CN112883862B - 投篮识别方法、装置、计算机设备和存储介质 - Google Patents
投篮识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112883862B CN112883862B CN202110175671.1A CN202110175671A CN112883862B CN 112883862 B CN112883862 B CN 112883862B CN 202110175671 A CN202110175671 A CN 202110175671A CN 112883862 B CN112883862 B CN 112883862B
- Authority
- CN
- China
- Prior art keywords
- ball
- shooting
- player
- determining
- image model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000009471 action Effects 0.000 claims abstract description 102
- 230000008859 change Effects 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 26
- 238000010009 beating Methods 0.000 claims description 10
- 230000005484 gravity Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000001845 vibrational spectrum Methods 0.000 description 2
- XSTXAVWGXDQKEL-UHFFFAOYSA-N Trichloroethylene Chemical compound ClC=C(Cl)Cl XSTXAVWGXDQKEL-UHFFFAOYSA-N 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
- G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种投篮识别方法、装置、计算机设备和存储介质。所述方法包括:接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员;依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中;根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员;若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。采用本方法能够提高投篮识别准确率。
Description
技术领域
本申请涉及位置定位分析技术领域,特别是涉及一种投篮识别方法、装置、计算机设备和存储介质。
背景技术
篮球赛事中,赛场上的球员在做出投篮动作时,可以对应多种不同的投篮情况,而识别并统计投篮事件是一场篮球赛事中非常重要的环节。传统的方法中一般通过场外人员人眼观察识别或者通过计算机视觉类技术识别。
然而,赛场上投篮动作随时都有可能发生,在投篮动作发生时可能会存在多名球员间位置重叠或者遮挡的情况,因此,基于人眼观察或者计算机视觉类技术去识别或统计投篮事件准确性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种投篮识别方法、装置、计算机设备和存储介质。
一种投篮识别方法,所述方法包括:
接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;
根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型。
在其中一个实施例中,依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中,包括:
获取赛场模型和所述目标对象的特征画像模型,依次识别所述赛场模型对应的赛场坐标系下的所述位置帧序列中以时间先后顺序的每一位置帧;
根据每一所述位置帧中包含的每一位置坐标与每一所述目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的所述目标对象特征画像模型的位置坐标组中。
在其中一个实施例中,所述根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员,包括:
根据所述位置坐标组中的位置坐标,计算当前时间段内所述球与赛场上全部所述球员间的位置距离和所述位置距离的维持时间;
当存在目标球员与所述球间的位置距离满足预设距离阈值,且所述位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将所述目标球员确定为持球球员。
在其中一个实施例中,所述若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述持球球员的特征画像模型中的位置坐标组与所述球的特征画像模型中的位置坐标组,计算当前时间段内所述持球球员与所述球之间的位置关系;
若所述当前时间段内所述球与所述持球球员间的水平距离在预设阈值之内,所述球在以所述持球球员重心垂直于地面的方向上做往复运动,则确定所述持球球员进行拍球动作;
在所述拍球动作之后,根据所述球的位置坐标中竖轴坐标变化大于预设高度阈值,确定所述持球球员执行急停投篮动作;所述预设高度阈值基于所述持球球员的身高数据确定。
在其中一个实施例中,所述若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述持球球员的特征画像模型中的位置坐标组与所述球的特征画像模型中的位置坐标组,计算当前时间段内所述持球球员与所述球之间的位置关系;
若所述当前时间段内所述球的位置坐标中竖轴坐标变化大于预设高度阈值,确定所述持球球员发生接球投篮动作;所述预设高度阈值基于所述持球球员的身高数据确定。
在其中一个实施例中,在所述确定发生投篮事件和所述持球球员的投篮动作类型之前,所述方法还包括:
根据所述球对应的特征画像模型中的位置坐标组,计算在当前时间段内所述球的运行轨迹;
根据所述球的运行轨迹以及所述球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及所述目标篮筐对应的投篮判定区;所述投篮判定区是基于篮筐位置的预设标注区域;
所述确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述球的运行轨迹和所述投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据所述投篮动作确定发生投篮事件和所述持球球员的投篮动作类型。
在其中一个实施例中,所述方法还包括:
若所述球的运行轨迹进入所述投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定所述投篮事件的投篮结果为投篮未命中;
若所述球的运行轨迹进入所述投篮判定区,且根据所述投篮判定区以及接收到的所述篮网传感器的第一检测信号,确定所述投篮结果为投篮命中;
若所述球的运行轨迹进入所述投篮判定区,根据所述判定区以及接收到的所述篮网传感器的第二检测信号,确定所述投篮结果为投篮未命中。
一种投篮识别装置,所述装置包括:
接收模块,用于接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
更新模块,用于依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;
第一确定模块,用于根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
第二确定模块,用于若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;
根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;
根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型。
上述投篮识别方法、装置、计算机设备和存储介质,接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型。采用本方法,通过对球和球员位置帧中的位置坐标数据进行分析,结合投篮判定区判定球的运动轨迹,识别球员投篮动作类型,提高投篮识别准确性。
附图说明
图1为一个实施例中投篮识别方法的流程示意图;
图2为一个实施例中球特征信息数据结构示意图;
图3为一个实施例中球员特征信息数据结构示意图;
图4为一个实施例中识别位置帧中位置坐标的步骤的流程示意图;
图5为一个实施例中赛程模型中的赛场坐标系示意图;
图6为一个实施例中确定持球球员步骤的流程示意图;
图7为一个实施例中确定投篮事件和投篮动作类型的方法的流程示意图;
图8为另一个实施例中确定投篮事件和投篮动作类型的方法的流程示意图;
图9为一个实施例中判定投篮事件结果的方法的流程示意图;
图10为一个实施例中赛场模型的投篮判定区的示意图;
图11为一个实施例中确定投篮事件结果的步骤的流程示意图;
图12为一个实施例中投篮识别装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种投篮识别方法,本实施例以该方法应用于服务器进行举例说明,可以理解的是,该方法也可以应用于终端,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,该方法包括以下步骤:
步骤101,接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员。
其中,赛场内每一目标对象都携带有定位信号发送装置(例如,蓝牙定位标签),通过该定位信号发送装置实时发送定位信号(例如,蓝牙定位信号)给定位分析设备,定位分析设备接收到定位信号之后,对定位信号进行分析处理,得到赛场内全部目标对象的位置坐标,然后,将赛场内的同一时刻下全部目标对象的位置坐标封装为一个位置帧发送至计算机设备(也可以称为服务器)。
在实施中,计算机设备(服务器的简称)接收目标对象的基于时间顺序的位置帧序列。每一位置帧中包含球和球员(目标对象)的位置坐标,以篮球赛事为例,则每一位置帧中包括1个篮球和10名球员的位置坐标,该位置帧的时间序列的起始时刻可以确定为一场篮球比赛的起始时刻,时间序列的终止时刻为篮球比赛的终止时刻。具体地,计算机设备可以将每一位置帧作为一个同步处理单元,即针对每一位置帧的数据,计算机设备应用多个线程进行同步处理。
例如,每一位置帧中包含赛场内的10名篮球球员和1个篮球的位置坐标,则计算机设备可以针对每一位置帧中的11个数据应用11个线程进行同步处理,各线程之间的数据可以共享,以保证信息的同步性。可选地,针对计算机设备处理数据的线程数目,可以少于目标对象数目,也可以多于或者等于目标对象的数目,本实施例不做限定。
步骤102,依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中。
在实施中,计算机设备依次识别位置帧序列中每一位置帧包含的位置坐标(例如,11个),并将对应每一目标对象的位置坐标分别添加至该目标对象的特征画像模型的位置坐标组中。
步骤103,根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员。
在实施中,计算机设备分别根据球和球员位置坐标组中的位置坐标,计算每一时刻下球与全部球员间的位置距离和位置时间关系(即位置距离的维持时间关系),并根据位置距离和位置时间关系,在赛场内全部球员间确定持球球员。
步骤104,若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。
其中,针对持球球员的特征画像模型中存储的位置坐标组,计算机设备可以按照更新频率进行处理,例如,比赛开始t0时刻,持球球员位置坐标k0(可以为三维坐标,k0不限定坐标维度),则位置坐标组中仅包含位置坐标{k0},计算机设备处理位置坐标组中的{k0}数据,随着比赛的持续,t1时刻,t2时刻,t3时刻……对应的持球球员的位置坐标为k1,k2,k3……则位置坐标组中包含位置坐标{k0,k1,k2,k3……}进而计算机设备处理位置坐标组中的数据{k0,k1,k2,k3……},分析目标对象的位置变化。
在实施中,若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,则计算机设备确定发生投篮事件,同时也可以根据位置变化确定出投篮事件中持球球员的投篮动作类型,针对不同的投篮动作类型,对应的也可以将投篮事件进行细分。
上述投篮识别方法中,接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员;依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中;根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员;若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。采用本方法,通过对球和球员位置帧中的位置坐标数据进行分析,结合投篮判定区判定球的运动轨迹,识别球员投篮动作类型,提高投篮识别准确性。
在一个实施例中,球对应的特征画像模型中的特征信息包括球标识、基于时间序列的位置帧中球位置坐标组和当前球位置坐标;还包括持球球员标识、所处比赛标识、是否在投篮判定区标识、当前球行进坐标方向角和球平均速度中的至少一个。
在实施中,如图2所示,计算机设备预先建立针对球的特征画像模型,以用于根据球的特征信息对球进行画像,其中球特征画像模型中的特征信息主要包括球标识(用ID表示)、基于时间序列的位置帧中对应的球位置坐标组和当前球位置坐标。其中,球位置坐标组存储在LOC_ARRAY指标下,当前球位置坐标用CURRENT_LOC表示,每一时刻的当前球位置坐标可以根据时间的顺序依次添加至球位置坐标组中,进行持续更新。另外,在该球特征画像模型中还可以包括持球球员标识(用KEEP_BALL表示)、所处比赛标识(用GAME_ID表示)、是否在投篮判定区标识(用IN_SHOOTING_AREA表示)、当前球行进坐标方向角(用DIRECTION表示)和球平均速度(用AVG_SPEED表示)中的至少一个,计算机设备根据比赛过程中球的位置关系的变化更新球的特征画像模型中的特征信息,可选地,本实施例对于球的特征画像模型中包含的特征信息不做限定。
在一个实施例中,球员对应的特征画像模型中的特征信息包括球员标识、基于时间序列的位置帧中对应自身球员的位置坐标组和当前球员位置坐标;还包括所属队伍标识、所处比赛标识、当前攻守状态标识、是否持球标识、当前球员位置坐标的所在位置帧标识、当前球员行进坐标方向角和球员平均速度中的至少一个。
在实施中,如图3所示,针对球员这一目标对象,计算机设备预先建立有球员的特征画像模型,该特征画像模型中包含球员的特征信息,以用于根据球员的特征信息对球员进行画像,具体地,球员对应的特征画像模型中的特征信息主要包括:球员标识(用ID表示)、基于时间序列的位置帧中对应自身球员的位置坐标组(存储在LOC_ARRAY指标下)和当前位置坐标(用CURRENT_LOC表示),每一时刻的当前球员位置坐标可以根据时间的顺序依次添加至球员位置坐标组中,进行持续更新。另外,在球员对应的特征画像模型中还可以包括:所属队伍标识(用TEAM_ID表示)、所处比赛标识(用GAME_ID表示)、当前攻守状态标识(当前攻守状态标识对应有两个:防守方(DEFENDER)和进攻方(IS_OFFENSE))、是否持球标识(用KEEP_BALL表示)、当前球员位置坐标的所在位置帧标识、当前球员行进坐标方向角(用DIRECTION表示)和球员平均速度(用AVG_SPEED表示)中的至少一个。计算机设备根据比赛过程中的球员位置关系的变化更新球员的特征画像模型中的特征信息,可选地,本实施例对于球员的特征画像模型中包含的特征信息不做限定。
在一个实施例中,如图4所示,步骤102的具体处理过程包括以下步骤:
步骤401,获取赛场模型和目标对象的特征画像模型,依次识别赛场模型对应的赛场坐标系下的位置帧序列中以时间先后顺序的每一位置帧。
其中,赛场模型是基于赛场坐标系建立的表征比赛场地内的场内器件(例如,篮球赛场的篮筐)以及场内标识线(例如,篮球赛场的三分线、罚球线)等的特征位置的特征画像模型。目标对象的特征画像模型是在赛场模型的赛场坐标系下针对目标对象的位置及属性等特征信息建立的画像模型,目标对象的特征画像模型可以作为赛场模型中包含的子模型。具体地,如图5所示,赛场坐标系以赛场平面图的左下角为坐标原点,以赛场对应的两条赛场边界为横纵坐标轴,以垂直横纵坐标轴所在的面的方向为竖坐标轴,得到赛场的三维坐标系(坐标系中的坐标值单位为米(m)),在该坐标系下,目标对象(如,10名球员和1个球)在赛场中的位置信息均可以用位置坐标进行反映,本实施例对于赛场坐标系的建立标准不做限定。
在实施中,计算机设备获取赛场模型和目标对象的特征画像模型,依次识别赛场模型对应的赛场坐标系下的每一位置帧序列中以时间先后顺序的每一位置帧。
步骤402,根据每一位置帧中包含的每一位置坐标与每一目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的目标对象特征画像模型的位置坐标组中。
在实施中,计算机设备根据每一位置帧中包含的每一位置坐标与每一目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的目标对象特征画像模型的位置坐标组中,可选地,也将每一位置坐标对应的更新至该目标对象特征画像模型的当前位置坐标中。
在一个实施例中,如图6所示,步骤103的具体处理过程包括以下步骤:
步骤601,根据位置坐标组中的位置坐标,计算当前时间段内球与赛场上全部球员间的位置距离和位置距离的维持时间。
其中,计算设备处理位置帧序列的时长可以由位置帧序列的起始时刻至每一更新的位置帧的当前时刻,也可以根据预设的时长阈值,在每一更新位置帧的当前时刻至在前的预设时长(例如,5秒)内的时间,作为当前时间段(即计算机设备处理时间段),本实施例对于当前时间段的时长标准不做限定。
在实施中,计算机设备根据位置坐标组中的位置坐标,计算当前时间段内球与赛场上的全部球员间的位置距离(包括水平距离和垂直距离),同时针对计算出的位置距离,确定该位置距离的维持时间。
步骤602,当存在目标球员与球间的位置距离满足预设距离阈值,且位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将目标球员确定为持球球员。
在实施中,当存在目标球员与球间的位置距离满足预设距离阈值(例如,水平距离小于或等于球员肩宽,80cm,垂直距离小于或等于1.5m),且位置距离的维持时间满足预设时间阈值(例如,大于等于1秒)时,则计算机设备确定发生持球事件,并将目标球员确定为持球球员。
本实施例中,通过对预设当前时间段内的位置帧序列进行处理,分析得到在该时间段内赛场内全部目标对象的位置变化关系,同时基于球与球员间的位置关系,确定持球球员,能够更加准确的追踪确定赛程内的全部事件发生情况。
在一个实施例中,如图7所示,步骤104的具体处理过程包括以下步骤:
步骤701,根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系。
在实施中,在确定赛场上的持球球员后,进一步针对赛场上的持球球员进行追踪分析,计算机设备根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内每一时刻下(即每一位置帧)持球球员与球间的位置关系,该位置关系包括球与球员间的水平距离、垂直距离、该球的运动轨迹与球员(竖直站立看作一条直线)间的关系。
步骤702,若当前时间段内球与持球球员间的水平距离在预设阈值之内,球在以持球球员重心垂直于地面的方向上做往复运动,则确定持球球员进行拍球动作。
在实施中,计算机设备分析当前时间段内的位置帧序列,若分析得到球与对应的持球球员的水平距离保持在预设阈值(例如,80cm)之内,同时球在以持球球员重心垂直于地面的方向上做往复运动,则确定持球球员进行拍球动作。
具体地,计算机设备可以在比赛开始之前收录赛场内全部球员的身高数据,进而针对每一球员的身高数据,按照固定的比例,得到针对每一球员的用于判定的阈值数据(例如,判定持球时的垂直距离阈值数据、拍球时的拍球往复运动距离数据)。计算机设备判断球的往复运动时,可以基于持球球员的身高,按照预设的比例,计算球的往复运动的幅度,例如,以身高为180cm的持球球员进行的拍球动作为例,则对应的可以按照预设的1/2的比例,确定基准高度为90cm,在该基准高度选取区间范围(例如,[0cm,120cm])以此判定球的位置坐标变化范围,若球的位置坐标在球员重心垂直于地面的方向上变化(即做往复运动),位置坐标变化范围满足在预设的区间范围之内,则确定持球球员进行拍球动作。
步骤703,在拍球动作之后,根据球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员执行急停投篮动作;预设高度阈值基于持球球员的身高数据确定。
在实施中,在持球球员执行拍球动作之后,计算机设备根据球的位置坐标中竖轴坐标(即,Z坐标)的变化判定持球球员是否做出投篮动作,即当球的位置坐标中竖轴坐标变化大于预设高度阈值,则确定持球球员执行了一次投篮动作,例如,球与持球球员的水平距离保持在预设距离阈值之内,在垂直于地面的竖直方向,球的Z轴坐标不断增大,大于几个预设高度阈值,如,球的Z轴坐标(单位为米)由0.9,变化为1.5,进一步变化为2.1,则该过程可以看做持球球员在拍球(对应高度0.9米)后,双手持球于胸前,球的Z轴位置高度与球员胸部平齐(对应高度1.5米),进而双手托球高于头顶(对应高度2.1米),由此,确定完成一套投篮动作。计算机设备在识别出该次投篮动作之后,结合持球球员的在前拍球动作,确定该次投篮动作类型为急停投篮动作。
可选地,投篮动作识别中针对球的竖轴坐标变化对应的高度阈值的设置也可以针对每一球员的身高数据的不同,按照预设比例进行确定,本实施例不做限定。
本实施例中,通过对持球球员与球的位置关系的追踪分析,当球的位置坐标中竖轴坐标的位置变化满足预设的高度阈值时,确定持球球员在拍球动作后,完成投篮动作,结合球的位置坐标变化,进一步判断投篮事件,提高投篮事件识别准确率。
在一个实施例中,如图8所示,步骤104的具体处理过程包括以下步骤:
步骤801,根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系。
在实施中,在确定持球权(即对应的持球球员)之后,需要判断持球球员的连贯动作,因此,计算机设备根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系。例如,在[t,t+n]时间段内,计算对应位置帧列中每一位置帧的球坐标与持球球员坐标间的位置关系。
步骤802,若当前时间段内球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员发生接球投篮动作;预设高度阈值基于持球球员的身高数据确定。
其中,预设高度阈值可以基于持球球员的身高数据,按照预设的比例进行确定。
在实施中,若当前时间段内球的位置坐标中竖轴坐标变化大于预设高度阈值,判定持球球员做出投篮动作,由于确定出持球权后,持球球员未执行其他动作,而马上执行了一次投篮动作,则确定该持球球员的投篮动作类型为接球投篮动作。具体地,判定持球球员执行投篮动作过程中球的Z轴坐标的变化与步骤403中的相同,本实施例不再赘述。
本实施例中,通过对持球球员与球的位置关系的追踪分析,当球的位置坐标中竖轴坐标的位置变化满足预设的高度阈值时,确定持球球员在持球后,完成投篮动作,结合球的位置坐标变化,进一步判断投篮事件,提高投篮事件识别准确率。
在一个实施例中,如图9所示,在步骤104中确定发生投篮事件和持球球员的投篮动作类型之前,该方法还包括:
步骤901,根据球对应的特征画像模型中的位置坐标组,计算在当前时间段内球的运行轨迹。
在实施中,计算机设备根据球对应的特征画像模型中的位置坐标组,计算在当前时间段内的球的运行轨迹。例如,在[t,t+n]时间段内,根据该时间段内球的位置坐标点,可以但不限于应用最小二乘拟合算法预估球的运行轨迹。
步骤902,根据球的运行轨迹以及球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及目标篮筐对应的投篮判定区;投篮判定区是基于篮筐位置的预设标注区域。
其中,赛场模型中篮筐上方设置有标注区域,即投篮判定区,如图10所示,投篮判定区是圆柱体形状(三维空间),且投篮判定区的上平面位于篮筐上部预设高度(例如,60厘米)处,下平面与篮筐筐面处于同一平面,投篮判定区圆柱体半径大于篮筐半径,可选地,该投篮判定区的圆柱体半径的范围阈值可以具体设置为大于篮筐半径加上篮球直径的长度,进而根据篮球是否进入投篮判定区判断投篮事件。
在实施中,计算机设备根据计算出的球的运行轨迹以及球的特征画像模型中显示的持球球员的球员标识,确定赛场上的目标篮筐以及目标篮筐对应的投篮判定区,具体地,球的特征画像模型中包含的持球球员的球员标识可以反映当前的持球球员,进而根据当前持球球员的所属队伍信息确定两支队伍攻守状态(即同步更新与持球球员同属一队的其他球员为进攻状态),并根据进攻方队伍的位置坐标确定进攻方向,对应进攻方向的篮筐为目标篮筐,目标篮筐上方的投篮判定区为目标投篮判定区。
则步骤104中确定发生投篮事件和持球球员的投篮动作类型的具体处理过程如下所示:
步骤903,根据球的运行轨迹和投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据投篮动作确定发生投篮事件和持球球员的投篮动作类型。
在实施中,计算机设备根据球的运行轨迹和投篮判定区,确定发生投篮动作,即当球的运行轨迹与投篮判定区的标注区域发生相交,即球进入投篮判定区后,确认前述球与持球球员位置关系的判断,所得到的的投篮动作为最终投篮动作,根据该投篮动作确定发生了一次投篮事件,并确定在该次投篮事件中持球球员的投篮动作类型为前述根据球和球员位置关系(位置变化)判断出的投篮动作类型(例如,急停投篮动作)。
可选地,若球的运行轨迹未进入投篮判定区(即球的运行轨迹与投篮判定区的标注区域不存在相交位置点),则确定持球球员未发生投篮动作,即前述根据球与持球球员的位置关系的判断为误判,或者该球与持球球员的位置关系更新为一次传球事件。
在一个实施例中,如图11所示,步骤903之后,该方法还包括如下步骤:
步骤1101,若球的运行轨迹进入投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定投篮事件的投篮结果为投篮未命中。
在实施中,在根据球与持球球员的位置关系初步确定持球球员做出投篮动作之后,根据球的预估运行轨迹与投篮判定区的标注区域范围,确定球与投篮判定区的位置关系,若球进入投篮判定区(即球的运行轨迹落入投篮判定区的范围),最终确定持球球员做出投篮动作,发生了一次投篮事件,然后,判断在预设时间内未接收到篮网传感器的检测信号,则确定投篮事件的投篮结果为投篮未命中,该种情况下的投篮未命中为“三不沾”投篮未命中。
步骤1102,若球的运行轨迹进入投篮判定区,且根据投篮判定区以及接收到的篮网传感器的第一检测信号,确定投篮结果为投篮命中。
在实施中,在根据球与持球球员的位置关系初步确定持球球员做出投篮动作之后,根据球的预估运行轨迹与投篮判定区的标注区域范围,确定球与投篮判定区的位置关系,若球进入投篮判定区(即球的运行轨迹落入投篮判定区的范围),最终确定持球球员做出投篮动作,发生了一次投篮事件,则进一步识别预设时间内接收到的篮网传感器的检测信号,若接收到的篮网传感器的检测信号为第一检测信号,确定投篮事件的投篮结果为投篮命中。
可选地,篮网传感器的第一检测信号,由篮网传感器内部集成的处理装置对现场采集的篮网振动信号进行分析得到,具体地,若采集到的篮网振动信号提取出的振动频谱数据在预设频谱阈值之内,则确定生成第一检测信号。
步骤1103,若球的运行轨迹进入投篮判定区,根据判定区以及接收到的篮网传感器的第二检测信号,确定投篮结果为投篮未命中。
在实施中,在根据球与持球球员的位置关系初步确定持球球员做出投篮动作之后,根据球的预估运行轨迹与投篮判定区的标注区域范围,确定球与投篮判定区的位置关系,若球进入投篮判定区(即球的运行轨迹落入投篮判定区的范围),最终确定持球球员做出投篮动作,发生了一次投篮事件,则进一步识别接收到的篮网传感器的检测信号,若接收到的篮网传感器的检测信号为第二检测信号,则确定此次投篮事件的投篮结果为投篮未命中。
可选地,篮网传感器的第二检测信号,由篮网传感器内部集成的处理装置对现场采集的篮网振动信号进行分析得到,具体地,若采集到的篮网振动信号提取出的振动频谱数据在预设频谱阈值之外,则确定生成第二检测信号。
本实施例中,在确定持球球员做出投篮动作之后,进一步根据投篮判定区和篮网传感器的检测信号确定发生的投篮事件以及对应的投篮事件的事件结果,提高投篮事件识别结果和准确性。
应该理解的是,虽然图1,图4,图6-9,图11的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1,图4,图6-9,图11中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图12所示,提供了一种投篮识别装置1200,包括:接收模块1210、更新模块1220、第一确定模块1230和第二确定模块1240,其中:
接收模块1210,用于接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员;
更新模块1220,用于依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中;
第一确定模块1230,用于根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员;
第二确定模块1240,用于若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。
上述投篮识别装置1200,通过对球和球员位置帧中的位置坐标数据进行分析,结合投篮判定区判定球的运动轨迹,识别球员投篮动作类型,提高投篮识别准确性。
在一个实施例中,更新模块1220具体用于获取赛场模型和目标对象的特征画像模型,依次识别赛场模型对应的赛场坐标系下的位置帧序列中以时间先后顺序的每一位置帧;
根据每一位置帧中包含的每一位置坐标与每一目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的目标对象特征画像模型的位置坐标组中。
在一个实施例中,第一确定模块1230具体用于根据位置坐标组中的位置坐标,计算当前时间段内球与赛场上全部球员间的位置距离和位置距离的维持时间;
当存在目标球员与球间的位置距离满足预设距离阈值,且位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将目标球员确定为持球球员。
在一个实施例中,第二确定模块1240具体用于根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球与持球球员间的水平距离在预设阈值之内,球在以持球球员重心垂直于地面的方向上做往复运动,则确定持球球员进行拍球动作;
在拍球动作之后,根据球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员执行急停投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,第二确定模块1240具体用于根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员发生接球投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,该装置1200还包括:
计算模块,用于根据球对应的特征画像模型中的位置坐标组,计算在当前时间段内球的运行轨迹;
第三确定模块,用于根据球的运行轨迹以及球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及目标篮筐对应的投篮判定区;投篮判定区是基于篮筐位置的预设标注区域;
则第二确定模块1240还用于根据球的运行轨迹和投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据投篮动作确定发生投篮事件和持球球员的投篮动作类型。
在一个实施例中,该装置1200还包括
第一结果判定模块,用于若球的运行轨迹进入投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定投篮事件的投篮结果为投篮未命中;
第二结果判定模块,若球的运行轨迹进入投篮判定区,且根据投篮判定区以及接收到的篮网传感器的第一检测信号,确定投篮结果为投篮命中;
第三结果判定模块,若球的运行轨迹进入投篮判定区,根据判定区以及接收到的篮网传感器的第二检测信号,确定投篮结果为投篮未命中。
关于投篮识别装置1200的具体限定可以参见上文中对于投篮识别方法的限定,在此不再赘述。上述投篮识别装置1200中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于目标对象的位置坐标数据,赛场内的器件和标识线位置数据等等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种投篮识别方法。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员;
依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中;
根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员;
若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取赛场模型和目标对象的特征画像模型,依次识别赛场模型对应的赛场坐标系下的位置帧序列中以时间先后顺序的每一位置帧;
根据每一位置帧中包含的每一位置坐标与每一目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的目标对象特征画像模型的位置坐标组中。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据位置坐标组中的位置坐标,计算当前时间段内球与赛场上全部球员间的位置距离和位置距离的维持时间;
当存在目标球员与球间的位置距离满足预设距离阈值,且位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将目标球员确定为持球球员。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球与持球球员间的水平距离在预设阈值之内,球在以持球球员重心垂直于地面的方向上做往复运动,则确定持球球员进行拍球动作;
在拍球动作之后,根据球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员执行急停投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员发生接球投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据球对应的特征画像模型中的位置坐标组,计算在当前时间段内球的运行轨迹;
根据球的运行轨迹以及球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及目标篮筐对应的投篮判定区;投篮判定区是基于篮筐位置的预设标注区域;
根据球的运行轨迹和投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据投篮动作确定发生投篮事件和持球球员的投篮动作类型。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若球的运行轨迹进入投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定投篮事件的投篮结果为投篮未命中;
若球的运行轨迹进入投篮判定区,且根据投篮判定区以及接收到的篮网传感器的第一检测信号,确定投篮结果为投篮命中;
若球的运行轨迹进入投篮判定区,根据判定区以及接收到的篮网传感器的第二检测信号,确定投篮结果为投篮未命中。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收目标对象的基于时间顺序的位置帧序列;目标对象包括球和球员;
依次识别位置帧序列中的位置坐标,并将位置坐标添加至对应的目标对象的特征画像模型的位置坐标组中;
根据位置坐标组中的位置坐标,计算球与全部球员间的位置距离和位置时间关系,并根据位置距离和位置时间关系在全部球员间确定持球球员;
若持球球员的特征画像模型的位置坐标组与球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和持球球员的投篮动作类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取赛场模型和目标对象的特征画像模型,依次识别赛场模型对应的赛场坐标系下的位置帧序列中以时间先后顺序的每一位置帧;
根据每一位置帧中包含的每一位置坐标与每一目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的目标对象特征画像模型的位置坐标组中。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据位置坐标组中的位置坐标,计算当前时间段内球与赛场上全部球员间的位置距离和位置距离的维持时间;
当存在目标球员与球间的位置距离满足预设距离阈值,且位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将目标球员确定为持球球员。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球与持球球员间的水平距离在预设阈值之内,球在以持球球员重心垂直于地面的方向上做往复运动,则确定持球球员进行拍球动作;
在拍球动作之后,根据球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员执行急停投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据持球球员的特征画像模型中的位置坐标组与球的特征画像模型中的位置坐标组,计算当前时间段内持球球员与球之间的位置关系;
若当前时间段内球的位置坐标中竖轴坐标变化大于预设高度阈值,确定持球球员发生接球投篮动作;预设高度阈值基于持球球员的身高数据确定。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据球对应的特征画像模型中的位置坐标组,计算在当前时间段内球的运行轨迹;
根据球的运行轨迹以及球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及目标篮筐对应的投篮判定区;投篮判定区是基于篮筐位置的预设标注区域;
根据球的运行轨迹和投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据投篮动作确定发生投篮事件和持球球员的投篮动作类型。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若球的运行轨迹进入投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定投篮事件的投篮结果为投篮未命中;
若球的运行轨迹进入投篮判定区,且根据投篮判定区以及接收到的篮网传感器的第一检测信号,确定投篮结果为投篮命中;
若球的运行轨迹进入投篮判定区,根据判定区以及接收到的篮网传感器的第二检测信号,确定投篮结果为投篮未命中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种投篮识别方法,其特征在于,所述方法包括:
接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;所述位置帧序列中的每一位置帧包含所述目标对象的位置坐标;
根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型;
其中,所述持球球员的特征画像模型中包含所述持球球员的特征信息;所述持球球员的特征信息包括球员标识、所述位置帧序列中球员的位置坐标组和当前球员的位置坐标;还包括所属队伍标识、所处比赛标识、当前攻守状态标识、是否持球标识、当前球员位置坐标的所在位置帧标识、当前球员行进坐标方向角和球员平均速度中的至少一个;
所述球的特征画像模型中包含所述球的特征信息,所述球的特征信息包括球标识、基于所述位置帧序列中球位置坐标组和当前球位置坐标;还包括持球球员标识、所处比赛标识、是否在投篮判定区标识、当前球行进方向角和球平均速度中的至少一个。
2.根据权利要求1所述的方法,其特征在于,所述依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中,包括:
获取赛场模型和所述目标对象的特征画像模型,依次识别所述赛场模型对应的赛场坐标系下的所述位置帧序列中以时间先后顺序的每一位置帧;
根据每一所述位置帧中包含的每一位置坐标与每一所述目标对象的特征画像模型的对应关系,将识别出的每一位置坐标分别添加至对应的所述目标对象特征画像模型的位置坐标组中。
3.根据权利要求1所述的方法,其特征在于,所述根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员,包括:
根据所述位置坐标组中的位置坐标,计算当前时间段内所述球与赛场上全部所述球员间的位置距离和所述位置距离的维持时间;
当存在目标球员与所述球间的位置距离满足预设距离阈值,且所述位置距离的维持时间满足预设时间阈值时,确定发生持球事件,并将所述目标球员确定为持球球员。
4.根据权利要求1所述的方法,其特征在于,所述若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述持球球员的特征画像模型中的位置坐标组与所述球的特征画像模型中的位置坐标组,计算当前时间段内所述持球球员与所述球之间的位置关系;
若所述当前时间段内所述球与所述持球球员间的水平距离在预设阈值之内,所述球在以所述持球球员重心垂直于地面的方向上做往复运动,则确定所述持球球员进行拍球动作;
在所述拍球动作之后,根据所述球的位置坐标中竖轴坐标变化大于预设高度阈值,确定所述持球球员执行急停投篮动作;所述预设高度阈值基于所述持球球员的身高数据确定。
5.根据权利要求1所述的方法,其特征在于,所述若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述持球球员的特征画像模型中的位置坐标组与所述球的特征画像模型中的位置坐标组,计算当前时间段内所述持球球员与所述球之间的位置关系;
若所述当前时间段内所述球的位置坐标中竖轴坐标变化大于预设高度阈值,确定所述持球球员发生接球投篮动作;所述预设高度阈值基于所述持球球员的身高数据确定。
6.根据权利要求1所述的方法,其特征在于,在所述确定发生投篮事件和所述持球球员的投篮动作类型之前,所述方法还包括:
根据所述球对应的特征画像模型中的位置坐标组,计算在当前时间段内所述球的运行轨迹;
根据所述球的运行轨迹以及所述球的特征画像模型中持球球员标识,确定赛场上的目标篮筐以及所述目标篮筐对应的投篮判定区;所述投篮判定区是基于篮筐位置的预设标注区域;
所述确定发生投篮事件和所述持球球员的投篮动作类型,包括:
根据所述球的运行轨迹和所述投篮判定区的位置关系满足预设位置关系阈值,确定发生投篮动作,并根据所述投篮动作确定发生投篮事件和所述持球球员的投篮动作类型。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
若所述球的运行轨迹进入所述投篮判定区,且在预设时间内未接收到篮网传感器的检测信号则确定所述投篮事件的投篮结果为投篮未命中;
若所述球的运行轨迹进入所述投篮判定区,根据所述投篮判定区以及接收到的所述篮网传感器的第一检测信号,确定所述投篮结果为投篮命中;
若所述球的运行轨迹进入所述投篮判定区,根据所述投篮判定区以及接收到的所述篮网传感器的第二检测信号,确定所述投篮结果为投篮未命中。
8.一种投篮识别装置,其特征在于,所述装置包括:
接收模块,用于接收目标对象的基于时间顺序的位置帧序列;所述目标对象包括球和球员;
更新模块,用于依次识别所述位置帧序列中的位置坐标,并将所述位置坐标添加至对应的所述目标对象的特征画像模型的位置坐标组中;所述位置帧序列中的每一位置帧包含所述目标对象的位置坐标;
第一确定模块,用于根据所述位置坐标组中的位置坐标,计算所述球与全部所述球员间的位置距离和位置时间关系,并根据所述位置距离和所述位置时间关系在全部所述球员间确定持球球员;
第二确定模块,用于若所述持球球员的特征画像模型的位置坐标组与所述球的特征画像模型的位置坐标组之间的位置变化满足预设位置关系阈值,确定发生投篮事件和所述持球球员的投篮动作类型;
其中,所述持球球员的特征画像模型中包含所述持球球员的特征信息;所述持球球员的特征信息包括球员标识、所述位置帧序列中球员的位置坐标组和当前球员的位置坐标;还包括所属队伍标识、所处比赛标识、当前攻守状态标识、是否持球标识、当前球员位置坐标的所在位置帧标识、当前球员行进坐标方向角和球员平均速度中的至少一个;
所述球的特征画像模型中包含所述球的特征信息,所述球的特征信息包括球标识、基于所述位置帧序列中球位置坐标组和当前球位置坐标;还包括持球球员标识、所处比赛标识、是否在投篮判定区标识、当前球行进方向角和球平均速度中的至少一个。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一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,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110175671.1A CN112883862B (zh) | 2021-02-09 | 2021-02-09 | 投篮识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110175671.1A CN112883862B (zh) | 2021-02-09 | 2021-02-09 | 投篮识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883862A CN112883862A (zh) | 2021-06-01 |
CN112883862B true CN112883862B (zh) | 2023-12-26 |
Family
ID=76056213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110175671.1A Active CN112883862B (zh) | 2021-02-09 | 2021-02-09 | 投篮识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883862B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107303428A (zh) * | 2016-04-20 | 2017-10-31 | 李斌 | 基于图像处理的篮球进球判定方法及系统 |
CN110276309A (zh) * | 2019-06-25 | 2019-09-24 | 新华智云科技有限公司 | 视频处理方法、装置、计算机设备及存储介质 |
EP3590054A1 (en) * | 2017-03-02 | 2020-01-08 | RSPCT Basketball Technologies Ltd. | System and methods for providing a user key performance indicators for basketball |
CN111177396A (zh) * | 2019-11-13 | 2020-05-19 | 浙江广播电视集团 | 结合知识图谱的篮球赛事投篮事件自动分析和可视化方法 |
WO2020160128A1 (en) * | 2019-02-01 | 2020-08-06 | Pillar Vision, Inc. | Systems and methods for monitoring player performance and events in sports |
-
2021
- 2021-02-09 CN CN202110175671.1A patent/CN112883862B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107303428A (zh) * | 2016-04-20 | 2017-10-31 | 李斌 | 基于图像处理的篮球进球判定方法及系统 |
EP3590054A1 (en) * | 2017-03-02 | 2020-01-08 | RSPCT Basketball Technologies Ltd. | System and methods for providing a user key performance indicators for basketball |
WO2020160128A1 (en) * | 2019-02-01 | 2020-08-06 | Pillar Vision, Inc. | Systems and methods for monitoring player performance and events in sports |
CN110276309A (zh) * | 2019-06-25 | 2019-09-24 | 新华智云科技有限公司 | 视频处理方法、装置、计算机设备及存储介质 |
CN111177396A (zh) * | 2019-11-13 | 2020-05-19 | 浙江广播电视集团 | 结合知识图谱的篮球赛事投篮事件自动分析和可视化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112883862A (zh) | 2021-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755952B2 (en) | System and method for predictive sports analytics using body-pose information | |
AU2012231925B2 (en) | Virtual golf simulation apparatus and sensing device and method used for the same | |
AU2018404876B2 (en) | Golf ball tracking system | |
US9242158B2 (en) | Virtual golf simulation apparatus and method | |
JP2014512903A (ja) | 仮想ゴルフシミュレーション装置に用いられるセンシング装置及びセンシング方法 | |
KR20220040433A (ko) | 다중 카메라 플레이어 추적을 통한 플레이어 궤적 생성 | |
CN111369629B (zh) | 一种基于挥拍击球动作双目视觉感知的回球轨迹预测方法 | |
JP2020031406A (ja) | 判定システム、及び判定方法 | |
JP6596804B1 (ja) | 位置追跡システム、及び位置追跡方法 | |
CN112437487B (zh) | 位置定位方法、事件识别方法、装置和计算机设备 | |
CN111539294B (zh) | 投篮检测方法、装置、电子设备及计算机可读存储介质 | |
CN113312840B (zh) | 一种基于强化学习的羽毛球对弈方法及系统 | |
CN112883862B (zh) | 投篮识别方法、装置、计算机设备和存储介质 | |
CN112883865B (zh) | 带球突破事件识别方法、装置、计算机设备和存储介质 | |
CN112883864B (zh) | 无球掩护事件识别方法、装置、计算机设备和存储介质 | |
Chakraborty et al. | Deep Learning-Based Prediction of Football Players’ Performance During Penalty Shootout | |
JP2020030189A (ja) | 位置計測システム、及び位置計測方法 | |
US20220343649A1 (en) | Machine learning for basketball rule violations and other actions | |
CN117333945B (zh) | 蛇形跑运动检测方法、装置、设备及存储介质 | |
EP4325443A1 (en) | Data processing apparatus and method | |
EP4325448A1 (en) | Data processing apparatus and method | |
KR20230090446A (ko) | 투구 정보를 추출하는 전자 장치, 투구 추적 시스템 및 방법 | |
CN115187796A (zh) | 一种基于历史数据分析的人员身份替换检测方法及系统 | |
CN116994330A (zh) | 一种基于机器视觉的排球运动战术分析方法 | |
CN115116087A (zh) | 一种动作考核方法、系统、存储介质和电子设备 |
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 |