CN116962751A - 比赛评分预测方法、电子设备及存储介质 - Google Patents

比赛评分预测方法、电子设备及存储介质 Download PDF

Info

Publication number
CN116962751A
CN116962751A CN202310920518.6A CN202310920518A CN116962751A CN 116962751 A CN116962751 A CN 116962751A CN 202310920518 A CN202310920518 A CN 202310920518A CN 116962751 A CN116962751 A CN 116962751A
Authority
CN
China
Prior art keywords
action
link
contestant
actions
score
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
Application number
CN202310920518.6A
Other languages
English (en)
Inventor
陈珊
沈昕
张哲�
陈望都
周倩雯
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.)
China Mobile Communications Group Co Ltd
MIGU Video Technology Co Ltd
MIGU Culture Technology Co Ltd
Original Assignee
China Mobile Communications Group Co Ltd
MIGU Video Technology Co Ltd
MIGU Culture 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 China Mobile Communications Group Co Ltd, MIGU Video Technology Co Ltd, MIGU Culture Technology Co Ltd filed Critical China Mobile Communications Group Co Ltd
Priority to CN202310920518.6A priority Critical patent/CN116962751A/zh
Publication of CN116962751A publication Critical patent/CN116962751A/zh
Pending legal-status Critical Current

Links

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
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/21—Server components or server architectures
    • H04N21/218—Source of audio or video content, e.g. local disk arrays
    • H04N21/2187—Live feed
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/234—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs
    • H04N21/23418—Processing of video elementary streams, e.g. splicing of video streams, manipulating MPEG-4 scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/431—Generation of visual interfaces for content selection or interaction; Content or additional data rendering

Abstract

本申请公开了一种比赛评分预测方法、电子设备及存储介质，涉及视频技术领域。该方法包括：在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，关键视频帧包括参赛选手本轮表演的第一组动作中各环节动作的视频帧；获取与第一组动作对应的第一组基准动作，并确定第一组基准动作的各环节基准动作参数；分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与第一组基准动作中对应环节基准动作参数的偏差信息，确定参赛选手本轮表演的预测评分；在目标赛事的直播画面中显示参赛选手的包括预测评分的动作评分信息。本申请实施例通过在赛事直播画面中及时显示预测评分，能够让用户及时了解参赛选手的表现得分情况。

Description

比赛评分预测方法、电子设备及存储介质
技术领域
本申请涉及视频技术领域，尤其涉及一种比赛评分预测方法、电子设备及存储介质。
背景技术
目前，在非对抗类赛事直播中，通常是在运动员完成一组动作后等待较长一段时间才公布其本轮表现得分，且对于大部分非专业的观众而言，无法精准地了解运动员动作是否规范完整，从而无法提前预判运动员的得分。例如，在体操、跳水、冰雪等技巧类比赛项目中，观众基本是通过解说来了解运动员表现和比赛得分情况。可见，现有非对抗类赛事直播存在评分公布不及时、观众不能及时了解运动员表现得分情况的问题。
发明内容
本申请实施例提供一种比赛评分预测方法、装置、电子设备及存储介质，以解决现有非对抗类赛事直播存在评分公布不及时、观众不能及时了解运动员表现得分情况的问题。
第一方面，本申请实施例提供了一种比赛评分预测方法，包括：
在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；
获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；
分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；
在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
可选地，所述第一组基准动作是从预先构建的所述目标赛事的基准动作库中获取的；
所述基准动作库包括标准动作库和/或个性动作库，所述标准动作库包括所述目标赛事的多组标准动作和对应的标准评分，所述个性动作库包括多个选手的历史参赛动作数据，每个选手的历史参赛动作数据包括选手的身体特征、选手历史参赛中表演的各组动作和对应的历史评分。
可选地，所述基准动作库包括个性动作库；
所述获取与所述第一组动作对应的第一组基准动作，包括：
在所述个性动作库中存在所述参赛选手的历史参赛动作数据的情况下，从所述参赛选手的历史参赛动作数据中获取所述参赛选手历史表演的第一组动作，作为对应的第一组基准动作；
在所述个性动作库中不存在所述参赛选手的历史参赛动作数据的情况下，从所述目标赛事直播画面中提取所述参赛选手的身体特征；将所述参赛选手的身体特征与所述个性动作库中各选手的身体特征进行匹配，确定所述个性动作库中，与所述参赛选手的身体特征相似度最高的目标选手的历史参赛动作数据；从所述目标选手的历史参赛动作数据中获取所述目标选手历史表演的第一组动作，作为对应的第一组基准动作。
可选地，所述基准动作库包括标准动作库和个性动作库；
所述偏差信息包括第一偏差信息和第二偏差信息，所述第一偏差信息为各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，所述第二偏差信息为各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息；
所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据所述第一偏差信息，确定所述参赛选手本轮表演的第一预测评分；
根据所述第二偏差信息，确定所述参赛选手本轮表演的第二预测评分；
根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述第一预测评分和所述第二预测评分进行加权求和，得到所述参赛选手本轮表演的预测评分。
可选地，所述方法还包括：
根据所述参赛选手本轮表演的实际评分分别与所述第一预测评分和所述第二预测评分的偏差，调整所述个性动作库预测评分的权重系数和/或所述标准动作库预测评分的权重系数。
可选地，所述分别从各环节动作的视频帧中提取各环节动作参数，包括：
在第一环节动作的视频帧中确定所述参赛选手的身体部位关键点，其中，所述第一环节动作为所述第一组动作中的任一环节动作；
根据所述身体部位关键点，确定所述第一环节动作的动作参数。
可选地，所述根据所述身体部位关键点，确定所述第一环节动作的动作参数，包括：
将所述身体部位关键点按身体结构特征连接，形成所述第一环节动作的动作轨迹，其中，所述动作轨迹用于表征所述动作参数；
所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
将各环节动作轨迹与所述第一组基准动作中对应环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量；
根据各环节动作轨迹相对对应环节基准动作轨迹的偏移量，确定所述参赛选手本轮表演的预测评分。
可选地，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分。
可选地，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分，包括：
将各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差，与对应环节基准动作的参考评分相乘，得到对应环节动作参数的偏差评分；
将所述第一组基准动作的总参考评分减去各环节动作参数的偏差评分和，得到所述参赛选手本轮表演的预测评分。
可选地，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定各环节动作的预测分，并根据各环节动作的预测分，确定所述参赛选手本轮表演的预测评分；
所述在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，包括：
在所述目标赛事的直播画面中显示所述预测评分和所述预测评分的构成信息，所述构成信息包括所述参赛选手在各环节动作的预测分。
可选地，所述在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，包括：
在所述目标赛事的直播画面中显示所述预测评分，以及显示所述参赛选手的各环节动作与所述第一组基准动作中对应环节基准动作的比对信息。
第二方面，本申请实施例还提供一种比赛评分预测装置，包括：
获取模块，用于在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；
确定模块，用于获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；
提取模块，用于分别从各环节动作的视频帧中提取各环节动作参数；
预测模块，用于根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；
显示模块，用于在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
第三方面，本申请实施例还提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的比赛评分预测方法中的步骤。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的比赛评分预测方法中的步骤。
在本申请实施例中，在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。这样，通过在赛事直播中，获取当前参赛选手表演的动作参数和对应的基准动作参数，根据二者的比对偏差预测参赛选手本轮表演评分，并在直播画面中及时显示预测评分，能够让用户根据预测评分及时了解参赛选手的表现得分情况。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的比赛评分预测方法的流程图；
图2是本申请实施例提供的起跳关键位置点以及角度的示意图；
图3是本申请实施例提供的起水过程中运动员姿势的示意图；
图4a和图4b是本申请实施例提供的运动员入水姿势的示意图；
图5是本申请实施例提供的运动员动作轨迹与基准动作轨迹的偏移示意图；
图6是本申请实施例提供的运动员在各环节动作的偏移量的示意图；
图7是本申请实施例提供的比赛评分预测装置的结构图；
图8是本申请实施例提供的电子设备的结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，图1是本申请实施例提供的比赛评分预测方法的流程图，如图1所示，包括以下步骤：
步骤101、在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组。
本申请实施例可应用于各种非对抗类赛事中对参赛选手/运动员的每轮比赛进行辅助预测评分，使用户可提前了解运动员的表现情况，并帮助用户提前对比赛结果进行预测。故上述目标赛事可以是体操项目、跳水项目、冰雪项目等技巧类比赛项目。本申请实施例中主要以跳水项目为例进行说明。
在实际中，对于某一目标赛事，可以有多组动作，在每轮比赛中，选手每次表演其中一组动作，一组动作由从起始到结束的一连串动作组成，即一组动作可以分为多个环节的动作。例如，跳台高十米的跳水比赛，一共有六组动作，每组动作分为起跳、跳中、入水等多个环节。
本申请实施例中，可以在目标赛事直播过程中，每当有参赛选手表演时，对当前直播的视频流进行实时分帧，以此获得当前参赛选手本轮表演的一组动作中各不同环节动作的关键视频帧。
例如，在直播某个运动员跳水时，从该运动员起跳开始，实时获取该运动员起跳动作、空中动作、入水动作等各环节关键动作的视频帧，直至该运动员入水完成后停止获取，其中每个环节可以获取一帧或多帧不同的关键动作的视频帧。
步骤102、获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数。
本申请实施例中，为实现通过系统自动对各参赛选手赛中的表现情况进行评分预测，并提高预测的精确性，可以通过将参赛选手每轮表演的动作与对应的基准动作进行匹配或比对，确定参赛选手每轮表演的动作相对基准动作的偏差信息，进而依据该偏差信息来评估参赛选手每轮表现得分情况，并将预测评分及时显示在直播画面中，让观众在真实评分公布前提前得知其预测评分，进而大概了解参赛选手每轮表演预计可获得的分数。
故该步骤中，可以根据当前参赛选手表演的一组动作，获取对应的一组基准动作，该基准动作可以是标准的示范动作，也可以是该参赛选手在以往参赛中表演的动作，或者是其他身形相似的选手在以往参赛中表演的动作。并可进一步确定获取的一组基准动作的各环节基准动作参数，具体可以是根据所述目标赛事的评分规则，确定影响评分的各环节动作参数，从而提取相应各环节基准动作参数。例如，对于跳水项目，影响运动员跳水得分的因素包括：起跳角度、起跳速度、跳水过程中运动员姿势、运动员入水姿势、运动员入水时身体与水面构成的受力面积或水花大小等，因此，对于一组基准跳水动作中，可以提取起跳环节中的起跳角度、速度，跳水过程中的动作姿势，入水时的动作姿势，入水时身体与水面构成的受力面积或水花面积等各环节基准动作参数。
一种实现方式中，可以将每组基准动作的各环节基准动作参数预先提取好与该组基准动作一并存入基准动作库中，从而可在预测评分时直接从基准动作库中获取使用。
可选地，所述第一组基准动作是从预先构建的所述目标赛事的基准动作库中获取的；
所述基准动作库包括标准动作库和/或个性动作库，所述标准动作库包括所述目标赛事的多组标准动作和对应的标准评分，所述个性动作库包括多个选手的历史参赛动作数据，每个选手的历史参赛动作数据包括选手的身体特征、选手历史参赛中表演的各组动作和对应的历史评分。
一种实施方式中，为了方便获取对应的基准动作作为评分预测参考，可以预先构建基准动作库。
具体实现时，对于标准动作库，可以根据具体赛事项目的比赛规则，对该赛事项目的高分或者满分运动员的各组动作进行建模，并可进一步对各组动作中不同环节的动作分别建模。例如，跳台高十米，一共六组动作，可根据六组动作规范并结合难度系数等参数建模，形成男子10米跳台动作标准动作库，具体地，可将跳水高分或者满分的运动员的各组动作示范图像存入标准动作库，并提取每组动作的各环节动作中由运动员身体关键点构成的动作轨迹或动作姿势曲线存入标准动作库。
考虑到运动员个体差异性，可根据具体赛事项目的比赛规则，将该赛事项目往届选手表演的各组动作进行建模，并可进一步对各组动作中不同环节的动作分别建模，同时提取选手的身体特征，如身高、体重、坐高、胸围、头身比等，形成个性动作库。例如，跳台高十米，一共六组动作，可根据往届选手表演的各组动作并结合难度系数等参数建模，形成男子10米跳台动作个性动作库，具体地，可将往届选手跳水的各组动作图像和得分存入标准动作库，并提取每组动作的各环节动作中由运动员身体关键点构成的动作轨迹或动作姿势曲线存入标准动作库。此外，还可维护运动员信息库，包括运动员身高，体重，体形特征，对应规格动作的历史得分情况等。同样将这部分数据进行集合，作为运动员的个性化动作库的基础数据。
这样，通过预先构建好标准动作库、个性动作库，能够方便预测评分时，参考对应的基准动作和分值，对参赛选手表现评分进行较为准确地预测。
可选地，所述基准动作库包括个性动作库；
所述获取与所述第一组动作对应的第一组基准动作，包括：
在所述个性动作库中存在所述参赛选手的历史参赛动作数据的情况下，从所述参赛选手的历史参赛动作数据中获取所述参赛选手历史表演的第一组动作，作为对应的第一组基准动作；
在所述个性动作库中不存在所述参赛选手的历史参赛动作数据的情况下，从所述目标赛事直播画面中提取所述参赛选手的身体特征；将所述参赛选手的身体特征与所述个性动作库中各选手的身体特征进行匹配，确定所述个性动作库中，与所述参赛选手的身体特征相似度最高的目标选手的历史参赛动作数据；从所述目标选手的历史参赛动作数据中获取所述目标选手历史表演的第一组动作，作为对应的第一组基准动作。
一种实施方式中，基准动作库包括个性动作库，为从个性动作库中获取与当前参赛选手本轮表演的一组动作对应的一组基准动作，可以先根据当前参赛选手的身份信息，检索所述个性动作库中是否存在该参赛选手的历史参赛动作数据，如所述个性动作库中存储的各选手的历史参赛动作数据标注有对应选手的姓名或序号，通过检索姓名或序号，即可确定所述个性动作库中是否存在当前参赛选手的历史参赛动作数据。
在检索到所述个性动作库中存在当前参赛选手的历史参赛动作数据的情况下，可以从该参赛选手的历史参赛动作数据中获取该参赛选手历史表演的对应组动作，作为其本轮表演评分参照的一组基准动作。从而后续可基于本轮表演的各环节动作参数与历史表演的对应环节动作参数的偏差，预测其本轮表演的得分。
在检索到所述个性动作库中不存在当前参赛选手的历史参赛动作数据的情况下，则可以从所述目标赛事的直播画面中提取当前参赛选手的身体特征，如身高、体重、坐高、胸围、头身比等特征，需说明的是，该身体特征可以是预先在该参赛选手表演动作时提取备用的；然后将该参赛选手的身体特征与所述个性动作库中存储的各选手的身体特征进行匹配，确定身体特征最为相似的目标选手，从而从该目标选手的历史参赛动作数据中获取该目标选手历史表演的对应组动作，作为当前参赛选手本轮表演评分参照的一组基准动作。从而后续可基于当前参赛选手本轮表演的各环节动作参数与所述目标选手历史表演的对应环节动作参数的偏差，预测当前参赛选手本轮表演的得分。
这样，由于是与身形相同或相似的个性基准动作进行比对来预测评分，从而能够结合参赛选手的身形特征和历史表演得分更加准确地预测其比赛评分。
步骤103、分别从各环节动作的视频帧中提取各环节动作参数。
该步骤中，为了确定当前参赛选手表演的一组动作是否规范，或相对于历史表演的动作是更好还是更差，可以分别从各环节动作的视频帧中提取各环节动作参数，以便与对应基准动作中对应环节基准动作参数进行比对。
具体地，可以是根据所述目标赛事的评分规则，确定影响评分的各环节动作参数，从而从各环节动作的视频帧中提取相应的动作参数。例如，对于跳水项目，影响运动员跳水得分的因素包括：起跳角度、起跳速度、跳水过程中运动员姿势、运动员入水姿势、运动员入水时身体与水面构成的受力面积或水花大小等，因此，对于当前参赛选手表演的一组跳水动作中，可以从若干起跳的视频帧中提取起跳角度和起跳速度，从若干跳水过程的视频帧中提取跳水动作姿势，从若干入水的视频帧中提取入水动作姿势，入水时身体与水面构成的受力面积或水花面积等各环节动作参数。
需说明的是，本申请实施例中，对上述步骤102和步骤103的执行时序可以不作限定，可以是先后执行的，也可以是并行执行的，如先执行步骤102，再执行步骤103，也可以先执行步骤103，再执行步骤102，还可以同步执行步骤102和步骤103。
步骤104、根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分。
本申请实施例中，可以将当前参赛选手表演的各环节动作参数分别与对应组基准动作中对应的环节基准动作参数进行比对，确定各环节动作参数相对对应环节基准动作参数的偏差信息，例如，对于跳水动作，可以确定起跳角度相对基准起跳角度的偏差，起跳速度相对基准起跳速度的偏差，跳水过程中的动作姿势相对基准跳水动作姿势的偏差，入水动作姿势相对基准入水动作姿势的偏差，入水水花面积相对基准入水水花面积的偏差等。
接下来可根据各环节动作参数与对应环节基准动作参数的偏差信息，来估测所述参赛选手本轮表演的得分，具体地，可以将各环节动作的偏差统一量化为百分比表示，不同范围的偏差对应不同范围的得分、扣分或加分，其中扣分或加分可根据评分规则和偏差的正负确定，例如，某环节动作与对应环节基准动作无偏差则该环节动作为满分或为对应环节基准动作的分值，某环节动作与对应环节基准动作偏差10％，则该环节动作为满分×90％，或为对应环节基准动作的分值×90％，或扣分为对应环节基准动作的分值×10％，等等。这样，可确定当前参赛选手本轮表演的各环节动作的得分，进而通过累计各环节动作的得分，或者进一步结合本组动作的难度系数，确定当前参赛选手本轮表演的总得分即预测评分。
需说明的是，为提高评分预测速度和精度，可以预先训练评分预测模型来对所述目标赛事中各参赛选手的每轮表演进行评分预测，将当前参赛选手本轮表演的各环节动作参数作为模型输入，由评分预测模型调用基准动作库中与本组表演动作对应的一组基准动作，并获取该组基准动作中各环节基准动作参数，然后根据当前参赛选手本轮表演的各环节动作参数与对应基准动作中对应环节基准动作参数的偏差信息，预测当前参赛选手本轮表演的评分，最终输出预测评分。
可选地，所述步骤103包括：
在第一环节动作的视频帧中确定所述参赛选手的身体部位关键点，其中，所述第一环节动作为所述第一组动作中的任一环节动作；
根据所述身体部位关键点，确定所述第一环节动作的动作参数。
一种实施方式中，基于所述目标赛事的评分规则，可以确定主要考察的参赛选手表演的各环节动作参数，从而通过在当前参赛选手的各环节动作的视频帧中标记该参赛选手的身体部位关键点，基于各身体部位关键点在视频帧中的位置分布可确定当前参赛选手在各环节动作的动作参数。
例如，按照目前10米跳台规则可将跳水运动员标记身体部位关键点，如：头部，手掌，手臂，肩部，腰部，膝关节，脚踝，脚尖等作为关键位置点，并可根据计算资源情况，设置尽可能多的关键位置点。
具体实现时，可以对各环节动作的视频帧进行身体部位关键点识别并标记，基于各环节动作的视频帧中标记的身体部位关键点，可以确定各环节动作的角度、姿势、身体受力面积等参数，结合某环节动作的相邻两帧或多帧中身体部位关键点的位移，可以确定该环节动作的速度。
以跳水比赛为例，如图2所示，可以在起跳环节的视频帧中标记运动员起跳时的关键位置点(图中使用圆点表示)，根据标记的关键位置点，可以确定运动员起跳角度和姿势。如图3所示，在跳水过程的视频帧中标记运动员空中动作的关键位置点，根据标记的关键位置点，可以确定运动员空中姿势和角度。如图4a和图4b所示，在入水环节的视频帧中标记运动员入水时的关键位置点，根据标记的关键位置点，可以确定运动员入水姿势和角度，还可确定运动员身体构成的受力面积。
这样，由于动作参数主要与参赛选手的身体动作有关，通过确定各环节视频帧中参赛选手的身体部位关键点，能够准确提取得到参赛选手在各环节动作的动作参数。
需说明的是，在提取基准动作的各环节基准动作参数时，也可采用类似方式，对于每组基准动作中，可以对其每个环节基准动作提取关键位置点，得到各环节基准动作的关键点轨迹。例如，取标准动作的m个关键点轨迹作为样本数据，得到该标准动作的样本集合，并可作为后续标准评分预测模型训练的基础数据：P(0)＝{(x(0),y(0)),(x(1),y(1)),…,(x(i),y(i)),…,(x(m-1),y(m-1))}，其中，(x(i),y(i))表示第i个关键位置点的坐标，m为关键位置点总数；取某个运动员的个性动作的n个关键点轨迹作为样本数据，得到该个性动作的样本集合，并可作为后续个性评分预测模型训练的基础数据：Q(0)＝{(x′(0),y′(0)),(x′(1),y′(1)),…,(x′(i),y′(i)),…,(x′(m-1),y′(m-1))}，其中，(x′(i),y′(i))表示第i个关键位置点的坐标，m为关键位置点总数。
可选地，所述根据所述身体部位关键点，确定所述第一环节动作的动作参数，包括：
将所述身体部位关键点按身体结构特征连接，形成所述第一环节动作的动作轨迹，其中，所述动作轨迹用于表征所述动作参数；
所述步骤104包括：
将各环节动作轨迹与所述第一组基准动作中对应环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量；
根据各环节动作轨迹相对对应环节基准动作轨迹的偏移量，确定所述参赛选手本轮表演的预测评分。
一种实施方式中，在确定当前参赛选手各环节动作的视频帧中的身体部位关键点后，可以将各环节动作的同一视频帧中标记的身体部位关键点按身体结构特征连接，以此形成对应环节动作的动作轨迹，也可叫动作姿势曲线，通过该动作轨迹来表征对应环节动作的动作参数。同样地，为了方便比对，对应基准动作的各环节基准动作参数也可以表示为各环节基准动作轨迹。
从而在比对当前参赛选手各环节动作与对应环节基准动作的偏差时，可以将各环节动作轨迹与对应环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量，可以表示为O＝{O(1),O(2),…,O(i),…,O(n)}，其中，O(i)表示第i个环节动作轨迹相对第i个环节基准动作轨迹的偏移量，n为环节总数。
例如，可以将跳水比赛中，起跳、跳跃、入水等各环节动作的轨迹曲线分别与标准的起跳、跳跃、入水等对应环节动作轨迹进行实时匹配，得到运动员每一个动作相对标准动作的偏移量，进而确定每一个动作的标准预测分；还可将起跳、跳跃、入水等各环节动作的轨迹曲线分别与运动员历史的起跳、跳跃、入水等对应环节动作轨迹进行实时匹配，得到运动员每一个动作相对历史动作的偏移量，进而确定每一个动作的个性化预测分。各环节动作轨迹与对应环节基准动作轨迹的偏移对比可以如图5所示，各环节动作轨迹相对对应环节基准动作轨迹的偏移量结果可以如图6所示。
可选地，所述步骤104包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分。
一种实施方式中，可以根据各环节动作参数与对应环节基准动作参数的偏差信息，结合各环节基准动作的参考评分，来计算当前参赛选手本轮表演的预测评分。
具体地，可以将各环节动作的偏差统一量化为百分比表示，将各环节动作的偏差乘以对应环节基准动作的参考评分，即可确定各环节动作的扣分或加分，也即偏差分，或者，根据各环节动作的偏差，确定各环节动作的完成程度，如某环节动作的完成程度等于100％减去各环节动作的偏差，再将各环节动作的完成程度乘以对应环节基准动作的参考评分，即可确定各环节动作的预测分，最后综合所有环节动作的偏差分或预测分，即可确定本轮表演的一组动作的预测评分，如预测评分等于基准动作的总参考评分减去所有环节动作的偏差分之和，预测评分等于所有环节动作的预测分之和。
该实施方式通过结合基准动作中各环节基准动作的参考评分，能够更为准确地预测当前参赛选手本轮表演的得分。
可选地，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分，包括：
将各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差，与对应环节基准动作的参考评分相乘，得到对应环节动作参数的偏差评分；
将所述第一组基准动作的总参考评分减去各环节动作参数的偏差评分和，得到所述参赛选手本轮表演的预测评分。
一种实施方式中，可以将各环节动作参数与对应环节基准动作参数的偏差，与对应环节基准动作的参考评分相乘，得到对应环节动作参数的偏差评分，然后综合本组动作所有环节动作参数的偏差评分，确定总的偏差评分和，再将本组基准动作的基准评分减去该偏差评分和，即可得到当前参赛选手本轮表演的预测评分。
例如，可根据如下公式计算参赛选手本轮表演的预测评分：
FS＝S0-Σn i＝1CiOi
其中，FS为预测评分，S0为基准评分，Ci为第i个环节动作的参考评分，Oi为第i个环节动作的偏差，n为环节数量。
通过该实施方式，能够快速准确地计算出当前参赛选手本轮表演的预测评分。
可选地，所述基准动作库包括标准动作库和个性动作库；
所述偏差信息包括第一偏差信息和第二偏差信息，所述第一偏差信息为各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，所述第二偏差信息为各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息；
所述步骤104包括：
根据所述第一偏差信息，确定所述参赛选手本轮表演的第一预测评分；
根据所述第二偏差信息，确定所述参赛选手本轮表演的第二预测评分；
根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述第一预测评分和所述第二预测评分进行加权求和，得到所述参赛选手本轮表演的预测评分。
一种实施方式中，所述基准动作库包括标准动作库和个性动作库，即可以结合两个不同的基准动作库，来对当前参赛选手的本轮表演评分进行全面地预测。
具体地，可以将当前参赛选手本轮表演的各环节动作参数分别与所述个性动作库和标准动作库中对应基准动作的各环节基准动作参数比对，确定当前参赛选手本轮表演的各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，以及当前参赛选手本轮表演的各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息。
根据当前参赛选手本轮表演的各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，可以确定当前参赛选手本轮表演的个性化预测评分即第一预测评分，具体方式可以前述介绍类似，此处不再赘述。
根据当前参赛选手本轮表演的各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息，可以确定当前参赛选手本轮表演的标准预测评分，即第二预测评分，具体方式可以前述介绍类似，此处不再赘述。
然后，可以根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述个性化预测评分和所述标准预测评分进行加权，如加权计算公式如下：
FS′＝λ1×S1+λ2×S2
其中，FS′为预测评分，λ1为个性动作库预测评分的权重系数，λ2为标准动作库预测评分的权重系数，S1为个性化预测评分，S2为标准预测评分。
具体实现时，首次预测可以取加权平均，如所述个性动作库预测评分的初始权重系数和所述标准动作库预测评分的初始权重系数分别为0.5，后续可以随着比赛场次的增加，预测次数的增多，根据预测评分与实际评分的偏差，逐渐调整所述个性动作库预测评分的权重系数和/或所述标准动作库预测评分的权重系数，使得后续预测评分能够更加接近实际评分。
需说明的是，为提高评分预测速度和精度，可以预先分别训练个性评分预测模型和标准评分预测模型来对所述目标赛事中各参赛选手的每轮表演进行评分预测，将当前参赛选手本轮表演的各环节动作参数作为标准评分预测模型输入，由标准评分预测模型调用标准动作库中与本组表演动作对应的一组标准动作，并获取该组标准动作中各环节标准动作参数，然后根据当前参赛选手本轮表演的各环节动作参数与对应标准动作中对应环节标准动作参数的偏差信息，预测当前参赛选手本轮表演的标准评分，并输出标准预测评分；以及将当前参赛选手本轮表演的各环节动作参数和当前参赛选手的身体特征作为个性评分预测模型输入，由个性评分预测模型调用个性动作库中与本组表演动作对应的一组历史表演动作，并获取该组历史表演动作中各环节动作参数，然后根据当前参赛选手本轮表演的各环节动作参数与对应历史表演动作中对应环节动作参数的偏差信息，预测当前参赛选手本轮表演的个性化评分，并输出个性化预测评分。最后可通过对标准预测评分和个性化预测评分的加权，得到最终的预测评分。
这样，通过该实施方式，能够结合标准动作库和个性动作库，来对当前参赛选手的本轮表演评分进行全面地预测，进一步提高评分预测的准确性和可靠性。
进一步地，所述方法还包括：
根据所述参赛选手本轮表演的实际评分分别与所述第一预测评分和所述第二预测评分的偏差，调整所述个性动作库预测评分的权重系数和/或所述标准动作库预测评分的权重系数。
一种实施方式中，为更好地融合个性化预测评分和标准预测评分，提高最终预测评分的准确性，可以在每轮预测评分后，获取参赛选手该轮的实际评分，即直播画面中显示的由评委对参赛选手本轮表现的评分；然后分别计算个性化预测评分与该实际评分的偏差，标准预测评分与该实际评分的偏差，按照与实际评分偏差更小的预测评分，调高对应预测评分的权重，和/或调低另一预测评分的权重，例如，在个性化预测评分更接近实际评分的情况下，即个性化预测评分与实际评分的偏差小于标准预测评分与实际评分的偏差，可以将个性动作库预测评分的权重系数由原来的0.5调整为0.6，将标准动作库预测评分的权重系数由原来的0.5调整为0.4，使得下次预测评分更倾向于个性化预测评分，以此保证预测评分能够更接近实际评分。
通过该实施方式，能够更好地融合个性化预测评分和标准预测评分，提高预测评分的准确性和可靠性。
步骤105、在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
在确定当前参赛选手本轮表演的预测评分后，可以在所述目标赛事的直播画面中及时显示当前参赛选手的预测评分，具体地，可在当前参赛选手本轮表演结束后，立即预测得到其评分后立即在直播画面中显示，以在直播画面中公布当前参赛选手本轮表演的实际评分之前显示其预测评分，从而可减少观看直播的观众等待评委评分的时间，提前掌握该参赛选手预计可获得的分数情况。
需说明的是，在由直播服务端预测各参赛选手评分的情况下，可在确定预测评分后立即将所述预测评分随直播视频流推送至收看所述目标赛事的直播客户端，以便在直播客户端的直播画面中及时显示所述预测评分。在由收看所述目标赛事的直播客户端预测各参赛选手评分的情况下，可在确定预测评分后立即将所述预测评分在直播画面中显示。
一些实施例中，除在直播画面中显示所述预测评分外，为方便观众获知当前参赛选手获得所述预测评分的原因或本轮表演动作的完成情况，如是否规范，还可显示所述预测评分的构成信息，还或者显示当前参赛选手本轮表演的动作与基准动作的比对信息，如各环节动作参数偏差，各环节动作的比对图等。
可选地，所述步骤104包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定各环节动作的预测分，并根据各环节动作的预测分，确定所述参赛选手本轮表演的预测评分；
所述步骤105包括：
在所述目标赛事的直播画面中显示所述预测评分和所述预测评分的构成信息，所述构成信息包括所述参赛选手在各环节动作的预测分。
即一种实施方式中，可根据各环节动作参数与对应组基准动作的对应环节基准动作参数的偏差信息，确定各环节动作的预测分，具体可参见前述介绍，并根据各环节动作的预测分，确定当前参赛选手本轮表演的预测评分，例如，在各环节动作的预测分已结合了难度系数的情况下，可将各环节动作的预测分累加，得到当前参赛选手本轮表演的预测评分，在各环节动作的预测分未结合了难度系数的情况下，可将各环节动作的预测分累加并乘以难度系数，得到当前参赛选手本轮表演的预测评分。
在所述目标赛事的直播画面中显示所述预测评分时，同时还显示所述预测评分的构成信息，如显示当前参赛选手在各环节动作的预测分、该组动作的难度系数等。
通过该实施方式，不仅能够让观看直播的观众及时了解参赛选手的预测评分，还可获知评分的构成信息，掌握评分的原因，使用户能够以更加专业的角度观看每场比赛。
可选地，所述步骤105包括：
在所述目标赛事的直播画面中显示所述预测评分，以及显示所述参赛选手的各环节动作与所述第一组基准动作中对应环节基准动作的比对信息。
还一种实施方式中，考虑到大部分观众都是非专业观众，无法精准地了解运动员动作是否规范、是否完整，完成地好不好，甚至大部分的非专业观众都不知晓该指定动作的规范样式，从而在参赛选手表演完后，无法判断该选手表现好坏情况，即使提前给出预测评分，也不知道该选手为什么获得该评分。因此，该实施方式中，为使用户清楚知道当前参赛选手的表现情况和预测评分原因，帮助用户清楚掌握选手的比赛情况，可以在直播画面中显示当前参赛选手的预测评分的同时，还显示当前参赛选手的各环节动作与对应环节基准动作的比对信息。
具体地，可以显示当前参赛选手的各环节动作与对应环节基准动作的比对图，或者显示当前参赛选手的各环节动作参数与对应环节基准动作参数的偏差，或是动作轨迹的偏差等，从而使用户根据显示的比对信息，直观地了解当前参赛选手在各环节动作的完成情况，如了解各环节动作是否规范、是否完整、完成质量的高低，进而能够更明确地知道当前参赛选手预测评分的原因。
本申请实施例中，通过在非对抗类赛事直播过程中，实时给出预测评分相关信息，能够增加观赛的趣味性，并提高观赛的专业性，帮助观众更好地理解比赛，也可作为辅助打分工具，减少争议性判罚。
本申请实施例的比赛评分预测方法，在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。这样，通过在赛事直播中，获取当前参赛选手表演的动作参数和对应的基准动作参数，根据二者的比对偏差预测参赛选手本轮表演评分，并在直播画面中及时显示预测评分，能够让用户根据预测评分及时了解参赛选手的表现得分情况。
本申请实施例还提供了一种比赛评分预测装置。参见图7，图7是本申请实施例提供的比赛评分预测装置的结构图。由于比赛评分预测装置解决问题的原理与本申请实施例中比赛评分预测方法相似，因此该比赛评分预测装置的实施可以参见方法的实施，重复之处不再赘述。
如图7所示，比赛评分预测装置700包括：
获取模块701，用于在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；
确定模块702，用于获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；
提取模块703，用于分别从各环节动作的视频帧中提取各环节动作参数；
预测模块704，用于根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；
显示模块705，用于在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
可选地，所述第一组基准动作是从预先构建的所述目标赛事的基准动作库中获取的；
所述基准动作库包括标准动作库和/或个性动作库，所述标准动作库包括所述目标赛事的多组标准动作和对应的标准评分，所述个性动作库包括多个选手的历史参赛动作数据，每个选手的历史参赛动作数据包括选手的身体特征、选手历史参赛中表演的各组动作和对应的历史评分。
可选地，所述基准动作库包括个性动作库；
确定模块702包括：
第一获取单元，用于在所述个性动作库中存在所述参赛选手的历史参赛动作数据的情况下，从所述参赛选手的历史参赛动作数据中获取所述参赛选手历史表演的第一组动作，作为对应的第一组基准动作；
提取单元，用于在所述个性动作库中不存在所述参赛选手的历史参赛动作数据的情况下，从所述目标赛事直播画面中提取所述参赛选手的身体特征；
匹配单元，用于将所述参赛选手的身体特征与所述个性动作库中各选手的身体特征进行匹配，确定所述个性动作库中，与所述参赛选手的身体特征相似度最高的目标选手的历史参赛动作数据；
第二获取单元，用于从所述目标选手的历史参赛动作数据中获取所述目标选手历史表演的第一组动作，作为对应的第一组基准动作。
可选地，所述基准动作库包括标准动作库和个性动作库；
所述偏差信息包括第一偏差信息和第二偏差信息，所述第一偏差信息为各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，所述第二偏差信息为各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息；
预测模块704包括：
第一确定单元，用于根据所述第一偏差信息，确定所述参赛选手本轮表演的第一预测评分；
第二确定单元，用于根据所述第二偏差信息，确定所述参赛选手本轮表演的第二预测评分；
第一计算单元，用于根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述第一预测评分和所述第二预测评分进行加权求和，得到所述参赛选手本轮表演的预测评分。
可选地，比赛评分预测装置700还包括：
调整模块，用于根据所述参赛选手本轮表演的实际评分分别与所述第一预测评分和所述第二预测评分的偏差，调整所述个性动作库预测评分的权重系数和/或所述标准动作库预测评分的权重系数。
可选地，提取模块703包括：
第三确定单元，用于在第一环节动作的视频帧中确定所述参赛选手的身体部位关键点，其中，所述第一环节动作为所述第一组动作中的任一环节动作；
第四确定单元，用于根据所述身体部位关键点，确定所述第一环节动作的动作参数。
可选地，所述第四确定单元用于将所述身体部位关键点按身体结构特征连接，形成所述第一环节动作的动作轨迹，其中，所述动作轨迹用于表征所述动作参数；
预测模块704包括：
第五确定单元，用于将各环节动作轨迹与所述第一组基准动作中对应环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量；
第六确定单元，用于根据各环节动作轨迹相对对应环节基准动作轨迹的偏移量，确定所述参赛选手本轮表演的预测评分。
可选地，预测模块704用于根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分。
可选地，预测模块704包括：
第二计算单元，用于将各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差，与对应环节基准动作的参考评分相乘，得到对应环节动作参数的偏差评分；
第三计算单元，用于将所述第一组基准动作的总参考评分减去各环节动作参数的偏差评分和，得到所述参赛选手本轮表演的预测评分。
可选地，预测模块704用于根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定各环节动作的预测分，并根据各环节动作的预测分，确定所述参赛选手本轮表演的预测评分；
显示模块705用于在所述目标赛事的直播画面中显示所述预测评分和所述预测评分的构成信息，所述构成信息包括所述参赛选手在各环节动作的预测分。
可选地，显示模块705用于在所述目标赛事的直播画面中显示所述预测评分，以及显示所述参赛选手的各环节动作与所述第一组基准动作中对应环节基准动作的比对信息。
本申请实施例提供的比赛评分预测装置700，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
本申请实施例的比赛评分预测装置700，在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。这样，通过在赛事直播中，获取当前参赛选手表演的动作参数和对应的基准动作参数，根据二者的比对偏差预测参赛选手本轮表演评分，并在直播画面中及时显示预测评分，能够让用户根据预测评分及时了解参赛选手的表现得分情况。
本申请实施例还提供了一种电子设备。由于电子设备解决问题的原理与本申请实施例中比赛评分预测方法相似，因此该电子设备的实施可以参见方法的实施，重复之处不再赘述。该电子设备可以是直播客户端，也可以是直播服务器。如图8所示，本申请实施例的电子设备，包括：
处理器800，用于读取存储器820中的程序，执行下列过程：
在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；
获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；
分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；
在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
其中，在图8中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器800代表的一个或多个处理器和存储器820代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机810可以是多个元件，即包括发送机和收发机，提供用于在传输介质上与各种其他装置通信的单元。处理器800负责管理总线架构和通常的处理，存储器820可以存储处理器800在执行操作时所使用的数据。
可选地，所述第一组基准动作是从预先构建的所述目标赛事的基准动作库中获取的；
所述基准动作库包括标准动作库和/或个性动作库，所述标准动作库包括所述目标赛事的多组标准动作和对应的标准评分，所述个性动作库包括多个选手的历史参赛动作数据，每个选手的历史参赛动作数据包括选手的身体特征、选手历史参赛中表演的各组动作和对应的历史评分。
可选地，所述基准动作库包括个性动作库；
处理器800还用于读取存储器820中的程序，执行如下步骤：
在所述个性动作库中存在所述参赛选手的历史参赛动作数据的情况下，从所述参赛选手的历史参赛动作数据中获取所述参赛选手历史表演的第一组动作，作为对应的第一组基准动作；
在所述个性动作库中不存在所述参赛选手的历史参赛动作数据的情况下，从所述目标赛事直播画面中提取所述参赛选手的身体特征；将所述参赛选手的身体特征与所述个性动作库中各选手的身体特征进行匹配，确定所述个性动作库中，与所述参赛选手的身体特征相似度最高的目标选手的历史参赛动作数据；从所述目标选手的历史参赛动作数据中获取所述目标选手历史表演的第一组动作，作为对应的第一组基准动作。
可选地，所述基准动作库包括标准动作库和个性动作库；
所述偏差信息包括第一偏差信息和第二偏差信息，所述第一偏差信息为各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，所述第二偏差信息为各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息；
处理器800还用于读取存储器820中的程序，执行如下步骤：
根据所述第一偏差信息，确定所述参赛选手本轮表演的第一预测评分；
根据所述第二偏差信息，确定所述参赛选手本轮表演的第二预测评分；
根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述第一预测评分和所述第二预测评分进行加权求和，得到所述参赛选手本轮表演的预测评分。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
根据所述参赛选手本轮表演的实际评分分别与所述第一预测评分和所述第二预测评分的偏差，调整所述个性动作库预测评分的权重系数和/或所述标准动作库预测评分的权重系数。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
在第一环节动作的视频帧中确定所述参赛选手的身体部位关键点，其中，所述第一环节动作为所述第一组动作中的任一环节动作；
根据所述身体部位关键点，确定所述第一环节动作的动作参数。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
将所述身体部位关键点按身体结构特征连接，形成所述第一环节动作的动作轨迹，其中，所述动作轨迹用于表征所述动作参数；
所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
将各环节动作轨迹与所述第一组基准动作中对应环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量；
根据各环节动作轨迹相对对应环节基准动作轨迹的偏移量，确定所述参赛选手本轮表演的预测评分。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
将各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差，与对应环节基准动作的参考评分相乘，得到对应环节动作参数的偏差评分；
将所述第一组基准动作的总参考评分减去各环节动作参数的偏差评分和，得到所述参赛选手本轮表演的预测评分。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定各环节动作的预测分，并根据各环节动作的预测分，确定所述参赛选手本轮表演的预测评分；
在所述目标赛事的直播画面中显示所述预测评分和所述预测评分的构成信息，所述构成信息包括所述参赛选手在各环节动作的预测分。
可选地，处理器800还用于读取存储器820中的程序，执行如下步骤：
在所述目标赛事的直播画面中显示所述预测评分，以及显示所述参赛选手的各环节动作与所述第一组基准动作中对应环节基准动作的比对信息。
本申请实施例提供的电子设备，可以执行上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
此外，本申请实施例的计算机可读存储介质，用于存储计算机程序，所述计算机程序可被处理器执行实现图1所示方法实施例中的各个步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理包括，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述收发方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.一种比赛评分预测方法，其特征在于，包括：
在目标赛事直播过程中，获取当前参赛选手表演的关键视频帧，其中，所述关键视频帧包括所述参赛选手本轮表演的第一组动作中，各环节动作的视频帧，所述第一组动作为所述目标赛事包括的多组动作中的一组；
获取与所述第一组动作对应的第一组基准动作，并确定所述第一组基准动作的各环节基准动作参数；
分别从各环节动作的视频帧中提取各环节动作参数，并根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分；
在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，其中，所述动作评分信息包括所述预测评分，所述动作评分信息的显示时间早于所述参赛选手本轮表演的实际评分的显示时间。
2.根据权利要求1所述的方法，其特征在于，所述第一组基准动作是从预先构建的所述目标赛事的基准动作库中获取的；
所述基准动作库包括标准动作库和/或个性动作库，所述标准动作库包括所述目标赛事的多组标准动作和对应的标准评分，所述个性动作库包括多个选手的历史参赛动作数据，每个选手的历史参赛动作数据包括选手的身体特征、选手历史参赛中表演的各组动作和对应的历史评分。
3.根据权利要求2所述的方法，其特征在于，所述基准动作库包括个性动作库；
所述获取与所述第一组动作对应的第一组基准动作，包括：
在所述个性动作库中存在所述参赛选手的历史参赛动作数据的情况下，从所述参赛选手的历史参赛动作数据中获取所述参赛选手历史表演的第一组动作，作为对应的第一组基准动作；
在所述个性动作库中不存在所述参赛选手的历史参赛动作数据的情况下，从所述目标赛事直播画面中提取所述参赛选手的身体特征；将所述参赛选手的身体特征与所述个性动作库中各选手的身体特征进行匹配，确定所述个性动作库中，与所述参赛选手的身体特征相似度最高的目标选手的历史参赛动作数据；从所述目标选手的历史参赛动作数据中获取所述目标选手历史表演的第一组动作，作为对应的第一组基准动作。
4.根据权利要求2所述的方法，其特征在于，所述基准动作库包括标准动作库和个性动作库；
所述偏差信息包括第一偏差信息和第二偏差信息，所述第一偏差信息为各环节动作参数与所述个性动作库中对应环节基准动作参数的偏差信息，所述第二偏差信息为各环节动作参数与所述标准动作库中对应环节基准动作参数的偏差信息；
所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据所述第一偏差信息，确定所述参赛选手本轮表演的第一预测评分；
根据所述第二偏差信息，确定所述参赛选手本轮表演的第二预测评分；
根据所述个性动作库预测评分的权重系数和所述标准动作库预测评分的权重系数，对所述第一预测评分和所述第二预测评分进行加权求和，得到所述参赛选手本轮表演的预测评分。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述分别从各环节动作的视频帧中提取各环节动作参数，包括：
在第一环节动作的视频帧中确定所述参赛选手的身体部位关键点，其中，所述第一环节动作为所述第一组动作中的任一环节动作；
根据所述身体部位关键点，确定所述第一环节动作的动作参数。
6.根据权利要求5所述的方法，其特征在于，所述根据所述身体部位关键点，确定所述第一环节动作的动作参数，包括：
将所述身体部位关键点按身体结构特征连接，形成所述第一环节动作的动作轨迹，其中，所述动作轨迹用于表征所述动作参数；
所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
将各环节动作轨迹与所述第一组基准动作中对应的环节基准动作轨迹进行匹配，确定各环节动作轨迹相对对应环节基准动作轨迹的偏移量；
根据各环节动作轨迹相对对应环节基准动作轨迹的偏移量，确定所述参赛选手本轮表演的预测评分。
7.根据权利要求1所述的方法，其特征在于，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，和所述第一组基准动作中各环节基准动作的参考评分，确定所述参赛选手本轮表演的预测评分。
8.根据权利要求1所述的方法，其特征在于，所述根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定所述参赛选手本轮表演的预测评分，包括：
根据各环节动作参数与所述第一组基准动作中对应的环节基准动作参数的偏差信息，确定各环节动作的预测分，并根据各环节动作的预测分，确定所述参赛选手本轮表演的预测评分；
所述在所述目标赛事的直播画面中显示所述参赛选手的动作评分信息，包括：
在所述目标赛事的直播画面中显示所述预测评分和所述预测评分的构成信息，所述构成信息包括所述参赛选手在各环节动作的预测分。
9.一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序；其特征在于，所述处理器，用于读取存储器中的程序实现如权利要求1至8中任一项所述的比赛评分预测方法中的步骤。
10.一种计算机可读存储介质，用于存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的比赛评分预测方法中的步骤。
CN202310920518.6A 2023-07-25 2023-07-25 比赛评分预测方法、电子设备及存储介质 Pending CN116962751A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310920518.6A CN116962751A (zh) 2023-07-25 2023-07-25 比赛评分预测方法、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310920518.6A CN116962751A (zh) 2023-07-25 2023-07-25 比赛评分预测方法、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN116962751A true CN116962751A (zh) 2023-10-27

Family

ID=88454307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310920518.6A Pending CN116962751A (zh) 2023-07-25 2023-07-25 比赛评分预测方法、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116962751A (zh)

Similar Documents

Publication Publication Date Title
US11717737B2 (en) Athletic training system and method
Carling et al. The role of motion analysis in elite soccer: contemporary performance measurement techniques and work rate data
KR101766636B1 (ko) 플레이어 매칭 장치 및 플레이어 매칭 방법
WO2015076682A1 (en) System and method for assessing or predicting a match outcome in a sporting event
Hughes et al. What is performance analysis?
CN108905095B (zh) 运动员比赛状态评估方法和设备
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
US11872491B2 (en) Mixed reality competitions involving real and virtual participants
US11738269B2 (en) Interactive sports fan experience
Mali et al. Modern technology and sports performance: An overview
CN115083017A (zh) 一种动作展示方法、装置及电子设备
CN116962751A (zh) 比赛评分预测方法、电子设备及存储介质
CN112933574B (zh) 一种多联机的室内滑雪比赛控制方法、系统和可读存储介质
Magwa Analysis of South African rugby coaches' engagement with performance analysis
US20230267736A1 (en) Method, apparatus and computer program for generating sports game highlight video based on winning probability
US20230267737A1 (en) Method, apparatus and computer program for generating sports game highlight video based on excitement of gameplay
Bush Contemporary Factors Impacting Match Performances Of Elite Soccer Players: The Development And Evolution Of Performance In The English Premier League.
Perri From macro to micro; improving the understanding of load accumulation and monitoring practices in tennis
Ibrahim Haridy et al. Dynamics of enhancement some bio-kinematic parameters for the long jump contestants in Egypt
Thanoon et al. An Analytical Study of the Relationship between Kinematic Variables of the Base and Push Phases of the Distant Aiming Facing the Jump and their Relationship to the Accuracy of Scoring in Handball
Lincoln et al. Video data analysis

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