CN116311533A - 一种基于ai智能的体育运动空间精彩时刻图像采集方法 - Google Patents

一种基于ai智能的体育运动空间精彩时刻图像采集方法 Download PDF

Info

Publication number
CN116311533A
CN116311533A CN202310526092.6A CN202310526092A CN116311533A CN 116311533 A CN116311533 A CN 116311533A CN 202310526092 A CN202310526092 A CN 202310526092A CN 116311533 A CN116311533 A CN 116311533A
Authority
CN
China
Prior art keywords
calling
module
space
output end
sound wave
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
Application number
CN202310526092.6A
Other languages
English (en)
Other versions
CN116311533B (zh
Inventor
吴军
韩朋朋
涂小芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Zhongke Kaize Information Technology Co ltd
Original Assignee
Guangdong Zhongke Kaize Information Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Zhongke Kaize Information Technology Co ltd filed Critical Guangdong Zhongke Kaize Information Technology Co ltd
Priority to CN202310526092.6A priority Critical patent/CN116311533B/zh
Publication of CN116311533A publication Critical patent/CN116311533A/zh
Application granted granted Critical
Publication of CN116311533B publication Critical patent/CN116311533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/71Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G06F16/784Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content the detected or recognised objects being people
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7847Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content
    • G06F16/786Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using low-level visual features of the video content using motion, e.g. object motion or camera motion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Closed-Circuit Television Systems (AREA)

Abstract

本发明涉及声音或图像的记录再现技术领域,具体为一种基于AI智能的体育运动空间精彩时刻图像采集方法,包括以下步骤,S1:建立运动空间,并在运动空间内设立多角度监控模块;S2:在运算处理器搭载视频处理模块和设备调用模块;S3:基于设备调用模块进行调用和跟踪;S4:基于动态判定逻辑对录制的视频进行过筛;S5:数据云端存储以及本地数据图像采集。本发明中,通过智能化的调用和跟踪,确保所录制视频的清晰度,通过动态判定逻辑对录制的视频进行过筛,选取精彩时刻时评,并通过本地数据图像采集的相关设置,依照清晰度对图片文件进行排序,全自动化的完成图片采集工作,避免精彩时刻缺漏的同时,确保了所采集图片的质量。

Description

一种基于AI智能的体育运动空间精彩时刻图像采集方法
技术领域
本发明涉及声音或图像的记录再现技术领域,尤其涉及一种基于AI智能的体育运动空间精彩时刻图像采集方法。
背景技术
图像采集工作是一种用来对图像信息进行采集的专业工作流程,其目的是为了通过自动化处理的方式,达成对于图像信息自动采集的效果,而在声音或图像的记录再现中,往往是根据现场图片拍摄或视频截取的方式,执行图像采集的,前者容易出现时刻缺漏的情况,而后者虽然能够避免精彩时刻缺漏的情况发生,但缺乏对于视频录制的控制方法以及精彩时刻的截取方法,导致人工处理量过大、处理不便,需要进行改进。
发明内容
本发明的目的是解决现有技术中存在的缺点,而提出的一种基于AI智能的体育运动空间精彩时刻图像采集方法。
为了实现上述目的,本发明采用了如下技术方案:一种基于AI智能的体育运动空间精彩时刻图像采集方法,包括以下步骤:
S1:建立运动空间,并在运动空间内设立多角度监控模块;
S2:在运算处理器搭载视频处理模块和设备调用模块;
S3:基于设备调用模块进行调用和跟踪;
S4:基于动态判定逻辑对录制的视频进行过筛;
S5:数据云端存储以及本地数据图像采集。
作为本发明的进一步方案,所述S1中,所述运动空间包括运动空间基体,所述运动空间基体的表面设置有跑道、沙坑、足球空间,所述沙坑的一端设置有辅助道,所述足球空间的两端均装有球门,所述足球空间的表面设置有辅助线。
作为本发明的进一步方案,所述S1中,所述多角度监控模块包括运算处理器、显示大屏、无线网关、高速摄像头,所述高速摄像头的输出端与无线网关的输入端通信连接,所述无线网关的输出端与运算处理器的输入端通信连接,所述运算处理器的输出端与显示大屏的输入端通信连接。
作为本发明的进一步方案,所述高速摄像头装配在运动空间基体的边缘位置,所述高速摄像头包括声浪采集端口、录制端口、数据传输端口、内存模块和驱动模块,所述录制端口包括光学传感器、补光灯模组、摄像头模组,所述光学传感器的输出端与补光灯模组的输入端电性连接,所述内存模块包括调用项内存、录制项内存,所述调用项内存存储有设备号和设备当前空间轴,所述设备当前空间轴包括X轴坐标、Y轴坐标、Z轴坐标,所述录制项内存存储有录制视频,所述摄像头模组的输出端与录制项内存的输入端电性连接,所述内存模块的输出端与数据传输端口的输入端电性连接,所述驱动模块包括横向转向电机、纵向转向电机,所述驱动模块的输出端与内存模块的输入端电性连接。
作为本发明的进一步方案,所述S2中,所述设备调用模块包括调用判定模块、调用执行模块,所述调用判定模块包括调用判定依据、调用判定流程,所述调用执行模块包括设备号开启逻辑,所述设备号开启逻辑的输出端电性连接有常态调用程序、动态捕捉程序,所述动态捕捉程序的输出端电性连接有目标锁定,所述目标锁定的输出端电性连接有目标追踪码,所述目标追踪码的输出端电性连接有驱动模块调用,所述视频处理模块包括智能判定模块、本地存储模块和云端存储模块,所述智能判定模块包括精彩度判定依据、精彩度判定流程。
作为本发明的进一步方案,所述精彩度判定依据、调用判定依据的输出端电性连接有判定项目,所述判定项目包括足球、赛跑、跳远,所述赛跑包括标准跑和接力跑,所述调用判定依据的输出端与声浪采集端口的输入端电性连接,所述精彩度判定依据包括动态判定逻辑。
作为本发明的进一步方案,所述S3中,所述基于设备调用模块进行调用和跟踪的具体步骤为:
S310:声浪采集端口实时获取声浪信息;
S320:对声浪信息进行强度诊断,并通过对于多个声浪采集端口的调用,判定声源是否属于运动空间;
S330:当声浪强度达标且声源判定产生地属于运动空间,则启动摄像头。
作为本发明的进一步方案,所述S330中,所述启动摄像头的具体步骤为:
S331:通过常态调用程序,启动运动空间常态化的高速摄像头;
S332:通过活动项识别,基于循环加载,分析运动项,并调用距离运动项较近的高速摄像头,其调用方法具体为根据对多组高速摄像头的设备当前空间轴进行比对,分析坐标,并通过设备号执行距离较近几组高速摄像头的调用;
S333:基于动态捕捉程序,进行目标锁定;
S334:基于高速摄像头的设备当前空间轴与锁定的目标坐标进行比对,生成目标追踪码,驱动模块调用通过网关发送控制信号给高速摄像头的控制模块,并基于横向转向电机和纵向转向电机,执行跟踪。
作为本发明的进一步方案,所述S4中,所述基于动态判定逻辑对录制的视频进行过筛的具体步骤为:
S410:根据判定项目(足球、赛跑、跳远)选择判定标准;
S420:在判定标准中,依据所判定项目所做出的动作、完成度设立评分依据,作为精彩度判定依据的主要依据;
S430:基于声浪采集端口实时获取声浪信息与录制视频的时间轴对应,并对整场记录的声浪强度记录峰值和谷值,作为辅助依据。
作为本发明的进一步方案,所述S5中,所述数据云端存储以及本地数据图像采集的具体步骤为:
S510:在精彩度判定流程中,通过主要依据进行精彩度判定,获得基础分;
S520:设立附加分选项,在整场记录的声浪强度记录峰值和谷值中,选取声浪采集端口在录制视频周期内的声强数据,进行强度比对,判定附加分;
S530:将基础分和附加分累加,获取综合分值,并判定是否为精彩时刻;
S540:对精彩时刻的所录制视频进行标记,并将本地存储模块的数据批量发送至云端存储模块,本地存储模块将附带精彩时刻标记的视频保留,其余文件删除;
S550:基于时间周期,将数据等分为起始、过程与收尾阶段,对视频进行分帧处理,扫描帧内存储图片,进行图片清晰度判定,并依照清晰度对图片文件进行排序,依照起始、过程与收尾阶段进行图片文件的精度选取,获得精彩时刻的高清图片。
与现有技术相比,本发明的优点和积极效果在于:
本发明中,通过建立运动空间,并在运动空间内设立多角度监控模块的方式,有规则化的设置运动空间,并搭载多角度监控模块,通过在运算处理器搭载视频处理模块和设备调用模块,并进行智能化的调用和跟踪,确保所录制视频的清晰度,通过动态判定逻辑对录制的视频进行过筛,选取精彩时刻时评,并通过本地数据图像采集的相关设置,依照清晰度对图片文件进行排序,依照起始、过程与收尾阶段进行图片文件的精度选取,获得精彩时刻的高清图片,全自动化的完成图片采集工作,避免精彩时刻缺漏的同时,确保了所采集图片的质量。
附图说明
图1为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的主要步骤示意图;
图2为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的运动空间示意图;
图3为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的多角度监控模块示意图;
图4为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的高速摄像头运算流程图;
图5为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的运算处理器流程图;
图6为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的S3细化示意图;
图7为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的S330细化示意图;
图8为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的S4细化示意图;
图9为本发明提出一种基于AI智能的体育运动空间精彩时刻图像采集方法的S5细化示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明的描述中,需要理解的是,术语“长度”、“宽度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
请参阅图1,本发明提供一种技术方案:一种基于AI智能的体育运动空间精彩时刻图像采集方法,包括以下步骤:
S1:建立运动空间,并在运动空间内设立多角度监控模块;
S2:在运算处理器搭载视频处理模块和设备调用模块;
S3:基于设备调用模块进行调用和跟踪;
S4:基于动态判定逻辑对录制的视频进行过筛;
S5:数据云端存储以及本地数据图像采集。
请参阅图2,S1中,运动空间包括运动空间基体,运动空间基体的表面设置有跑道、沙坑、足球空间,沙坑的一端设置有辅助道,足球空间的两端均装有球门,足球空间的表面设置有辅助线。
该种设计的目的是对于运动空间进行基本项设置,通过运动空间基体给跑道、沙坑、足球空间提供支撑,并配合辅助道、球门和辅助线,使得运动空间能够满足赛跑、足球、跳远等运动的需求。
请参阅图3,S1中,多角度监控模块包括运算处理器、显示大屏、无线网关、高速摄像头,高速摄像头的输出端与无线网关的输入端通信连接,无线网关的输出端与运算处理器的输入端通信连接,运算处理器的输出端与显示大屏的输入端通信连接。
该种设计的目的是对于多角度监控模块的数据流通进行设置,通过无线网关将高速摄像头记录的信息传递给运算处理器,通过运算处理器进行相关处理,并通过显示大屏进行展示。
请参阅图4,高速摄像头装配在运动空间基体的边缘位置,高速摄像头包括声浪采集端口、录制端口、数据传输端口、内存模块和驱动模块,录制端口包括光学传感器、补光灯模组、摄像头模组,光学传感器的输出端与补光灯模组的输入端电性连接,内存模块包括调用项内存、录制项内存,调用项内存存储有设备号和设备当前空间轴,设备当前空间轴包括X轴坐标、Y轴坐标、Z轴坐标,录制项内存存储有录制视频,摄像头模组的输出端与录制项内存的输入端电性连接,内存模块的输出端与数据传输端口的输入端电性连接,驱动模块包括横向转向电机、纵向转向电机,驱动模块的输出端与内存模块的输入端电性连接。
该种设计的目的是对于高速摄像头的装配位置进行进一步限定,并通过声浪采集端口,给声浪的采集工作提供硬件支持,通过录制端口中的摄像头模组,进行视频具体的录制工作,所录制视频传递给内存模块,在视频录制过程中,通过光学传感器感应光度,在光源不足时,通过补光灯模组进行补光,内存模块包括调用项内存、录制项内存,调用项内存存储有设备号和设备当前空间轴,设备当前空间轴包括X轴坐标、Y轴坐标、Z轴坐标,录制项内存存储有录制视频,在驱动模块中,通过横向转向电机、纵向转向电机给高速摄像头的追踪工作提供结构支持。
请参阅图5,S2中,设备调用模块包括调用判定模块、调用执行模块,调用判定模块包括调用判定依据、调用判定流程,调用执行模块包括设备号开启逻辑,设备号开启逻辑的输出端电性连接有常态调用程序、动态捕捉程序,动态捕捉程序的输出端电性连接有目标锁定,目标锁定的输出端电性连接有目标追踪码,目标追踪码的输出端电性连接有驱动模块调用,视频处理模块包括智能判定模块、本地存储模块和云端存储模块,智能判定模块包括精彩度判定依据、精彩度判定流程,精彩度判定依据、调用判定依据的输出端电性连接有判定项目,判定项目包括足球、赛跑、跳远,赛跑包括标准跑和接力跑,调用判定依据的输出端与声浪采集端口的输入端电性连接,精彩度判定依据包括动态判定逻辑。
通过设备调用模块中的调用判定模块进行调用判定,依照调用依据选择所调用的摄像头,并通过调用执行模块生成设备号开启逻辑,以此开启相应的高速摄像头设备,其具体判定、调用流程为声浪采集端口实时获取声浪信息,对声浪信息进行强度诊断,并通过对于多个声浪采集端口的调用,判定声源是否属于运动空间,当声浪强度达标且声源判定产生地属于运动空间,则启动摄像头,通过常态调用程序,启动运动空间常态化的高速摄像,通过活动项识别,基于循环加载,分析运动项,并调用距离运动项较近的高速摄像头,其调用方法具体为根据对多组高速摄像头的设备当前空间轴进行比对,分析坐标,并通过设备号执行距离较近几组高速摄像头的调用,基于动态捕捉程序,进行目标锁定,基于高速摄像头的设备当前空间轴与锁定的目标坐标进行比对,生成目标追踪码,驱动模块调用通过网关发送控制信号给高速摄像头的控制模块,并基于横向转向电机和纵向转向电机,执行跟踪,云端存储模块中包含智能判定模块、本地存储模块和云端存储模块,经过智能判定模块确定精彩视频,并通过云端存储模块将视频备份,避免错误判定导致误删的情况发生。
请参阅图6,S3中,基于设备调用模块进行调用和跟踪的具体步骤为:
S310:声浪采集端口实时获取声浪信息;
S320:对声浪信息进行强度诊断,并通过对于多个声浪采集端口的调用,判定声源是否属于运动空间;
S330:当声浪强度达标且声源判定产生地属于运动空间,则启动摄像头。
请参阅图7,S330中,启动摄像头的具体步骤为:
S331:通过常态调用程序,启动运动空间常态化的高速摄像头;
S332:通过活动项识别,基于循环加载,分析运动项,并调用距离运动项较近的高速摄像头,其调用方法具体为根据对多组高速摄像头的设备当前空间轴进行比对,分析坐标,并通过设备号执行距离较近几组高速摄像头的调用;
S333:基于动态捕捉程序,进行目标锁定;
S334:基于高速摄像头的设备当前空间轴与锁定的目标坐标进行比对,生成目标追踪码,驱动模块调用通过网关发送控制信号给高速摄像头的控制模块,并基于横向转向电机和纵向转向电机,执行跟踪。
请参阅图8,S4中,基于动态判定逻辑对录制的视频进行过筛的具体步骤为:
S410:根据判定项目选择判定标准,所述判定项目为足球、赛跑、跳远中的一种;
S420:在判定标准中,依据所判定项目所做出的动作、完成度设立评分依据,作为精彩度判定依据的主要依据;
S430:基于声浪采集端口实时获取声浪信息与录制视频的时间轴对应,并对整场记录的声浪强度记录峰值和谷值,作为辅助依据。
请参阅图9,S5中,数据云端存储以及本地数据图像采集的具体步骤为:
S510:在精彩度判定流程中,通过主要依据进行精彩度判定,获得基础分;
S520:设立附加分选项,在整场记录的声浪强度记录峰值和谷值中,选取声浪采集端口在录制视频周期内的声强数据,进行强度比对,判定附加分;
S530:将基础分和附加分累加,获取综合分值,并判定是否为精彩时刻;
S540:对精彩时刻的所录制视频进行标记,并将本地存储模块的数据批量发送至云端存储模块,本地存储模块将附带精彩时刻标记的视频保留,其余文件删除;
S550:基于时间周期,将数据等分为起始、过程与收尾阶段,对视频进行分帧处理,扫描帧内存储图片,进行图片清晰度判定,并依照清晰度对图片文件进行排序,依照起始、过程与收尾阶段进行图片文件的精度选取,获得精彩时刻的高清图片。
工作原理:建立运动空间(包括运动空间基体,运动空间基体的表面设置有跑道、沙坑、足球空间),并在运动空间内设立多角度监控模块(包括运算处理器、显示大屏、无线网关、高速摄像头),在运算处理器搭载视频处理模块(包括声浪采集端口、录制端口、数据传输端口、内存模块和驱动模块)和设备调用模块(包括调用判定模块、调用执行模块,调用判定模块包括调用判定依据、调用判定流程,调用执行模块包括设备号开启逻辑),基于设备调用模块进行调用和跟踪(声浪采集端口实时获取声浪信息,对声浪信息进行强度诊断,并通过对于多个声浪采集端口的调用,判定声源是否属于运动空间,当声浪强度达标且声源判定产生地属于运动空间,则启动摄像头,通过常态调用程序,启动运动空间常态化的高速摄像头,通过活动项识别,基于循环加载,分析运动项,并调用距离运动项较近的高速摄像头,其调用方法具体为根据对多组高速摄像头的设备当前空间轴进行比对,分析坐标,并通过设备号执行距离较近几组高速摄像头的调用,基于动态捕捉程序,进行目标锁定,基于高速摄像头的设备当前空间轴与锁定的目标坐标进行比对,生成目标追踪码,驱动模块调用通过网关发送控制信号给高速摄像头的控制模块,并基于横向转向电机和纵向转向电机,执行跟踪),基于动态判定逻辑对录制的视频进行过筛(根据判定项目选择判定标准,在判定标准中,依据所判定项目所做出的动作、完成度设立评分依据,作为精彩度判定依据的主要依据,基于声浪采集端口实时获取声浪信息与录制视频的时间轴对应,并对整场记录的声浪强度记录峰值和谷值,作为辅助依据),数据云端存储以及本地数据图像采集(在精彩度判定流程中,通过主要依据进行精彩度判定,获得基础分,设立附加分选项,在整场记录的声浪强度记录峰值和谷值中,选取声浪采集端口在录制视频周期内的声强数据,进行强度比对,判定附加分,将基础分和附加分累加,获取综合分值,并判定是否为精彩时刻,对精彩时刻的所录制视频进行标记,并将本地存储模块的数据批量发送至云端存储模块,本地存储模块将附带精彩时刻标记的视频保留,其余文件删除,基于时间周期,将数据等分为起始、过程与收尾阶段,对视频进行分帧处理,扫描帧内存储图片,进行图片清晰度判定,并依照清晰度对图片文件进行排序,依照起始、过程与收尾阶段进行图片文件的精度选取,获得精彩时刻的高清图片)。
以上,仅是本发明的较佳实施例而已,并非对本发明作其他形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。

Claims (10)

1.一种基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,包括以下步骤:
S1:建立运动空间,并在运动空间内设立多角度监控模块;
S2:在运算处理器搭载视频处理模块和设备调用模块;
S3:基于设备调用模块进行调用和跟踪;
S4:基于动态判定逻辑对录制的视频进行过筛;
S5:数据云端存储以及本地数据图像采集。
2.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S1中,所述运动空间包括运动空间基体,所述运动空间基体的表面设置有跑道、沙坑、足球空间,所述沙坑的一端设置有辅助道,所述足球空间的两端均装有球门,所述足球空间的表面设置有辅助线。
3.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S1中,所述多角度监控模块包括运算处理器、显示大屏、无线网关、高速摄像头,所述高速摄像头的输出端与无线网关的输入端通信连接,所述无线网关的输出端与运算处理器的输入端通信连接,所述运算处理器的输出端与显示大屏的输入端通信连接。
4.根据权利要求3所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述高速摄像头装配在运动空间基体的边缘位置,所述高速摄像头包括声浪采集端口、录制端口、数据传输端口、内存模块和驱动模块,所述录制端口包括光学传感器、补光灯模组、摄像头模组,所述光学传感器的输出端与补光灯模组的输入端电性连接,所述内存模块包括调用项内存、录制项内存,所述调用项内存存储有设备号和设备当前空间轴,所述设备当前空间轴包括X轴坐标、Y轴坐标、Z轴坐标,所述录制项内存存储有录制视频,所述摄像头模组的输出端与录制项内存的输入端电性连接,所述内存模块的输出端与数据传输端口的输入端电性连接,所述驱动模块包括横向转向电机、纵向转向电机,所述驱动模块的输出端与内存模块的输入端电性连接。
5.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S2中,所述设备调用模块包括调用判定模块、调用执行模块,所述调用判定模块包括调用判定依据、调用判定流程,所述调用执行模块包括设备号开启逻辑,所述设备号开启逻辑的输出端电性连接有常态调用程序、动态捕捉程序,所述动态捕捉程序的输出端电性连接有目标锁定,所述目标锁定的输出端电性连接有目标追踪码,所述目标追踪码的输出端电性连接有驱动模块调用,所述视频处理模块包括智能判定模块、本地存储模块和云端存储模块,所述智能判定模块包括精彩度判定依据、精彩度判定流程。
6.根据权利要求5所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述精彩度判定依据、调用判定依据的输出端电性连接有判定项目,所述判定项目包括足球、赛跑、跳远,所述赛跑包括标准跑和接力跑,所述调用判定依据的输出端与声浪采集端口的输入端电性连接,所述精彩度判定依据包括动态判定逻辑。
7.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S3中,所述基于设备调用模块进行调用和跟踪的具体步骤为:
S310:声浪采集端口实时获取声浪信息;
S320:对声浪信息进行强度诊断,并通过对于多个声浪采集端口的调用,判定声源是否属于运动空间;
S330:当声浪强度达标且声源判定产生地属于运动空间,则启动摄像头。
8.根据权利要求7所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S330中,所述启动摄像头的具体步骤为:
S331:通过常态调用程序,启动运动空间常态化的高速摄像头;
S332:通过活动项识别,基于循环加载,分析运动项,并调用距离运动项较近的高速摄像头,其调用方法具体为根据对多组高速摄像头的设备当前空间轴进行比对,分析坐标,并通过设备号执行距离较近几组高速摄像头的调用;
S333:基于动态捕捉程序,进行目标锁定;
S334:基于高速摄像头的设备当前空间轴与锁定的目标坐标进行比对,生成目标追踪码,驱动模块调用通过网关发送控制信号给高速摄像头的控制模块,并基于横向转向电机和纵向转向电机,执行跟踪。
9.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S4中,所述基于动态判定逻辑对录制的视频进行过筛的具体步骤为:
S410:根据判定项目选择判定标准,所述判定项目为足球、赛跑、跳远中的一种;
S420:在判定标准中,依据所判定项目所做出的动作、完成度设立评分依据,作为精彩度判定依据的主要依据;
S430:基于声浪采集端口实时获取声浪信息与录制视频的时间轴对应,并对整场记录的声浪强度记录峰值和谷值,作为辅助依据。
10.根据权利要求1所述的基于AI智能的体育运动空间精彩时刻图像采集方法,其特征在于,所述S5中,所述数据云端存储以及本地数据图像采集的具体步骤为:
S510:在精彩度判定流程中,通过主要依据进行精彩度判定,获得基础分;
S520:设立附加分选项,在整场记录的声浪强度记录峰值和谷值中,选取声浪采集端口在录制视频周期内的声强数据,进行强度比对,判定附加分;
S530:将基础分和附加分累加,获取综合分值,并判定是否为精彩时刻;
S540:对精彩时刻的所录制视频进行标记,并将本地存储模块的数据批量发送至云端存储模块,本地存储模块将附带精彩时刻标记的视频保留,其余文件删除;
S550:基于时间周期,将数据等分为起始、过程与收尾阶段,对视频进行分帧处理,扫描帧内存储图片,进行图片清晰度判定,并依照清晰度对图片文件进行排序,依照起始、过程与收尾阶段进行图片文件的精度选取,获得精彩时刻的高清图片。
CN202310526092.6A 2023-05-11 2023-05-11 一种基于ai智能的体育运动空间精彩时刻图像采集方法 Active CN116311533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310526092.6A CN116311533B (zh) 2023-05-11 2023-05-11 一种基于ai智能的体育运动空间精彩时刻图像采集方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310526092.6A CN116311533B (zh) 2023-05-11 2023-05-11 一种基于ai智能的体育运动空间精彩时刻图像采集方法

Publications (2)

Publication Number Publication Date
CN116311533A true CN116311533A (zh) 2023-06-23
CN116311533B CN116311533B (zh) 2023-10-03

Family

ID=86790865

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310526092.6A Active CN116311533B (zh) 2023-05-11 2023-05-11 一种基于ai智能的体育运动空间精彩时刻图像采集方法

Country Status (1)

Country Link
CN (1) CN116311533B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108471451A (zh) * 2018-05-28 2018-08-31 北京主场小将体育文化有限公司 一种校园体育训练/比赛运动场/馆信息化物联网系统
CN108650524A (zh) * 2018-05-23 2018-10-12 腾讯科技(深圳)有限公司 视频封面生成方法、装置、计算机设备及存储介质
CN109300471A (zh) * 2018-10-23 2019-02-01 中冶东方工程技术有限公司 融合声音采集识别的场区智能视频监控方法、装置及系统
CN110650374A (zh) * 2019-08-16 2020-01-03 咪咕文化科技有限公司 剪辑方法、电子设备和计算机可读存储介质
CN112104841A (zh) * 2020-11-05 2020-12-18 深圳市万佳安人工智能数据技术有限公司 一种用于移动目标监测的多摄像头智能监控方法及装置
WO2021077141A2 (en) * 2021-02-05 2021-04-22 Innopeak Technology, Inc. Highlight moment detection for slow-motion videos
CN114821445A (zh) * 2022-05-17 2022-07-29 浙江广播电视集团 基于帧间检测的多机位体育赛事精彩集锦制作方法及设备
CN116017823A (zh) * 2022-12-19 2023-04-25 南京拓恒无人系统研究院有限公司 一种智慧路灯系统
CN116095363A (zh) * 2023-02-09 2023-05-09 西安电子科技大学 基于关键行为识别的移动端短视频高光时刻剪辑方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108650524A (zh) * 2018-05-23 2018-10-12 腾讯科技(深圳)有限公司 视频封面生成方法、装置、计算机设备及存储介质
CN108471451A (zh) * 2018-05-28 2018-08-31 北京主场小将体育文化有限公司 一种校园体育训练/比赛运动场/馆信息化物联网系统
CN109300471A (zh) * 2018-10-23 2019-02-01 中冶东方工程技术有限公司 融合声音采集识别的场区智能视频监控方法、装置及系统
CN110650374A (zh) * 2019-08-16 2020-01-03 咪咕文化科技有限公司 剪辑方法、电子设备和计算机可读存储介质
CN112104841A (zh) * 2020-11-05 2020-12-18 深圳市万佳安人工智能数据技术有限公司 一种用于移动目标监测的多摄像头智能监控方法及装置
WO2021077141A2 (en) * 2021-02-05 2021-04-22 Innopeak Technology, Inc. Highlight moment detection for slow-motion videos
CN114821445A (zh) * 2022-05-17 2022-07-29 浙江广播电视集团 基于帧间检测的多机位体育赛事精彩集锦制作方法及设备
CN116017823A (zh) * 2022-12-19 2023-04-25 南京拓恒无人系统研究院有限公司 一种智慧路灯系统
CN116095363A (zh) * 2023-02-09 2023-05-09 西安电子科技大学 基于关键行为识别的移动端短视频高光时刻剪辑方法

Also Published As

Publication number Publication date
CN116311533B (zh) 2023-10-03

Similar Documents

Publication Publication Date Title
CN110163114B (zh) 一种人脸角度及人脸模糊度分析方法、系统和计算机设备
CN102572506B (zh) 改善视频图像流中的图像的图像质量的方法和数码摄像机
CN108734107B (zh) 一种基于人脸的多目标跟踪方法及系统
CN103491331B (zh) 显示控制设备、显示控制方法
CN100357959C (zh) 面部器官位置检测设备、方法及程序
CN110543867A (zh) 一种多摄像头条件下的人群密度估测系统及方法
US20050213793A1 (en) Monitoring system and setting method for the same
CN102175701A (zh) 工业x射线机在线探伤检测系统及方法
CN101246541A (zh) 图像处理设备和方法、图像拾取设备、以及计算机程序
CN101056362A (zh) 图像显示控制装置及其控制方法和控制程序
CN113077491A (zh) 基于跨模态共享和特定表示形式的rgbt目标跟踪方法
CN112052730B (zh) 一种3d动态人像识别监控设备及方法
CN112347856A (zh) 一种基于教室场景的无感知考勤系统及方法
CN111830039B (zh) 一种智能化的产品质量检测方法及装置
CN113516102A (zh) 基于视频的深度学习抛物行为检测方法
CN106203332A (zh) 基于智能机器人视觉识别人脸面部表情变化的方法及系统
CN115761568A (zh) 一种基于YOLOv7网络和Deepsort网络的猕猴检测方法
CN116311533B (zh) 一种基于ai智能的体育运动空间精彩时刻图像采集方法
CN110351579A (zh) 一种视频的智能剪辑算法
CN109001674B (zh) 一种基于连续视频序列的WiFi指纹信息快速采集与定位方法
CN113784026B (zh) 基于图像的计算位置信息的方法、装置、设备及存储介质
CN110807453A (zh) 基于ocr的产品字符在线检测方法、装置及系统
CN100515036C (zh) 智能型图像处理闭路电视摄像机装置及其物体追踪方法
CN112015231B (zh) 监控视频分区处理方法及系统
Nilsson et al. Detection and classification of industrial signal lights for factory floors

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