CN117079193B - 一种折返跑检测方法、装置及存储介质 - Google Patents
一种折返跑检测方法、装置及存储介质 Download PDFInfo
- Publication number
- CN117079193B CN117079193B CN202311315493.3A CN202311315493A CN117079193B CN 117079193 B CN117079193 B CN 117079193B CN 202311315493 A CN202311315493 A CN 202311315493A CN 117079193 B CN117079193 B CN 117079193B
- Authority
- CN
- China
- Prior art keywords
- score
- athlete
- runway
- detection
- antenna
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 title claims description 33
- 238000001514 detection method Methods 0.000 claims abstract description 95
- 238000013459 approach Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 20
- 230000006399 behavior Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种折返跑检测方法、装置及存储介质,用于折返跑检测。本申请公开的折返跑检测方法包括:采集折返跑运动员的图像;将折返跑检测划分为跑道规范检测和触线规范检测;根据折返跑运动员的脚部坐标进行所述跑道规范检测;根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;根据所述跑道规范检测和触线规范检测确定折返跑是否违规。本申请还提供了一种折返跑检测装置及存储介质。
Description
技术领域
本申请涉及计算技术领域,尤其涉及一种折返跑检测方法、装置和存储介质。
背景技术
折返跑作为一项运动和学生体测项目,受众广泛。在折返跑运动中,运动员在同一个场地的不同跑道上进行比赛,判断运动员是否违规是至关重要的。但是现有技术中,往往靠裁判的肉眼观察来判断,在运动员多速度快的情况下,裁判的肉眼观察容易出错,而且难以严格统一评判标准。
发明内容
针对上述技术问题,本申请实施例提供了一种折返跑检测方法、装置及存储介质,用以检测折返跑运动员是否违规。
第一方面,本申请实施例提供的一种折返跑检测方法,包括:
采集折返跑运动员的图像;
将折返跑检测划分为跑道规范检测和触线规范检测;
根据折返跑运动员的脚部坐标进行所述跑道规范检测;
根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
根据所述跑道规范检测和触线规范检测确定折返跑是否违规。
优选的,采集折返跑运动员的图像包括:
在折返点设置摄像头获取折返跑图像;
在折返跑场景内设置一条折返线;
对折返跑运动员进行肢体识别获取左脚部坐标和右脚部坐标;
其中,场景内跑道数为,从左至右运动到折返线再从右向左运动,在所述折返线
上设置个点表示每个跑道的范围,其中;
其中x为横坐标,y为纵坐标,A为横坐标系数,B为纵坐标系数,C为常数,且;
i为图像帧的编号。
本发明中,根据折返跑现场采集的图像,获取运动员的身体坐标信息,折返线坐标信息,以及每个跑道的坐标信息等。其中图像信息持续采集,每一帧图像信息中均包括了身体坐标信息,折返线坐标信息,以及每个跑道的坐标信息,为后续的模型计算做准备。
优选的,所述根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测包括:
计算运动员的触线得分,其中触线得分的值为0或者1;
当运动员的触线得分时,判定运动员进入折返状态,记录运动员进入折返
状态的帧数;
当运动员的触线得分且上一帧运动员的触线得分时,判定运
动员进入返回状态,记录运动员进入返回状态的帧数;
确定触线规范得分:
;
其中为设定的第二判断阈值。
本发明中,触线得分设计为二值序列,降低了计算的复杂度,提高了识别的速度。
优选的,计算运动员的触线得分包括:
获取运动员的脖子坐标、胯骨中心坐标;
计算运动员的触线得分:
;
其中:
;
;
;
为设定的第一判断阈值。
本发明中,根据运动员的脖子和胯骨坐标来计算触线得分,构建二值得分序列。
优选的,根据折返跑运动员的脚部坐标进行所述跑道规范检测包括:
计算运动员进场得分,当存在一个运动员进场得分时,判定场景内为
即将触线状态;
当场景进入即将触线状态时,提取全部运动员进场得分的运动员,对于任
意运动员记录运动员进入场景的帧数,计算运动员的跑道所属得分;
根据所述跑道所属得分计算跑道规范得分:
。
运动员进场得分根据以下公式确定:
;
其中,
;
。
优选的,计算运动员的跑道所属得分包括:
根据以下公式计算跑道所属得分:
;
其中,
。
最后,算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范得分,为跑道规范得分。
第二方面,本申请实施例还提供一种折返跑检测装置,包括:
算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范得分,为跑道规范得分。
第三方面,本申请实施例还提供一种折返跑检测装置,包括:存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现本发明提供的折返跑检测方法。
第四方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现本发明提供的折返跑检测方法。
使用本发明的方法,采集折返跑现场的运动员图像数据,获取运动员身体坐标信息,结合折返线坐标信息,分别从跑道规范和触线规范两方面进行检测,只有跑道规范和触线规范都没有违规时,折返跑没有违规。使用本发明的方法,能快速判断运动员是否违规,并统一裁判标准,提高效率,降低误判率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅是本申请的一些实施例,对于本领域的普通技术运动员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的折返跑检测方法示意图;
图2为本申请实施例提供的折返跑检测装置示意图;
图3为本申请实施例提供的另一种折返跑检测装置结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明一部份实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术运动员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对文中出现的一些词语进行解释:
1、本发明实施例中术语“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
2、本申请实施例中术语“多个”是指两个或两个以上,其它量词与之类似。
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,所描述的实施例仅仅是本申请一部分实施例,并不是全部的实施例。基于本申请中的实施例,本领域普通技术运动员在没有做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。
需要说明的是,本申请实施例的展示顺序仅代表实施例的先后顺序,并不代表实施例所提供的技术方案的优劣。
参见图1,本申请实施例提供的一种折返跑检测方法示意图,如图1所示,该方法包括步骤S101到S103:
S101、采集折返跑运动员的图像;
S102、将折返跑检测划分为跑道规范检测和触线规范检测;
S103、根据折返跑运动员的脚部坐标进行所述跑道规范检测;
S104、根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
S105、根据所述跑道规范检测和触线规范检测确定折返跑是否违规。
需要说明的是,本发明中,S103和S104没有执行的先后顺序,即可以先执行S103再执行S104,也可以先执行S104再执行S103。
作为一种优选示例,采集折返跑运动员的图像包括:
在折返点设置摄像头获取折返跑图像;
在折返跑场景内设置一条折返线;
对折返跑运动员进行肢体识别获取左脚部坐标和右脚部坐标;
其中,场景内跑道数为,从左至右运动到折返线再从右向左运动,在所述折返线
上设置个点表示每个跑道的范围,其中;
其中x为横坐标,y为纵坐标,A为横坐标系数,B为纵坐标系数,C为常数,且;
i为图像帧的编号。
需要说明的是,本发明中,只有一个坐标系,坐标系的原点根据现场确定,不影响本发明的实现。例如原点可以设置为折返线的一端,也可以是跑道的中心位置,还可以是其他任意位置。
需要说明的是,本发明中,运动员身体部位的坐标,是生理部位的中心点坐标。例
如,左脚部坐标是指左脚的中心点坐标。
作为一种优选示例,根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行触线规范检测包括:
计算运动员的触线得分,其中触线得分的值为0或者1;
当运动员的触线得分时,判定运动员进入折返状态,记录运动员进入折返
状态的帧数;
当运动员的触线得分且上一帧运动员的触线得分时,判定运
动员进入返回状态,记录运动员进入返回状态的帧数;
确定触线规范得分:
;
其中为设定的第二判断阈值,根据历史数据训练得到。
需要说明的是,触线得分是一个二值序列,0表示运动员还未进入折返状态,1
表示运动员进入折返状态。本发明中,将触线得分设计为只有0和1两种值的二值序列,能有
效降低计算量,提高计算效率。
作为一种优选示例,计算运动员的触线得分的方法可以包括:
获取运动员的脖子坐标、胯骨中心坐标;
计算运动员的触线得分:
;
其中:
;
;
;
;
;
为设定的第一判断阈值。
作为一种优选示例,根据折返跑运动员的脚部坐标进行所述跑道规范检测包括:
计算运动员进场得分,当存在一个运动员进场得分时,判定场景内为
即将触线状态;
当场景进入即将触线状态时,提取全部运动员进场得分的运动员,对于任
意运动员记录运动员进入场景的帧数,计算运动员的跑道所属得分;
根据跑道所属得分计算跑道规范得分:
。
本发明中,再计算运动员的跑道所属得分时,对所有即将触线的运动员均按相同的方式进行处理,即对与进场得分等于1的所有运动员,均按上述公式计算跑道规范得分。
作为一种优选示例,运动员进场得分可以按如下公式计算:
;
其中,
;
。
作为一种优选示例,计算运动员的跑道所属得分包括:
根据以下公式计算跑道所属得分:
;
其中,
。
作为一种优选示例,根据所述跑道规范检测和触线规范检测确定折返跑是否违规包括:
算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范检测得分,为跑道规范检测得分。
本发明中,当触线规范检测通过并且跑道规范检测通过时,即触线规范检测得分等于1并且跑道规范检测得分也等于1时,判定不存在违规行为。相应的,只要触线规范检测不通过或者跑道规范得分检测不通过,则判定存在违规行为,即触线规范检测得分等于0或者跑道规范检测得分等于0时,判定存在违规行为。
为了更好的说明本发明的方案,下面以学生折返跑为例,对本案的方案进行描述。
步骤1:通过在学生折返点设置摄像头获取学生在接近折返点时的图像,在场景内
设置一条直线,表示每个跑道学生的折返线,场景内跑道数
为,设定学生是从左至右运动到折返线在从右向左运动,在折返线上设置个点表示每个跑道的范围,其中;
步骤2:对任一帧i,对场景内的人员进行肢体识别获取人员两个脚部的坐标、,计算人员进场得分:
;
其中,为也称为左脚进场得分,通过以下公式确定:
;
为也称为右脚进场得分,通过以下公式确定:
;
步骤3:当存在一个学生的进场得分时,判定场景内进入即将触线状态;
当场景进入即将触线状态时,提取全部进场得分的学生,对于任意学生D
记录进入场景时的帧数,计算学生D的跑道所属得分:
;
其中也称为位置判断得分,根据以下公式确定:
;
步骤4:对学生D进行跟踪,并获取学生D的脖子坐标、胯骨中心坐标,计算学生D的触线得分:
;
其中也称为接触判断得分,根据以下公式确定:
;
为设定的第一判断阈值;
;
也称为趋势判断得分,根据以下公式确定:
。
步骤5:当学生D的触线得分时,判定学生D进入折返状态,记录学生进入折
返状态的帧数;
当学生的触线得分且上一帧学生的触线得分时,判定学生进
入返回状态,记录学生进入返回状态的帧数。
步骤6:计算学生的触线规范得分:
;
其中为设定的第二判断阈值;
步骤7:计算学生的跑道规范得分:
;
步骤8:计算学生的折返跑规范得分;
当学生折返跑规范得分时,判定学生折返跑存在违规行为,系统产生预警
发送至管理人员处进行处理。
使用本发明的方法,采集折返跑现场的运动员图像数据,获取运动员身体坐标信息,结合折返线坐标信息,分别从跑道规范和触线规范两方面进行检测,只有跑道规范和触线规范都没有违规时,折返跑没有违规。使用本发明的方法,能快速判断运动员是否违规,并统一裁判标准,提高效率,降低误判率。
基于同一个发明构思,本发明实施例还提供了一种折返跑检测装置,如图2所示,该装置包括:
采集模块201,被配置用于采集折返跑运动员的图像;
检测模块202,被配置用于将折返跑检测划分为跑道规范检测和触线规范检测,根据折返跑运动员的脚部坐标进行所述跑道规范检测,根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
判断模块203,被配置用于根据所述跑道规范检测和触线规范检测确定折返跑是否违规。
作为一种优选示例,采集模块201还被配置用于:
在折返点设置摄像头获取折返跑图像;
在折返跑场景内设置一条折返线;
对折返跑运动员进行肢体识别获取左脚部坐标和右脚部坐标;
其中,场景内跑道数为,从左至右运动到折返线再从右向左运动,在所述折返线
上设置个点表示每个跑道的范围,其中;
其中x为横坐标,y为纵坐标,A为横坐标系数,B为纵坐标系数,C为常数,且;
i为图像帧的编号。
作为一种优选示例,检测模块202还被配置用于根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测,包括:
计算运动员的触线得分,其中触线得分的值为0或者1;
当运动员的触线得分时,判定运动员进入折返状态,记录运动员进入折返
状态的帧数;
当运动员的触线得分且上一帧运动员的触线得分时,判定运
动员进入返回状态,记录运动员进入返回状态的帧数;
确定触线规范得分:
;
其中为设定的第二判断阈值。
作为一种优选示例,检测模块202还被配置用于根据计算运动员的触线得分,
包括:
获取运动员的脖子坐标、胯骨中心坐标;
计算运动员的触线得分:
;
其中:
;
;
;
;
;
为设定的第一判断阈值。
作为一种优选示例,检测模块202还被配置用于根据折返跑运动员的脚部坐标进行所述跑道规范检测,包括:
计算运动员进场得分,当存在一个运动员进场得分时,判定场景内为
即将触线状态;
当场景进入即将触线状态时,提取全部运动员进场得分的运动员,对于任
意运动员记录运动员进入场景的帧数,计算运动员的跑道所属得分;
根据所述跑道所属得分计算跑道规范得分:
。
作为一种优选示例,检测模块202还被配置用于计算运动员进场得分,包括:
运动员进场得分根据以下公式确定:
;
其中,
;
。
作为一种优选示例,检测模块202还被配置用于计算运动员的跑道所属得分,
包括:
根据以下公式计算跑道所属得分:
;
其中,
。
作为一种优选示例,判断模块203,还被配置用于根据跑道规范检测和触线规范检测确定折返跑是否违规,包括:
算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范检测得分,为跑道规范检测得分。
需要说明的是,本实施例提供的装置与方法实施例提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,相同之处不再赘述。
基于同一个发明构思,本发明实施例还提供了一种折返跑检测装置,如图3所示,该装置包括:
包括存储器302、处理器301和用户接口303;
所述存储器302,用于存储计算机程序;
所述用户接口303,用于与用户实现交互;
所述处理器301,用于读取所述存储器302中的计算机程序,所述处理器301执行所述计算机程序时,实现:
采集折返跑运动员的图像;
将折返跑检测划分为跑道规范检测和触线规范检测;
根据折返跑运动员的脚部坐标进行所述跑道规范检测;
根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
根据所述跑道规范检测和触线规范检测确定折返跑是否违规。
其中,在图3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301代表的一个或多个处理器和存储器302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。处理器301负责管理总线架构和通常的处理,存储器302可以存储处理器301在执行操作时所使用的数据。
处理器301可以是CPU、ASIC、FPGA或CPLD,处理器301也可以采用多核架构。
处理器301执行存储器302存储的计算机程序时,实现实施例一中的任一折返跑检测方法。
需要说明的是,本实施例提供的装置与方法实施例提供的方法属于同一个发明构思,解决相同的技术问题,达到相同的技术效果,相同之处不再赘述。
本申请还提出一种处理器可读存储介质。其中,该处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现实施例一中的任一折返跑检测方法。
需要说明的是,本申请实施例中对单元的划分是示意性的,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。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存在,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,也可以采用软件功能单元的形式实现。
本领域内的技术运动员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
显然,本领域的技术运动员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (4)
1.一种折返跑检测方法,其特征在于,包括:
采集折返跑运动员的图像;
将折返跑检测划分为跑道规范检测和触线规范检测;
根据折返跑运动员的脚部坐标进行所述跑道规范检测;
根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
根据所述跑道规范检测和触线规范检测确定折返跑是否违规;
所述采集折返跑运动员的图像包括:
在折返点设置摄像头获取折返跑图像;
在折返跑场景内设置一条折返线;
对折返跑运动员进行肢体识别获取左脚部坐标和右脚部坐标/>;
其中,场景内跑道道数为,从左至右运动到折返线再从右向左运动,在所述折返线上设置/>个点/>表示每个跑道的范围,其中;
其中x为横坐标,y为纵坐标,A为横坐标系数,B为纵坐标系数,C为常数,且;
i为图像帧的编号;
所述根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测包括:
计算运动员的触线得分,其中触线得分的值为0或者1;
当运动员的触线得分时,判定运动员进入折返状态,记录运动员进入折返状态的帧数/>;
当运动员的触线得分且上一帧运动员的触线得分/>时,判定运动员进入返回状态,记录运动员进入返回状态的帧数/>;
确定触线规范得分:/>;
其中为设定的第二判断阈值;
所述计算运动员的触线得分包括:
获取运动员的脖子坐标、胯骨中心坐标/>;
计算运动员的触线得分:;
其中:;
;
;
;
;
为设定的第一判断阈值;
所述根据折返跑运动员的脚部坐标进行所述跑道规范检测包括:
计算运动员进场得分,当存在一个运动员进场得分/>时,判定场景内为即将触线状态;
当场景进入即将触线状态时,提取全部运动员进场得分的运动员,对于任意运动员记录运动员进入场景的帧数/>,计算运动员的跑道所属得分/>;
根据所述跑道所属得分计算跑道规范得分:
;
所述计算运动员进场得分包括:
运动员进场得分根据以下公式确定:
;
其中,
;
;
所述计算运动员的跑道所属得分包括:
根据以下公式计算跑道所属得分:
;
其中,
;
所述根据所述跑道规范规范检测和触线规范检测确定折返跑是否违规包括:
算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范检测得分,/>为跑道规范检测得分。
2.一种折返跑检测装置,其特征在于,包括:
采集模块,被配置用于采集折返跑运动员的图像;
检测模块,被配置用于将折返跑检测划分为跑道规范检测和触线规范检测,根据折返跑运动员的脚部坐标进行所述跑道规范检测,根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测;
判断模块,被配置用于根据所述跑道规范规范检测和触线规范检测确定折返跑是否违规;
所述采集折返跑运动员的图像包括:
在折返点设置摄像头获取折返跑图像;
在折返跑场景内设置一条折返线;
对折返跑运动员进行肢体识别获取左脚部坐标和右脚部坐标/>;
其中,场景内跑道道数为,从左至右运动到折返线再从右向左运动,在所述折返线上设置/>个点/>表示每个跑道的范围,其中;
其中x为横坐标,y为纵坐标,A为横坐标系数,B为纵坐标系数,C为常数,且;
i为图像帧的编号;
所述根据折返跑运动员进入折返状态时的图像帧与进入返回状态的图像帧进行所述触线规范检测包括:
计算运动员的触线得分,其中触线得分的值为0或者1;
当运动员的触线得分时,判定运动员进入折返状态,记录运动员进入折返状态的帧数/>;
当运动员的触线得分且上一帧运动员的触线得分/>时,判定运动员进入返回状态,记录运动员进入返回状态的帧数/>;
确定触线规范得分:
;
其中为设定的第二判断阈值;
所述计算运动员的触线得分包括:
获取运动员的脖子坐标、胯骨中心坐标/>;
计算运动员的触线得分:
;
其中:
;
;
;
;
;
为设定的第一判断阈值;
所述根据折返跑运动员的脚部坐标进行所述跑道规范检测包括:
计算运动员进场得分,当存在一个运动员进场得分/>时,判定场景内为即将触线状态;
当场景进入即将触线状态时,提取全部运动员进场得分的运动员,对于任意运动员记录运动员进入场景的帧数/>,计算运动员的跑道所属得分/>;
根据所述跑道所属得分计算跑道规范得分:
;
所述计算运动员进场得分包括:
运动员进场得分根据以下公式确定:
;
其中,
;
;
所述计算运动员的跑道所属得分包括:
根据以下公式计算跑道所属得分:
;
其中,
;
所述根据所述跑道规范规范检测和触线规范检测确定折返跑是否违规包括:
算运动员折返跑规范得分;
当运动员折返跑规范得分时,判定运动员折返跑存在违规行为;
其中,为触线规范检测得分,/>为跑道规范检测得分。
3.一种折返跑检测装置,其特征在于,包括存储器、处理器和用户接口;
所述存储器,用于存储计算机程序;
所述用户接口,用于与用户实现交互;
所述处理器,用于读取所述存储器中的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1所述的折返跑检测方法。
4.一种处理器可读存储介质,其特征在于,所述处理器可读存储介质存储有计算机程序,所述处理器执行所述计算机程序时实现如权利要求1所述的折返跑检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311315493.3A CN117079193B (zh) | 2023-10-12 | 2023-10-12 | 一种折返跑检测方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311315493.3A CN117079193B (zh) | 2023-10-12 | 2023-10-12 | 一种折返跑检测方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117079193A CN117079193A (zh) | 2023-11-17 |
CN117079193B true CN117079193B (zh) | 2023-12-26 |
Family
ID=88719786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311315493.3A Active CN117079193B (zh) | 2023-10-12 | 2023-10-12 | 一种折返跑检测方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117079193B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486757A (zh) * | 2021-06-29 | 2021-10-08 | 北京科技大学 | 基于人体骨骼关键点检测的多人直线跑步测试计时方法 |
CN114972475A (zh) * | 2022-05-17 | 2022-08-30 | 泰山体育产业集团有限公司 | 蛇形跑考核方法及其实现装置 |
CN115713714A (zh) * | 2022-11-21 | 2023-02-24 | 科大讯飞股份有限公司 | 运动测评方法、装置、系统、电子设备和存储介质 |
CN115970252A (zh) * | 2022-12-19 | 2023-04-18 | 山东万亿体育健康服务有限公司 | 一种折返跑的测量方法及测量装置 |
CN116196602A (zh) * | 2023-02-23 | 2023-06-02 | 北京奥康达体育科技有限公司 | 一种基于红外传感技术的智慧折返跑考核训练系统 |
CN116309721A (zh) * | 2023-03-15 | 2023-06-23 | 中国平安财产保险股份有限公司 | 基于多目标跟踪的视频折返识别方法、装置、设备及介质 |
CN116563950A (zh) * | 2023-07-07 | 2023-08-08 | 东莞先知大数据有限公司 | 一种跳远距离确定方法、装置、电子设备和存储介质 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7492367B2 (en) * | 2005-03-10 | 2009-02-17 | Motus Corporation | Apparatus, system and method for interpreting and reproducing physical motion |
US10674178B2 (en) * | 2016-07-15 | 2020-06-02 | Samsung Electronics Co., Ltd. | One-dimensional segmentation for coherent motion estimation |
US11710317B2 (en) * | 2020-03-04 | 2023-07-25 | Recruiting Analytics LLC | Systems, methods, and computer-program products for assessing athletic ability and generating performance data |
-
2023
- 2023-10-12 CN CN202311315493.3A patent/CN117079193B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113486757A (zh) * | 2021-06-29 | 2021-10-08 | 北京科技大学 | 基于人体骨骼关键点检测的多人直线跑步测试计时方法 |
CN114972475A (zh) * | 2022-05-17 | 2022-08-30 | 泰山体育产业集团有限公司 | 蛇形跑考核方法及其实现装置 |
CN115713714A (zh) * | 2022-11-21 | 2023-02-24 | 科大讯飞股份有限公司 | 运动测评方法、装置、系统、电子设备和存储介质 |
CN115970252A (zh) * | 2022-12-19 | 2023-04-18 | 山东万亿体育健康服务有限公司 | 一种折返跑的测量方法及测量装置 |
CN116196602A (zh) * | 2023-02-23 | 2023-06-02 | 北京奥康达体育科技有限公司 | 一种基于红外传感技术的智慧折返跑考核训练系统 |
CN116309721A (zh) * | 2023-03-15 | 2023-06-23 | 中国平安财产保险股份有限公司 | 基于多目标跟踪的视频折返识别方法、装置、设备及介质 |
CN116563950A (zh) * | 2023-07-07 | 2023-08-08 | 东莞先知大数据有限公司 | 一种跳远距离确定方法、装置、电子设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
基于STM32单片机的运动员折返跑测试系统的研究与实现;余先涛等;现代机械(第04期);79-82 * |
Also Published As
Publication number | Publication date |
---|---|
CN117079193A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021129064A9 (zh) | 姿态获取方法、关键点坐标定位模型的训练方法和装置 | |
Shen et al. | Exemplar-based human action pose correction and tagging | |
Chaudhari et al. | Yog-guru: Real-time yoga pose correction system using deep learning methods | |
CN111753747B (zh) | 基于单目摄像头和三维姿态估计的剧烈运动检测方法 | |
CN109472786B (zh) | 脑出血图像处理方法、装置、计算机设备及存储介质 | |
US20220207921A1 (en) | Motion recognition method, storage medium, and information processing device | |
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 | |
CN111028266B (zh) | 畜禽盘点方法、装置、电子设备和存储介质 | |
US20220222975A1 (en) | Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus | |
CN114998991A (zh) | 校园智能操场系统和基于该系统的运动检测方法 | |
CN117079193B (zh) | 一种折返跑检测方法、装置及存储介质 | |
US20170154441A1 (en) | Orientation estimation method, and orientation estimation device | |
JP7248137B2 (ja) | 評価方法、評価プログラムおよび情報処理装置 | |
JP6653423B2 (ja) | プレー区間抽出方法、プレー区間抽出装置 | |
CN117115922A (zh) | 坐位体前屈评测方法、系统、电子设备和存储介质 | |
JP2020177557A (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN110322479A (zh) | 一种基于时空显著性的双核kcf目标跟踪方法 | |
CN113012190B (zh) | 手卫生合规监测方法、装置、设备及存储介质 | |
JP6972434B1 (ja) | 行動特定装置、行動特定方法及び行動特定プログラム | |
Chen et al. | CNN sensor based motion capture system application in basketball training and injury prevention | |
Telse et al. | Eye gaze tracking and blinking detection | |
Tanaka et al. | Automatic Edge Error Judgment in Figure Skating Using 3D Pose Estimation from a Monocular Camera and IMUs | |
WO2022208859A1 (ja) | 技認識方法、技認識装置および体操採点支援システム | |
US20220343649A1 (en) | Machine learning for basketball rule violations and other actions | |
Yamamoto et al. | Extracting proficiency differences and individual characteristics in golfers' swing using single-video markerless motion 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |