CN112883864A - 无球掩护事件识别方法、装置、计算机设备和存储介质 - Google Patents
无球掩护事件识别方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112883864A CN112883864A CN202110177955.4A CN202110177955A CN112883864A CN 112883864 A CN112883864 A CN 112883864A CN 202110177955 A CN202110177955 A CN 202110177955A CN 112883864 A CN112883864 A CN 112883864A
- Authority
- CN
- China
- Prior art keywords
- player
- ball
- attacking
- determining
- preset
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 21
- 238000012216 screening Methods 0.000 claims description 5
- 230000000873 masking effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000000903 blocking effect Effects 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
- 230000007935 neutral effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
本申请涉及一种无球掩护事件识别方法、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序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;获取目标对象的特征画像模型,根据目标对象的特征画像模型与位置帧中位置坐标的对应关系,更新每一目标对象的特征画像模型中的位置坐标;根据球的特征画像模型中的位置坐标与球员的特征画像模型中的位置坐标,确定持球球员并根据持球球员确定赛场上两支队伍的攻守状态;当进攻方的持球球员、除持球球员之外的进攻方球员和防守方球员的位置关系满足预设位置阈值且持球球员与进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。采用本方法提高无球掩护事件的识别准确率。
Description
技术领域
本申请涉及定位分析技术领域,特别是涉及一种无球掩护事件识别方法、装置、计算机设备和存储介质。
背景技术
篮球赛事中,队员之间的无球掩护是非常实用且常见的战术,可以高效的帮助进攻方无球球员拉出空挡位置做好接球准备。
然而赛场上无球掩护事件随时发生,甚至连续或同时发生且在无球掩护动作发生时经常会有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无球掩护事件的发生有非常大的难度。
发明内容
基于此,有必要针对上述技术问题,提供一种无球掩护事件识别方法、装置、计算机设备和存储介质。
一种无球掩护事件识别方法,所述方法包括:
接收目标对象的基于时间序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
在其中一个实施例中,所述方法还包括:
统计所述无球掩护事件的事件次数,并将所述无球掩护事件次数信息存储至分布式数据库。
在其中一个实施例中,所述球员对应的特征画像模型中的特征信息包括球员标识、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
在其中一个实施例中,所述根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态,包括:
计算所述球对应的特征画像模型中的当前位置坐标与全部的所述球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离;
当所述最小距离满足预设距离阈值且所述最小距离保持时间达到预设时间阈值时,确定所述球员为持球球员;
将与所述持球球员具有相同所属队伍标识的球员确定为与所述持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至所述进攻方球员的特征画像模型中;
将与所述持球球员具有不同所属队伍标识的球员确定为与所述持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至所述防守方球员的特征画像模型中。
在其中一个实施例中,所述当进攻方所述持球球员、除所述持球球员之外的进攻方球员和防守方球员的位置关系满足预设位置阈值且所述持球球员与所述进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件,包括:
根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算所述第一进攻方球员的行进方向;
根据所述第一进攻方球员的位置坐标组及预设第一距离阈值,确定与所述第一进攻方球员对应的防守方球员;
根据所述行进方向,以所述防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在所述目标区域内存在与所述防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算所述第一进攻方球员的第一平均速度和所述预设角度范围内的所述防守方球员的第二平均速度;
当所述第二平均速度小于所述第一平均速度时,确定发生无球掩护事件。
在其中一个实施例中,所述计算所述持球球员的第一平均速度和所述预设角度范围内的所述防守方球员的第二平均速度,包括:
在所述第一进攻方球员对应的所述特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定所述第一进攻方球员单位时间内的第一平均速度;
在所述预设角度范围内的所述防守方球员对应的所述特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定所述预设角度范围内的所述防守方球员单位时间内的第二平均速度。
一种无球掩护事件识别装置,所述装置包括:
接收模块,用于接收目标对象的基于时间序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取模块,用于获取目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
第一确定模块,用于根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
第二确定模块,用于当进攻方的所述持球球员、除所述持球球员之外的进攻方球员和防守方球员的位置关系满足预设位置阈值且所述持球球员与所述进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
在一个实施例中,第二确定模块具体用于根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算所述第一进攻方球员的行进方向;
根据所述第一进攻方球员的位置坐标组及预设第一距离阈值,确定与所述第一进攻方球员对应的防守方球员;
根据所述行进方向,以所述防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在所述目标区域内存在与所述防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算所述第一进攻方球员的第一平均速度和所述预设角度范围内的所述防守方球员的第二平均速度;
当所述第二平均速度小于所述第一平均速度时,确定发生无球掩护事件。
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序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
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序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
上述无球掩护事件识别方法、装置、计算机设备和存储介质,接收目标对象的基于时间序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;获取目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。采用本方法,通过对赛场上目标对象的位置信息进行识别判断,确定赛场上目标对象满足预设位置关系和速度关系时发生无球掩护事件,提高无球掩护事件识别准确性。
附图说明
图1为一个实施例中无球掩护事件识别方法的流程示意图;
图2为一个实施例中基于篮球赛场的坐标系示意图;
图3为一个实施例中球员特征画像模型中特征信息示意图;
图4为一个实施例中确定赛场上两支队伍攻守状态的步骤的流程示意图;
图5为一个实施例中根据目标对象位置关系识别无球掩护事件的流程图;
图6为一个实施例中计算第一进攻方球员与防守方球员平均速度的流程图;
图7为一个实施例中无球掩护事件识别示例流程图;
图8为一个实施例中无球掩护事件识别装置的结构框图;
图9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,提供了一种无球掩护事件方法,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序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员。
其中,以篮球赛事为例,接收到的通过蓝牙信号方式传输的每一位置帧中包含赛场上全部目标对象的位置信息,该目标对象包括球和球员。
在实施中,服务器接收目标对象的基于时间序列的位置帧(即以时间为顺序的位置帧序列,其蓝牙信号位置帧的输出频率可以为100HZ),识别其中的每一位置帧中包含的目标对象的位置坐标。该位置坐标基于的坐标系为赛场模型坐标系,例如,如图2所示,以赛场平面图中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,建立赛场的三维坐标系(坐标系中的坐标值单位为米),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通过赛场坐标系给出的位置坐标反映,本实施例对于赛场坐标系的建立标准不做限定。
可选地,为了提高数据处理速度,服务器可以启动11个线程对应11个目标对象,并发处理这11个目标对象的位置坐标数据,11个线程间的数据是共享的,以保证数据同步;也可以采用更少(少于11个)的线程处理,服务器根据各线程处理效率分配对应的处理任务,因此,本实施例对于处理数据的线程数不做限定。
步骤102,获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标。
在实施中,服务器获取目标对象对应的特征画像模型,每一目标对象对应的特征画像模型中均包含反映该目标对象特征信息的指标,服务器可以通过对特征画像模型中的特征信息的处理,达到对应赛场上实际目标对象的目的,在特征对象画像模型中包含两个位置指标,第一为反映该目标对象连续运动状态的位置坐标组(即基于时间顺序的位置坐标序列),第二为反映目标对象当前时刻位置的当前位置坐标。当前位置坐标会不断添加至位置坐标组中。服务器在识别接收到的蓝牙信号中每一位置帧包含的全部目标对象的位置坐标之后,根据位置帧中每一位置坐标的目标对象标识与每一目标对象对应的特征画像模型中的目标对象标识的一一对应关系,将该位置坐标对应添加至该特征画像模型中。
步骤103,根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态。
在实施中,服务器根据球对应的特征画像模型中的位置坐标(每一位置帧中对应的球当前位置坐标)与球员对应的特征画像模型中的位置坐标(每一位置帧中对应的球员当前位置坐标),根据球当前位置坐标和球员当前位置坐标间的距离,在球员中确定持球球员,并根据持球球员确定赛场上两种队伍的攻守状态,即持球球员所属队伍为进攻方队伍,持球球员对立的队伍为防守方队伍,进而与持球球员同属一支队伍的球员为进攻方球员,与持球球员不同队伍的球员为防守方球员。
步骤104,当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
在实施中,当第一进攻方球员(例如,进攻方球员A)、第二进攻方球员(例如,进攻方球员C)和防守方球员(例如,防守方球员D)的位置关系满足预设位置阈值(例如,进攻方球员A、进攻方球员C和防守方球员D三者间的距离在预设距离阈值之内)同时进攻方球员A与防守方球员D的速度满足预设速度关系时,服务器确定发生无球掩护事件。
可选地,第一进攻方球员、第二进攻方球员的数目可以为多个,即赛场上,可以同时发生多个无球掩护事件,也可以连续发生多个无球掩护事件,本申请实施例并不限定第一进攻方球员为特定的一名球员。
上述无球掩护事件识别方法中,接收目标对象的基于时间序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员;获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标;根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态;当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且防守方球员与第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。采用本方法,通过对每一位置帧中球和球员的位置坐标进行分析,确定特定的第一进攻方球员、第二进攻方球员和防守方球员的位置关系以及速度关系,根据位置关系和速度关系判定是否发生无球掩护事件,提高了无球掩护事件的识别准确度。
在一个实施例中,该方法还包括以下步骤:统计无球掩护事件的事件次数,并将无球掩护事件次数信息存储至分布式数据库。
在实施中,服务器在判断出发生了一次无球掩护事件后,统计无球掩护事件的事件次数,并将无球掩护事件次数信息存储至分布式数据库。
本实施例中,通过各目标对象间的位置关系,准确识别出是否发生无球掩护事件,据此提高无球掩护事件的统计数目的准确性。
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、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
具体地,球员对应的特征画像模型中的特征信息可以如图3所示,其中包括球员标识(用ID表示)、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)、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、当前位置坐标(用CURRENT_LOC表示)、当前行进坐标方向角(用DIRECTION表示)和平均速度(用AVG_SPEED表示)。上述这些特征信息在球员整场运动过程中根据位置关系等的变化不断更新,服务器并将更新结果实时替换至对应的特征画像模型中。
在一个实施例中,如图4所示,步骤103的具体处理过程如下所示:
步骤401,计算球对应的特征画像模型中的当前位置坐标与全部的球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离。
在实施中,服务器计算球对应的特征画像模型中的每一位置帧更新后的当前位置坐标与全部的球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离。其最小距离即表示与球距离最近的球员。
具体地,以球作为位置关系的基准,针对球对应的特征画像模型中包含的当前位置坐标,计算每一位置帧中球的当前位置坐标与赛场上全部球员的当前位置坐标间的距离,确定球与各球员间的最小距离。其中,球与球员间由两点间的坐标计算得到的相对距离可以对应分解到水平和垂直方向,得到水平方向上的距离和垂直方向的距离。
步骤402,当最小距离满足预设距离阈值且最小距离保持时间达到预设时间阈值时,确定球员为持球球员。
在实施中,当确定出的球与各球员之间最小距离后,最小距离满足预设距离阈值(水平距离阈值以球员臂长为参考,小于或者等于球员臂长,例如80cm;垂直距离阈值,例如,1.5m)且最小距离保持时间达到(即大于或等于)预设时间阈值(例如,1秒)时,确定与球保持最小距离的球员为持球球员。即在这至少1秒内由这名距离最近的球员持球。
可选地,针对确定出的持球球员,在持球球员对应的特征画像模型中更新持球标识(KEEP_BALL),将其状态更改为KEEP_BALL=True。
步骤403,将与持球球员具有相同所属队伍标识的球员确定为与持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至进攻方球员的特征画像模型中。
在实施中,服务器将与持球球员具有相同所属队伍标识的球员确定为与持球球员进攻状态相同的进攻方球员,并将对应的进攻方标识更新至进攻方球员的特征画像模型中。
具体地,在服务器确定出持球球员后,持球球员即为当前回合赛场上的进攻方,根据该持球球员对应的特征画像模型中的所属队伍标识识别赛场上其他球员的所属队伍标识,其中与持球球员具有相同所属队伍标识的球员则也确定为进攻方球员,并将对应的表征进攻方的标识(IS_OFFENSE=True,DENFDFER=False)更新至进攻方球员的特征画像模型中。
步骤404,将与持球球员具有不同所属队伍标识的球员确定为与持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至防守方球员的特征画像模型中。
在实施中,服务器将与持球球员具有不同所属队伍标识的球员确定为与持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至防守方球员的特征画像模型中。
具体地,在服务器确定出持球球员后,持球球员即为当前回合赛场上的进攻方,而与持球球员不同队伍的球员即是防守方,因此,将与持球球员具有不同所属队伍标识的球员确定为防守方球员,并将对应的表征防守方的标识IS_OFFENSE=False,DENFDFER=True)更新至防守方球员的特征画像模型中。
在一个实施例中,如图5所示,步骤104的具体处理过程如下所示:
步骤501,根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算第一进攻方球员的行进方向。
在实施中,服务器在确定出赛场上球员的攻守状态后,赛场上的持球球员可以作为第一进攻方球员,计算其行进方向,针对第一进攻方球员(例如,进攻方球员A)对应的特征画像模型中的基于时间序列的位置坐标组中,以前0.5秒对应时刻下第一进攻方球员所在平面位置坐标(x1,y1)和当前时刻第一进攻方球员所在平面位置坐标(x2,y2)计算行进方向,则具体行进方向d(也可以称为行进方向角)的计算公式为:
步骤502,根据第一进攻方球员的位置坐标组及预设第一距离阈值,确定与第一进攻方球员对应的防守方球员。
篮球比赛的一般战术中针对每一进攻方球员都对应有一名防守方球员进行防守,因此,可以针对每一进攻方球员,计算该进攻方球员与所有防守方球员的距离,当某一防守方球员与该进攻方球员的水平距离小于等于预设距离阈值(例如,1米),且持续时长大于等于预设时间阈值(例如,1.5秒),则确定该名防守方球员是与该进攻方球员匹配的防守方球员。经过此计算之后,赛场上的进攻方球员与防守方球员呈现一一对应的关系。
在实施中,服务器在确定出第一进攻方球员(例如,持球球员A)的行进方向后,以第一进攻方球员的特征画像模型中的位置坐标组为基础,计算每一时刻下第一进攻方球员与全部防守方球员的位置距离,若存在某一防守方球员与第一进攻方球员的距离满足预设第一距离阈值(例如,1米),且维持在该第一距离阈值范围之内的时长满足预设时间阈值,则确定该名防守球员为第一进攻方球员对应的防守方球员。
步骤503,根据行进方向,以防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在目标区域内存在与防守方球员距离小于预设第二距离阈值的第二进攻方球员。
在实施中,在服务器确定出行进方向后,以防守方球员的位置坐标为基准,基于该行进方向d,结合预设角度范围内(例如,在行进方向d的正负30度方向上),确定出目标区域,该目标区域作为无球掩护事件的判定区域,进一步服务器根据各进攻方球员的位置坐标,判定在该目标区域内存在与防守方球员距离小于预设第二距离阈值(例如,0.4米)的第二进攻方球员。即表征在第一进攻方球员的行进方向度范围内,第二进攻方球员满足为第一进攻方球员进行无球掩护阻碍防守方球员的条件。
步骤504,计算第一进攻方球员的第一平均速度和预设角度范围内的防守方球员的第二平均速度。
在实施中,服务器根据第一进攻方球员(例如,进攻方球员A)位置坐标的变化计算其行进的第一平均速度,同时根据防守方球员(例如,防守方球员D)位置坐标的变化计算预设角度范围内的防守方球员的第二平均速度。
步骤505,当第二平均速度小于第一平均速度时,确定发生无球掩护事件。
在实施中,当防守方球员的第二平均速度小于第一进攻球员的第一平均速度时,即表征第二进攻球员成功阻碍了防守球员的行进速度,实施了一次无球掩护事件,则服务器判定发生了无球掩护事件。
可选地,在以第一进攻方球员的第一平均速度和防守方球员的第二平均速度进行无球掩护判别的基础上,可以进一步增加判别条件,根据位置坐标计算第一进攻方球员与防守方球员间的距离变化,若第一进攻方球员与防守方球员间的距离由最初的在第一距离阈值(1米)之内,变化为大于1.5米(即两者距离在原有位置基础上拉开大于0.5米),则判定发生了无球掩护事件。
本实施例中,通过对第一进攻方球员、第二进攻方球员和防守方球员位置坐标的判断确定其满足预设的位置关系阈值,同时判断防守方球员的行进速度小于第一进攻方球员的行进速度,即满足无球掩护事件的条件,以位置坐标和速度这两种不受视觉干扰的指标准确识别无球掩护事件。
在一个实施例中,如图6所示,步骤504的具体处理过程如下所示:
步骤601,在第一进攻方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定第一进攻方球员单位时间内的第一平均速度。
在实施中,服务器在第一进攻方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定第一进攻方球员单位时间内的第一平均速度。
例如,在第一进攻方球员特征画像模型的位置坐标组记录中,在[t,t+1]时间区间内,计算第一进攻方球员的单位时间内的第一平均速度,具体计算公式如下所示:
其中,yt+1为第t+1秒第一进攻方球员的位置纵坐标,yt为第t秒第一进攻方球员的位置横坐标,xt+1为第t+1秒第一进攻方球员的位置横坐标,xt为第t秒第一进攻方球员的位置横坐标。坐标值对应的单位为米,Va为第一平均速度,对应单位为米/秒。
步骤602,在预设角度范围内的防守方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定预设角度范围内的防守方球员单位时间内的第二平均速度。
在实施中,服务器根据预设角度范围阈值确定出的在预设角度范围内(即对应的区域α内)的防守方球员(例如,防守球员D)对应的特征画像模型中的基于时间序列的位置坐标组中单位时间对应的任意两个位置坐标,例如,在[t,t+1]时间区间内,结合两点间坐标公式,确定预设角度范围内的防守方球员单位时间内的第二平均速度(vd)。其中的两点间坐标公式与上述步骤601中的公式(1)相同,本实施例不再赘述。
在一个实施例中,如图7所示,提供了一种无球掩护事件识别示例,具体步骤如下所示:
步骤701,识别赛场上任一目标球员的球员标识(ID),根据目标球员A的所属队伍标识(TEAM_ID)与持球球员的所属队伍标识是否相同,判断目标球员的攻守状态,若目标球员A为进攻方球员则执行步骤702,若目标球员A为防守方球员则结束流程。
步骤702,确定目标球员A是否存在预设距离阈值(例如1米)内的防守方球员D,若存在,则执行步骤703,若不存在则结束流程。
步骤703,计算目标球员A的行进方向d。
步骤704,确定目标球员A的行进方向d的正负30度范围且距目标球员A的水平距离小于0.4米的区域α。
步骤705,判断在区域α内是否存在防守方球员D和进攻方球员C,若存在则执行步骤706,若不存在则结束流程。
步骤706,计算目标球员A的第一平均速度Va与防守方球员D的第二平均速度Vd。
步骤707,若第一平均速度大于第二平均速度(Va>Vd),则系统记录进攻方球员C为目标球员A实现了一次无球掩护。
应该理解的是,虽然图1,图4-7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4-7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8所示,提供了一种无球掩护事件识别装置800,包括:接收模块810、获取模块820、第一确定模块830和第二确定模块840,其中:
接收模块810,用于接收目标对象的基于时间序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员;
获取模块820,用于获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标;
第一确定模块830,用于根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态;
第二确定模块840,用于当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且防守方球员与第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
上述无球掩护事件识别装置,接收目标对象的基于时间序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员;获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标;根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态;当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且防守方球员与第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。采用本装置,通过对每一位置帧中球和球员的位置坐标进行分析,确定特定的第一进攻方球员、第二进攻方球员和防守方球员的位置关系以及速度关系,根据位置关系和速度关系判定是否发生无球掩护事件,提高了无球掩护事件的识别准确度。
在一个实施例中,该装置800还包括:统计模块,用于统计无球掩护事件的事件次数,并将无球掩护事件次数信息存储至分布式数据库。
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、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
在一个实施例中,第一确定模块830具体用于计算球对应的特征画像模型中的当前位置坐标与全部的球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离;
当最小距离满足预设距离阈值且最小距离保持时间达到预设时间阈值时,确定球员为持球球员;
将与持球球员具有相同所属队伍标识的球员确定为与持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至进攻方球员的特征画像模型中;
将与持球球员具有不同所属队伍标识的球员确定为与持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至防守方球员的特征画像模型中。
在一个实施例中,第二确定模块840具体用于根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算第一进攻方球员的行进方向;
根据第一进攻方球员的位置坐标组及预设第一距离阈值,确定与第一进攻方球员对应的防守方球员;
根据行进方向,以防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在目标区域内存在与防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算第一进攻方球员的第一平均速度和预设角度范围内的防守方球员的第二平均速度;
当第二平均速度小于第一平均速度时,确定发生无球掩护事件。
关于无球掩护事件识别装置800的具体限定可以参见上文中对于无球掩护事件识别方法的限定,在此不再赘述。上述无球掩护事件识别装置800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9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存储目标对象的位置数据和特征数据。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无球掩护事件识别方法。
本领域技术人员可以理解,图9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序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员;
获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标;
根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且防守方球员与第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
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:
统计无球掩护事件的事件次数,并将无球掩护事件次数信息存储至分布式数据库。
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、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
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:
计算球对应的特征画像模型中的当前位置坐标与全部的球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离;
当最小距离满足预设距离阈值且最小距离保持时间达到预设时间阈值时,确定球员为持球球员;
将与持球球员具有相同所属队伍标识的球员确定为与持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至进攻方球员的特征画像模型中;
将与持球球员具有不同所属队伍标识的球员确定为与持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至防守方球员的特征画像模型中。
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:
根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算第一进攻方球员的行进方向;
根据第一进攻方球员的位置坐标组及预设第一距离阈值,确定与第一进攻方球员对应的防守方球员;
根据行进方向,以防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在目标区域内存在与防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算第一进攻方球员的第一平均速度和预设角度范围内的防守方球员的第二平均速度;
当第二平均速度小于第一平均速度时,确定发生无球掩护事件。
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:
在第一进攻方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定第一进攻方球员单位时间内的第一平均速度;
在预设角度范围内的防守方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定预设角度范围内的防守方球员单位时间内的第二平均速度。
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序列的位置帧,识别每一位置帧中包含的目标对象的位置坐标;目标对象包括球和球员;
获取目标对象对应的特征画像模型,根据每一目标对象对应的特征画像模型与每一位置帧中的位置坐标的对应关系,更新每一目标对象对应的特征画像模型中的位置坐标;
根据球对应的特征画像模型中的位置坐标与球员对应的特征画像模型中的位置坐标,在球员中确定持球球员,并根据持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且防守方球员与第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
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:
统计无球掩护事件的事件次数,并将无球掩护事件次数信息存储至分布式数据库。
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、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
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:
计算球对应的特征画像模型中的当前位置坐标与全部的球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离;
当最小距离满足预设距离阈值且最小距离保持时间达到预设时间阈值时,确定球员为持球球员;
将与持球球员具有相同所属队伍标识的球员确定为与持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至进攻方球员的特征画像模型中;
将与持球球员具有不同所属队伍标识的球员确定为与持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至防守方球员的特征画像模型中。
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:
根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算第一进攻方球员的行进方向;
根据第一进攻方球员的位置坐标组及预设第一距离阈值,确定与第一进攻方球员对应的防守方球员;
根据行进方向,以防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在目标区域内存在与防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算第一进攻方球员的第一平均速度和预设角度范围内的防守方球员的第二平均速度;
当第二平均速度小于第一平均速度时,确定发生无球掩护事件。
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:
在第一进攻方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定第一进攻方球员单位时间内的第一平均速度;
在预设角度范围内的防守方球员对应的特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定预设角度范围内的防守方球员单位时间内的第二平均速度。
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)
1.一种无球掩护事件识别方法,其特征在于,所述方法包括:
接收目标对象的基于时间序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取所述目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
统计所述无球掩护事件的事件次数,并将所述无球掩护事件次数信息存储至分布式数据库。
3.根据权利要求1所述的方法,其特征在于,所述球员对应的特征画像模型中的特征信息包括球员标识、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、基于时间序列的位置帧中对应自身球员的位置坐标组、当前位置坐标、当前行进坐标方向角和平均速度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态,包括:
计算所述球对应的特征画像模型中的当前位置坐标与全部的所述球员对应的特征画像模型中的当前位置坐标间的距离,并筛选出其中的最小距离;
当所述最小距离满足预设距离阈值且所述最小距离保持时间达到预设时间阈值时,确定所述球员为持球球员;
将与所述持球球员具有相同所属队伍标识的球员确定为与所述持球球员攻守状态相同的进攻方球员,并将对应的进攻方标识更新至所述进攻方球员的特征画像模型中;
将与所述持球球员具有不同所属队伍标识的球员确定为与所述持球球员攻守状态不同的防守方球员,并将对应的防守方标识更新至所述防守方球员的特征画像模型中。
5.根据权利要求1所述的方法,其特征在于,所述当第一进攻方球员、第二进攻方球员和防守方球员的位置关系满足预设位置阈值且所述防守方球员与所述第一进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件,包括:
根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算所述第一进攻方球员的行进方向;
根据所述第一进攻方球员的位置坐标组及预设第一距离阈值,确定与所述第一进攻方球员对应的防守方球员;
根据所述行进方向,以所述防守方球员位置坐标为基准结合预设角度范围确定目标区域,并判定在所述目标区域内存在与所述防守方球员距离小于预设第二距离阈值的第二进攻方球员;
计算所述第一进攻方球员的第一平均速度和所述防守方球员的第二平均速度;
当所述第二平均速度小于所述第一平均速度时,确定发生无球掩护事件。
6.根据权利要求5所述的方法,其特征在于,所述计算所述第一进攻方球员的第一平均速度和所述预设角度范围内的所述防守方球员的第二平均速度,包括:
在所述第一进攻方球员对应的所述特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定所述第一进攻方球员单位时间内的第一平均速度;
在所述预设角度范围内的所述防守方球员对应的所述特征画像模型中的基于时间序列的位置坐标组中,根据单位时间对应的任意两个位置坐标以及两点间坐标公式,确定所述预设角度范围内的所述防守方球员单位时间内的第二平均速度。
7.一种无球掩护事件识别装置,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序列的位置帧,识别每一所述位置帧中包含的所述目标对象的位置坐标;所述目标对象包括球和球员;
获取模块,用于获取所述目标对象对应的特征画像模型,根据每一所述目标对象对应的特征画像模型与每一所述位置帧中的位置坐标的对应关系,更新每一所述目标对象对应的特征画像模型中的位置坐标;
第一确定模块,用于根据所述球对应的特征画像模型中的位置坐标与所述球员对应的特征画像模型中的位置坐标,在所述球员中确定持球球员,并根据所述持球球员确定赛场上两支队伍的攻守状态;
第二确定模块,用于当进攻方的所述持球球员、除所述持球球员之外的进攻方球员和防守方球员的位置关系满足预设位置阈值且所述持球球员与所述进攻方球员的速度满足预设速度关系时,确定发生无球掩护事件。
8.根据权利要求7所述的装置,其特征在于,第二确定模块具体用于根据第一进攻方球员对应的特征画像模型中基于时间序列的位置坐标组,计算所述第一进攻方球员的行进方向;
在基于所述行进方向的预设角度范围内,确定存在防守方球员和第二进攻方球员;
在所述预设角度范围内确定所述防守方球员与所述第二进攻方球员间的距离小于预设距离阈值;
计算所述第一进攻方球员的第一平均速度和所述预设角度范围内的所述防守方球员的第二平均速度;
当所述第二平均速度小于所述第一平均速度时,确定发生无球掩护事件。
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6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6中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177955.4A CN112883864B (zh) | 2021-02-09 | 2021-02-09 | 无球掩护事件识别方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110177955.4A CN112883864B (zh) | 2021-02-09 | 2021-02-09 | 无球掩护事件识别方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112883864A true CN112883864A (zh) | 2021-06-01 |
CN112883864B CN112883864B (zh) | 2023-10-27 |
Family
ID=76056273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110177955.4A Active CN112883864B (zh) | 2021-02-09 | 2021-02-09 | 无球掩护事件识别方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112883864B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105844697A (zh) * | 2016-03-15 | 2016-08-10 | 深圳市望尘科技有限公司 | 一种体育赛事现场三维信息的数据及事件统计实现方法 |
CN106464958A (zh) * | 2014-02-28 | 2017-02-22 | 第二频谱公司 | 用于执行体育事件的时空分析的系统和方法 |
KR20180063777A (ko) * | 2016-12-02 | 2018-06-12 | (주) 지티씨솔루션 | 축구 정보 분석 장치 및 그 방법 |
CN109126100A (zh) * | 2018-08-29 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 控球率计算方法、装置、设备及存储介质 |
CN110826539A (zh) * | 2019-12-09 | 2020-02-21 | 浙江大学 | 一种基于足球比赛视频的足球传球的可视化分析系统 |
-
2021
- 2021-02-09 CN CN202110177955.4A patent/CN112883864B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106464958A (zh) * | 2014-02-28 | 2017-02-22 | 第二频谱公司 | 用于执行体育事件的时空分析的系统和方法 |
CN105844697A (zh) * | 2016-03-15 | 2016-08-10 | 深圳市望尘科技有限公司 | 一种体育赛事现场三维信息的数据及事件统计实现方法 |
KR20180063777A (ko) * | 2016-12-02 | 2018-06-12 | (주) 지티씨솔루션 | 축구 정보 분석 장치 및 그 방법 |
CN109126100A (zh) * | 2018-08-29 | 2019-01-04 | 北京字节跳动网络技术有限公司 | 控球率计算方法、装置、设备及存储介质 |
CN110826539A (zh) * | 2019-12-09 | 2020-02-21 | 浙江大学 | 一种基于足球比赛视频的足球传球的可视化分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112883864B (zh) | 2023-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111724414B (zh) | 一种基于3d姿态估计的篮球运动分析方法 | |
CN105405154B (zh) | 基于颜色-结构特征的目标对象跟踪方法 | |
CN107274433A (zh) | 基于深度学习的目标跟踪方法、装置及存储介质 | |
CN110111363A (zh) | 一种基于目标检测的跟踪方法及设备 | |
US20220277463A1 (en) | Tracking dynamics using a computerized device | |
CN109584213A (zh) | 一种多目标编号选定跟踪方法 | |
CN112465855B (zh) | 客流统计方法、装置、存储介质及设备 | |
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 | |
CN110208789B (zh) | 一种多帧联合目标航迹识别方法 | |
WO2015184768A1 (zh) | 一种视频摘要生成方法及装置 | |
CN107180435A (zh) | 一种适用于深度图像的人体目标跟踪方法 | |
CN114926859A (zh) | 一种结合头部跟踪的密集场景下行人多目标跟踪方法 | |
CN112437487B (zh) | 位置定位方法、事件识别方法、装置和计算机设备 | |
Li et al. | Video-based table tennis tracking and trajectory prediction using convolutional neural networks | |
CN113256683B (zh) | 目标跟踪方法及相关设备 | |
CN111736190B (zh) | 一种无人机机载目标检测系统及方法 | |
CN111950507B (zh) | 数据处理和模型训练方法、装置、设备及介质 | |
CN111539294B (zh) | 投篮检测方法、装置、电子设备及计算机可读存储介质 | |
CN112883864A (zh) | 无球掩护事件识别方法、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 | |
CN112883862B (zh) | 投篮识别方法、装置、计算机设备和存储介质 | |
US11640713B2 (en) | Computing system and a computer-implemented method for sensing gameplay events and augmentation of video feed with overlay | |
Leong et al. | Computer vision approach to automatic linesman | |
CN111524161B (zh) | 提取轨迹的方法和装置 | |
Li et al. | Tracking and detection of basketball movements using multi-feature data fusion and hybrid YOLO-T2LSTM network |
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 |