150基于预定的球类比赛规则分析(阶段274)第二子集的图像并进一步基于对第二子集的图像的分析确定关于第一事件的裁判员的裁决(例如,如上文关于图1A至图1C所描述的)。
有利地,所公开的系统和方法能够实现对在球类比赛期间关于基于规则的事件的裁判员的裁决的自动检测,从而客服了现有系统针对体育事件分析的缺陷。公开的自动系统和方法进一步实现了对在多个球类比赛场地进行的多场球类比赛的同时分析。
参考根据本发明实施方式的方法、装置(系统)和计算机程序产品的流程图图示和/或部分图描述了本发明的各方面。将理解的是,可通过计算机程序指令实施流程图图示和/或部分图的每个部分,以及流程图图示和/或部分图中的部分的组合。这些计算机程序指令可被提供到通用计算机的、专用计算机的或用于生产机器的其他可编程数据处理装置的处理器,使得经由计算机的或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或部分图中或其部分中所特定的功能/行为。
这些计算机程序指令还可存储在计算机可读介质中,所述指令可指导计算机、其他可编程数据处理装置或其他设备以特定方式起作用,以使存储在计算机可读介质中的指令产生制造的物品,其包括实施流程图和/或部分图的一个或更多个部分中所特定的功能/行为的指令。计算机程序指令还可被载入到计算机、其他可编程数据处理装置或其他设备,以使将在计算机、其他可编程装置或其他设备上执行的一系列操作步骤产生计算机实现的过程,使得在计算机或其他可编程装置上执行的指令提供用于实施流程图和/或部分图的一个部分或更多个部分中指定的功能/行为的过程。
前述的流程图和图例示出了根据本发明的各种实施方式的系统、方法和计算机程序产品的可能的实施的架构、功能性和操作。在这点上,流程图或部分图中的每个部分可以代表模块、片段或代码的一部分,代码包括一个或更多个用于实施特定逻辑功能的可执行指令。还应当指出的是,在一些可选的实施方式中,在部分中指出的功能可以以在附图中指出的顺序以外的顺序发生。例如,连续示出的两个部分可实际上实质上同时被执行,或部分有时可以按相反的顺序执行,取决于所涉及的功能。还应当指出的是,部分图和/或流程图图示中的每个部分,以及部分图和/或流程图图示中的部分的组合,可以由进行指定功能或动作的基于专用硬件的系统或专用硬件和计算机指令的组合来实施。
在上述描述中,实施方式是本发明的例子或实现。“一个(one)实施方式”、“实施方式(an embodiment)”、“某些实施方式”或“一些实施方式”的各个出现不一定全部是指相同的实施方式。尽管本发明的各种特征可以在单个实施方式的上下文中进行描述,然而这些特征也可以单独地或以任何合适的组合提供。相反,尽管为了清楚起见,本发明可在本文中在分开的实施方式的上下文中进行描述,然而本发明也可以在单个实施方式中实现。本发明的某些实施方式可以包括来自上述公开的不同实施方式的特征,并且某些实施方式可以结合来自上述公开的其它实施方式的元素。本发明在特定实施方式的上下文中对元素的公开不应被理解为将其使用限制在单独的特定实施方式中。而且,应当理解,本发明可以以各种方式完成或实践,并且,本发明可以在不同于上述描述中阐述的实施方式的某些实施方式中实现。
本发明并不限于这些图或相应的描述。例如,流程不需要移动经过每个示出的框或状态,或按照与图示和描述完全相同的顺序移动。本文使用的技术和科学术语的含义是如本发明所属领域的普通技术人员通常理解的含义,除非另有规定。虽然本发明关于有限数量的实施方式进行了描述,但是这些不应被解释为对本发明的范围的限制,而是应作为一些优选实施方式的示例。其他可能的变化、修改和应用也落入本发明的范围内。相应地,本发明的范围不应被迄今为止已经描述的内容限定,而是由所附的权利要求及其法律等效物限定。
Claims (18)
1.一种用于在球类比赛期间自动检测裁判员的裁决的系统,所述系统包括:
数据库,其包括在所述球类比赛期间生成的球类比赛场地的多个图像;
事件检测模块,其与所述数据库耦接,所述事件检测模块:
基于预定的球类比赛规则确定所述多个图像中的图像的第一子集,所述图像的第一子集代表被怀疑为基于指定规则的事件的第一事件,以及
基于所述预定的球类比赛规则确定所述多个图像中的代表第二事件的图像的第二子集,其中根据所述预定的球类比赛规则,所述第二事件在所述基于指定规则的事件之后;
事件分析模块,其与所述事件检测模块耦接,所述事件分析模块基于所述预定的球类比赛规则分析所述第二子集的图像,并进一步基于对所述第二子集的图像的分析来确定关于所述第一事件是否为所述基于指定规则的事件的裁判员的裁决。
2.根据权利要求1所述的系统,还包括与所述数据库和所述事件检测模块耦接的分类模块,所述分类模块基于所述多个图像中的至少一些图像以及所述预定的球类比赛规则生成所述图像的分类图像。
3.根据权利要求3所述的系统,其中,所述分类图像中的每个图像包括多个像素块,并且其中所述多个像素块中的每个像素块被表示为与所述球类比赛相关的预定类别的对象中的特定类别的对象。
4.根据权利要求1所述的系统,其中,所述事件分析模块基于所述预定的球类比赛规则确定所述第二事件的至少一个参考模式,其中根据所述预定的球类比赛规则,所述第二事件在所述基于指定规则的事件之后。
5.根据权利要求4所述的系统,其中,所述事件分析模块基于所述至少一个参考模式分析所述第二子集的图像,从而验证所述第二事件是否符合所述至少一个参考模式,并且经所述验证后进一步确定关于所述第一事件的所述裁判员的裁决。
6.根据权利要求1所述的系统,还包括与所述事件检测模块和所述事件分析模块耦接的输出模块,所述输出模块基于关于所述第一事件的所述裁判员的裁决生成与所述第一事件相关的至少一个输出。
7.根据权利要求6所述的系统,其中,所述至少一个输出包括以下中的至少一项:关于在所述球类比赛期间的所述第一事件的通知、代表所述第一事件的至少一个视频片段、针对数字化的基于指定规则事件的表格的更新。
8.根据权利要求1所述的系统,还包括位于所述球类比赛场地的至少一台相机的至少一个集合,其中所述至少一台相机在实际的球类比赛期间生成所述球类比赛场地的多个实时图像并将所述球类比赛场地的所述图像递送至所述数据库。
9.根据权利要求1所述的系统,还包括至少一台相机的多个集合,其中所述至少一台相机的所述多个集合中的每个集合位于对应的多个球类比赛场地中的不同球类比赛场地,并配置为生成在所述对应的多个球类比赛场地处的对应的多个球类比赛的对应的多组多个图像,并且其中所述系统同时对所述多组多个图像进行分析。
10.一种用于在球类比赛期间自动检测关于得分事件的裁判员的裁决的系统,所述系统包括:
数据库,其包括在所述球类比赛期间生成的球类比赛场地的多个图像;
事件检测模块,其与所述数据库耦接,所述事件检测模块:
基于预定的球类比赛规则确定所述多个图像中的图像的第一子集,所述图像的第一子集代表被怀疑为得分事件的第一事件,以及
基于所述预定的球类比赛规则确定所述多个图像中的代表第二事件的图像的第二子集,其中根据所述预定的球类比赛规则,所述第二事件在所述得分事件之后;
事件分析模块,其与所述事件检测模块耦接,所述事件分析模块基于所述预定的球类比赛规则分析所述第二子集的图像,并进一步基于对所述第二子集的图像的分析确定关于所述第一事件是否是基于指定规则的事件的裁判员的裁决。
11.一种用于在球类比赛期间自动检测裁判员的裁决的方法,所述方法包括:
接收在所述球类比赛期间生成的球类比赛场地的多个图像;
基于预定的球类比赛规则确定所述多个图像中的图像的第一子集,所述图像的第一子集代表被怀疑为基于指定规则的事件的第一事件;
基于所述预定的球类比赛规则确定所述多个图像中的代表第二事件的图像的第二子集,其中根据所述预定的球类比赛规则,所述第二事件在所述基于指定规则的事件之后;以及
基于所述预定的球类比赛规则分析所述第二子集的图像,并进一步基于对所述第二子集的图像的分析确定关于所述第一事件是否是所述基于指定规则的事件的裁判员的裁决。
12.根据权利要求11所述的方法,还包括通过分类模块基于所述多个图像中的至少一些图像和所述预定的球类比赛规则来生成所述图像的分类图像。
13.根据权利要求12所述的方法,其中,所述分类图像中的每个图像包括多个像素块,并且其中所述多个像素块中的每个像素块被表示为与所述球类比赛相关的预定类别的对象中的特定类别的对象。
14.根据权利要求11所述的方法,还包括通过所述事件分析模块基于所述预定的球类比赛规则确定所述第二事件的至少一个参考模式,其中根据所述预定的球类比赛规则,所述第二事件在所述基于指定规则的事件之后。
15.根据权利要求14所述的方法,还包括通过所述事件分析模块基于所述至少一个参考模式来分析所述第二子集的图像,从而验证所述第二事件是否符合所述至少一个参考模式,并且经所述验证后进一步确定关于所述第一事件的所述裁判员的裁决。
16.根据权利要求11所述的方法,还包括通过输出模块基于关于所述第一事件的所述裁判员的裁决生成与所述第一事件相关的至少一个输出。
17.根据权利要求16所述的系统,其中,所述至少一个输出包括以下中的至少一项:关于在所述球类比赛期间的所述第一事件的通知、代表所述第一事件的至少一个视频片段、针对数字化的基于指定规则事件的表格的更新。
18.一种用于在球类比赛期间自动检测关于得分事件的裁判员的裁决的方法,所述方法包括:
接收在所述球类比赛期间生成的球类比赛场地的多个图像;
基于预定的球类比赛规则确定所述多个图像中的图像的第一子集,所述图像的第一子集代表被怀疑为得分事件的第一事件,
基于所述预定的球类比赛规则确定所述多个图像中的代表第二事件的图像的第二子集,其中根据所述预定的球类比赛规则,所述第二事件在所述得分事件之后;
基于所述预定的球类比赛规则分析所述第二子集的图像,并基于对所述第二子集的图像的分析进一步确定关于所述第一事件是否是所述基于指定规则的事件的裁判员的裁决。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862675190P | 2018-05-23 | 2018-05-23 | |
US62/675,190 | 2018-05-23 | ||
PCT/IL2019/050580 WO2019224821A1 (en) | 2018-05-23 | 2019-05-22 | System and method for automatic detection of referee's decisions in a ball-game |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112771571A true CN112771571A (zh) | 2021-05-07 |
Family
ID=68617239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980046740.XA Pending CN112771571A (zh) | 2018-05-23 | 2019-05-22 | 用于在球类比赛中自动检测裁判员的裁决的方法和系统 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11568184B2 (zh) |
EP (1) | EP3797400B1 (zh) |
JP (1) | JP2021525127A (zh) |
CN (1) | CN112771571A (zh) |
CA (1) | CA3101087A1 (zh) |
IL (1) | IL278884B2 (zh) |
WO (1) | WO2019224821A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102626100B1 (ko) * | 2021-11-30 | 2024-01-17 | 마이스포 주식회사 | 배드민턴 경기의 파울 판정 시스템 및 시스템의 동작 방법 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030122657A1 (en) * | 2002-01-03 | 2003-07-03 | Hodsdon Kelly P. | Officiating system |
WO2004014061A2 (en) * | 2002-08-02 | 2004-02-12 | University Of Rochester | Automatic soccer video analysis and summarization |
FR2843849A1 (fr) * | 2002-08-23 | 2004-02-27 | Karim Kaci | Procede d'assistance pour l'arbitrage et installation pour sa mise en oeuvre |
ITRM20060110A1 (it) * | 2006-03-03 | 2007-09-04 | Cnr Consiglio Naz Delle Ricerche | Metodo e sistema per la rilevazione automatica di eventi in ambito sportivo |
US20130190903A1 (en) * | 2012-01-19 | 2013-07-25 | Nike, Inc. | Action Detection and Activity Classification |
JP2015070503A (ja) * | 2013-09-30 | 2015-04-13 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
US20170102480A1 (en) * | 2015-10-09 | 2017-04-13 | Stratom, Inc. | Field of play boundary detection system |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150297949A1 (en) | 2007-06-12 | 2015-10-22 | Intheplay, Inc. | Automatic sports broadcasting system |
US8214741B2 (en) | 2002-03-19 | 2012-07-03 | Sharp Laboratories Of America, Inc. | Synchronization of video and data |
ITRM20050192A1 (it) * | 2005-04-20 | 2006-10-21 | Consiglio Nazionale Ricerche | Sistema per la rilevazione e la classificazione di eventi durante azioni in movimento. |
US9398213B1 (en) * | 2014-07-11 | 2016-07-19 | ProSports Technologies, LLC | Smart field goal detector |
US9646387B2 (en) * | 2014-10-15 | 2017-05-09 | Comcast Cable Communications, Llc | Generation of event video frames for content |
-
2019
- 2019-05-22 US US16/637,775 patent/US11568184B2/en active Active
- 2019-05-22 EP EP19807664.8A patent/EP3797400B1/en active Active
- 2019-05-22 CN CN201980046740.XA patent/CN112771571A/zh active Pending
- 2019-05-22 IL IL278884A patent/IL278884B2/en unknown
- 2019-05-22 WO PCT/IL2019/050580 patent/WO2019224821A1/en unknown
- 2019-05-22 CA CA3101087A patent/CA3101087A1/en active Pending
- 2019-05-22 JP JP2020565379A patent/JP2021525127A/ja active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030122657A1 (en) * | 2002-01-03 | 2003-07-03 | Hodsdon Kelly P. | Officiating system |
WO2004014061A2 (en) * | 2002-08-02 | 2004-02-12 | University Of Rochester | Automatic soccer video analysis and summarization |
FR2843849A1 (fr) * | 2002-08-23 | 2004-02-27 | Karim Kaci | Procede d'assistance pour l'arbitrage et installation pour sa mise en oeuvre |
ITRM20060110A1 (it) * | 2006-03-03 | 2007-09-04 | Cnr Consiglio Naz Delle Ricerche | Metodo e sistema per la rilevazione automatica di eventi in ambito sportivo |
US20130190903A1 (en) * | 2012-01-19 | 2013-07-25 | Nike, Inc. | Action Detection and Activity Classification |
JP2015070503A (ja) * | 2013-09-30 | 2015-04-13 | キヤノン株式会社 | 情報処理装置、情報処理方法及びプログラム |
US20170102480A1 (en) * | 2015-10-09 | 2017-04-13 | Stratom, Inc. | Field of play boundary detection system |
Also Published As
Publication number | Publication date |
---|---|
EP3797400A1 (en) | 2021-03-31 |
US20210248415A1 (en) | 2021-08-12 |
IL278884A (en) | 2021-01-31 |
EP3797400B1 (en) | 2023-08-09 |
IL278884B1 (en) | 2023-08-01 |
US11568184B2 (en) | 2023-01-31 |
WO2019224821A1 (en) | 2019-11-28 |
IL278884B2 (en) | 2023-12-01 |
JP2021525127A (ja) | 2021-09-24 |
CA3101087A1 (en) | 2019-11-28 |
EP3797400A4 (en) | 2021-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2001089639A1 (en) | A golf training and game system | |
US11138744B2 (en) | Measuring a property of a trajectory of a ball | |
Fu et al. | Screen-strategy analysis in broadcast basketball video using player tracking | |
WO2018122956A1 (ja) | スポーツ動作解析支援システム、方法およびプログラム | |
Adie et al. | When in doubt, it’s not out: Match format is associated with differences in elite-level cricket umpires’ leg-before-wicket decisions | |
Talty et al. | Agility demands of Gaelic football match-play: A time-motion analysis | |
CN112771571A (zh) | 用于在球类比赛中自动检测裁判员的裁决的方法和系统 | |
DK180109B1 (en) | Method and device for user interaction with a video stream | |
US20200054930A1 (en) | Method, system and computer program for automatic refereeing | |
Leong et al. | Computer vision approach to automatic linesman | |
de Pádua et al. | A vision-based system to support tactical and physical analyses in futsal | |
AU2007237231B2 (en) | Player Position Validation Interface | |
RU2599699C1 (ru) | Способ регистрации и анализа соревновательных игровых действий спортсменов | |
Monier et al. | A computer vision based tracking system for indoor team sports | |
US20240020874A1 (en) | Device, computer program and method | |
CN114038029A (zh) | 一种违规运动员识别方法、装置、设备及介质 | |
Matos Flores | Semi-automatic basketball jump shot annotation using multi-view activity recognition and deep learning | |
Vieira et al. | An image processing player acquisition and tracking system for e-sports | |
Ahmadi et al. | Arbitration management with using artificial intelligence technology (the sample: Goal-line Technology in Football) | |
US20230230376A1 (en) | Method, computer program, apparatus and system | |
Conci et al. | Accessible Video Analytics: the Use Case of Basketball | |
US20240062407A1 (en) | Data processing apparatus and method | |
EP4325443A1 (en) | Data processing apparatus and method | |
WO2023286068A1 (en) | Device for assisting sports coach and method implementing the same | |
Link et al. | Vanishing Spray Reduces Extent of Rule Violations |
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 |