CN117671798A - 基于骨骼点识别和目标检测的实心球测试方法和系统 - Google Patents
基于骨骼点识别和目标检测的实心球测试方法和系统 Download PDFInfo
- Publication number
- CN117671798A CN117671798A CN202311733493.5A CN202311733493A CN117671798A CN 117671798 A CN117671798 A CN 117671798A CN 202311733493 A CN202311733493 A CN 202311733493A CN 117671798 A CN117671798 A CN 117671798A
- Authority
- CN
- China
- Prior art keywords
- solid ball
- throwing
- solid
- image
- testing
- 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
Links
- 239000007787 solid Substances 0.000 title claims abstract description 97
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 210000000988 bone and bone Anatomy 0.000 title claims abstract description 19
- 238000010998 test method Methods 0.000 title claims description 8
- 238000012360 testing method Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 22
- 238000002360 preparation method Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000009471 action Effects 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000003860 storage Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 11
- 210000003371 toe Anatomy 0.000 claims description 6
- 210000004247 hand Anatomy 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 210000003127 knee Anatomy 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000005283 ground state Effects 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000007547 defect Effects 0.000 abstract description 3
- 239000000463 material Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013522 software testing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了基于骨骼点识别和目标检测的实心球测试方法和系统,属于于实心球投掷测试技术领域。搭建实心球测试环境,测试人员进入准备区域准备投掷,摄像头实时采集测试人员位置图像和投掷动作图像,并将图像传输至计算单元;计算单元通过内置的算法模块识别测试人员是否越线或投掷动作不规范,若无违规情况则开始测试;测试人投掷实心球,摄像头实时采集实心球投掷和落地过程图像,将实心球运动轨迹绘制为轨迹图像;根据实心球落地点坐标、测距标定线计算实心球投掷距离。本发明克服了传统实心球测试方式受测量工具精度、监测人员技能和素质、外界环境影响大等缺点。实现实心球测试自动化、规范化,提高测试效率,降低了人力物力成本。
Description
技术领域
本发明涉及基于骨骼点识别和目标检测的实心球测试方法和系统,属于于实心球投掷测试技术领域。
背景技术
目前的实心球测试大部分依赖于人工判断、人工测量,包括测试人员的动作规范、是否压线、投掷距离测量等,测试结果受测量工具精度、监测人员技能和素质、外界环境影响很大,测试效率较低;有些实心球测试依赖于传感设备,如红外传感器、光电传感器等,但这些测试方法存在设备复杂、测试精度低,易被异物干扰、部署难度大、测试标准不一致、监测人员工作负荷大等缺点,且无论是人工监测还是传感设备监测都无法回放和分析每位测试人员的测试过程。急需一种准确稳定的测试方法和系统。
发明内容
本发明目的是提供了基于骨骼点识别和目标检测的实心球测试方法和系统,实现实心球测试自动化、规范化,提高测试效率,优化测试流程。
本发明为实现上述目的,通过以下技术方案实现:
搭建实心球测试环境,在测试区域通过划定投掷线划分出准备区域和投掷区域,并在投掷区域和测试区域分别设置能覆盖全区域的摄像头;
测试人员进入准备区域准备投掷,摄像头实时采集测试人员位置图像和投掷动作图像,并将图像传输至计算单元;
计算单元通过内置的算法模块识别测试人员是否越线或投掷动作不规范,若无违规情况则开始测试;
测试人投掷实心球,摄像头实时采集实心球投掷和落地过程图像,将实心球运动轨迹绘制为轨迹图像;
根据实心球落地点坐标、测距标定线计算实心球投掷距离。
优选的,所述投掷区域的摄像头分别设置于投掷区域任意两对角位置,所述测试区域的摄像头设置于测试区域外侧中部。
优选的,所述算法模块基于rtmpose和yolov7网络模型,包括人体检测模型、人体骨骼点模型和鞋子检测模型,训练过程如下:
调用人体检测模型接口输入采集的图像并返回当前帧图像内测试人员检测框,根据检测框对原图像进行裁剪;
输入裁剪后的图像调用人体骨骼点模型接口并返回人体骨骼点坐标,包括脚尖、膝盖、手部的骨骼点;
调用鞋子检测模型接口并返回当前帧图像内测试人员鞋子的检测框;算法结合脚尖骨骼点坐标和鞋子检测框坐标并分配权重联合判断是否压线违规。
优选的,所述实心球运动轨迹判断方法如下:
如果实心球运动轨迹斜率一直为正值且逐渐变小,则实心球为上升状态;斜率第一次由正值转负值,则实心球经过最高点;斜率一直为负值且逐渐增大至负无穷,则实心球为下降状态;斜率由负无穷转变为正值且之后的斜率绝对值不变,则实心球为落地状态。
一种基于骨骼点识别和目标检测的实心球测试系统,包括:
图像采集模块:包括投掷区域的摄像头和准备区域的摄像头,用于采集实心球测试全流程的图像数据,并将图像传输至计算单元;
算法模块:根据图像采集模块采集的图像通过内置的算法模块识别测试人员是否越线或投掷动作不规范,并根据图像数据将实心球运动轨迹绘制为轨迹图像,根据实心球落地点坐标、测距标定线计算实心球投掷距离;
语音播报模块:根据算法模块判断的违规情况和成绩进行语音播报;
通信模块:用于持各模块之间的通信交互。
本发明的优点在于:本发明克服了传统实心球测试方式受测量工具精度、监测人员技能和素质、外界环境影响大等缺点。通过摄像头、姿态识别算法和目标检测算法,实现实心球测试自动化、智能化、规范化,提高测试效率,减轻监测人员负担,优化测试流程,大大降低了人力物力成本。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
图1为本申请提供的一种基于骨骼点识别和目标检测的实心球测试方法流程示意图。
图2为本申请提供的实心球测试场景示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人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,都属于本发明保护的范围。
实施例1
基于骨骼点识别和目标检测的实心球测试方法和系统,通过以下技术方案实现:
S1:搭建实心球测试环境,在测试区域通过划定投掷线划分出准备区域和投掷区域,并在投掷区域和测试区域分别设置能覆盖全区域的摄像头;所述投掷区域的摄像头分别设置于投掷区域任意两对角位置,所述测试区域的摄像头设置于测试区域外侧中部。
S2:测试人员进入准备区域准备投掷,摄像头实时采集测试人员位置图像和投掷动作图像,并将图像传输至计算单元;计算单元通过内置的算法模块识别测试人员是否越线或投掷动作不规范,若无违规情况则开始测试;所述算法模块基于rtmpose和yolov7网络模型,包括人体检测模型、人体骨骼点模型和鞋子检测模型,训练过程如下:
调用人体检测模型接口输入采集的图像并返回当前帧图像内测试人员检测框,根据检测框对原图像进行裁剪;
输入裁剪后的图像调用人体骨骼点模型接口并返回人体骨骼点坐标,包括脚尖、膝盖、手部的骨骼点;
调用鞋子检测模型接口并返回当前帧图像内测试人员鞋子的检测框;算法结合脚尖骨骼点坐标和鞋子检测框坐标并分配权重联合判断是否压线违规。
S3:测试人投掷实心球,摄像头实时采集实心球投掷和落地过程图像,将实心球运动轨迹绘制为轨迹图像;所述实心球运动轨迹判断方法如下:
两个摄像头分别布置于实心球投掷区域的前半段和后半段,并调整摄像头视野使其监控范围的交集基本覆盖整个实心球投掷区域及其上空区域,使得实心球在距离最近的摄像头视野内一直占据较多的像素点,保证较高的清晰度和精确的检测效果。基于yolov7修改、训练、封装和部署的实心球检测算法可以得到实心球的实时运动轨迹,当实心球中心点与测试人员手部骨骼点的距离大于某个阈值时,判断球出手,从准备状态切换为考试状态。实心球出手后理想状态下运动轨迹的斜率是从正值逐渐变小为0即达到最高点,然后从0变为负值逐渐变小至负无穷再突然变为0即球落地,之后一直保持为0即球在地面滚动;然而受模型检测效果和测试场景的影响,实际状态下实心球运动轨迹的斜率可能是从正值逐渐减小突然变为负值(到达顶点那一帧可能没有检测到实心球),然后从负值逐渐减小至负无穷再突然变为正值(受测试场地的影响实心球可能会反弹),再从正值逐渐减小至0变为负值,反复几次最后变为0;为了应对这种情况,提出运动轨迹斜率阈值判断法,当运动轨迹斜率一直为正值且逐渐变小时判断为上升状态,斜率第一次由正值转负值判断为经过最高点,斜率一直为负值且逐渐增大至负无穷判断为下降状态,由负无穷突然变为正值且之后的斜率绝对值都在一个较小的范围内判断为落地状态,由此可以较为准确的判断出实心球的运动轨迹和落地点。
S4:根据实心球落地点坐标、测距标定线计算实心球投掷距离;具体的, 获取实心球运动轨迹图像,根据实心球落地点坐标、测距标定线计算实心球投掷距离,播报测试人员成绩;获得实心球落地点坐标之后,根据S01步骤中标定的测距线坐标数据判断落地点处于哪一个距离范围内,再根据坐标与距离的对应比例计算出落地点的精确坐标。
实施例2
一种基于骨骼点识别和目标检测的实心球测试系统,包括:
图像采集模块:包括投掷区域的摄像头和准备区域的摄像头,用于采集实心球测试全流程的图像数据,并将图像传输至计算单元;
算法模块:根据图像采集模块采集的图像通过内置的算法模块识别测试人员是否越线或投掷动作不规范,并根据图像数据将实心球运动轨迹绘制为轨迹图像,根据实心球落地点坐标、测距标定线计算实心球投掷距离;
语音播报模块:根据算法模块判断的违规情况和成绩进行语音播报;
通信模块:用于持各模块之间的通信交互。
本公开实施例还提供一种基于骨骼点识别和目标检测的实心球测试装置,包括处理器(processor)和存储器(memory)。可选地,该装置还可以包括通信接口(CommunicationInterface)和总线。其中,处理器、通信接口、存储器可以通过总线完成相互间的通信。通信接口可以用于信息传输。处理器可以调用存储器中的逻辑指令,以执行上述实施例的基于骨骼点识别和目标检测的实心球测试方法。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。
存储器作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令/模块。处理器通过运行存储在存储器中的程序指令/模块,从而执行功能应用以及数据处理,即实现上述实施例中基于骨骼点识别和目标检测的实心球测试方法。
存储器可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述基于骨骼点识别和目标检测的实心球测试方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于骨骼点识别和目标检测的实心球测试方法,其特征在于,包括:
搭建实心球测试环境,在测试区域通过划定投掷线划分出准备区域和投掷区域,在投掷区域划分测量线,并在投掷区域和测试区域分别设置能覆盖全区域的摄像头;
测试人员进入准备区域准备投掷,摄像头实时采集测试人员位置图像和投掷动作图像,并将图像传输至计算单元;
计算单元通过内置的算法模块识别测试人员是否越线或投掷动作不规范,若无违规情况则开始测试;
测试人投掷实心球,摄像头实时采集实心球投掷和落地过程图像,将实心球运动轨迹绘制为轨迹图像;
根据实心球落地点坐标、测距标定线计算实心球投掷距离。
2.根据权利要求1所述的基于骨骼点识别和目标检测的实心球测试方法,其特征在于,所述投掷区域的摄像头分别设置于投掷区域任意两对角位置,所述测试区域的摄像头设置于测试区域外侧中部。
3.根据权利要求1所述的基于骨骼点识别和目标检测的实心球测试方法,其特征在于,所述算法模块基于rtmpose和yolov7网络模型,包括人体检测模型、人体骨骼点模型和鞋子检测模型,训练过程如下:
调用人体检测模型接口输入采集的图像并返回当前帧图像内测试人员检测框,根据检测框对原图像进行裁剪;
输入裁剪后的图像调用人体骨骼点模型接口并返回人体骨骼点坐标,包括脚尖、膝盖、手部的骨骼点;
调用鞋子检测模型接口并返回当前帧图像内测试人员鞋子的检测框;算法结合脚尖骨骼点坐标和鞋子检测框坐标并分配权重联合判断是否压线违规。
4.根据权利要求1所述的基于骨骼点识别和目标检测的实心球测试方法,其特征在于,所述实心球运动轨迹判断方法如下:
如果实心球运动轨迹斜率一直为正值且逐渐变小,则实心球为上升状态;斜率第一次由正值转负值,则实心球经过最高点;斜率一直为负值且逐渐增大至负无穷,则实心球为下降状态;斜率由负无穷转变为正值且之后的斜率绝对值不变,则实心球为落地状态。
5.一种使用权利要求1-4任一所述方法的基于骨骼点识别和目标检测的实心球测试系统,其特征在于,包括:
图像采集模块:包括投掷区域的摄像头和准备区域的摄像头,用于采集实心球测试全流程的图像数据,并将图像传输至计算单元;
算法模块:根据图像采集模块采集的图像通过内置的算法模块识别测试人员是否越线或投掷动作不规范,并根据图像数据将实心球运动轨迹绘制为轨迹图像,根据实心球落地点坐标、测距标定线计算实心球投掷距离;
语音播报模块:根据算法模块判断的违规情况和成绩进行语音播报;
通信模块:用于持各模块之间的通信交互。
6.一种基于骨骼点识别和目标检测的实心球测试装置,包括处理器和存储有程序指令的存储器,其特征在于,所述处理器被配置为在运行所述程序指令时,执行如权利要求1至4任一项所述的基于骨骼点识别和目标检测的实心球测试方法。
7.一种计算机可读存储介质,其特征在于其上存储有计算机程序,该程序被处理器执行时实现如上述权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733493.5A CN117671798A (zh) | 2023-12-18 | 2023-12-18 | 基于骨骼点识别和目标检测的实心球测试方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311733493.5A CN117671798A (zh) | 2023-12-18 | 2023-12-18 | 基于骨骼点识别和目标检测的实心球测试方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117671798A true CN117671798A (zh) | 2024-03-08 |
Family
ID=90086276
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311733493.5A Pending CN117671798A (zh) | 2023-12-18 | 2023-12-18 | 基于骨骼点识别和目标检测的实心球测试方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117671798A (zh) |
-
2023
- 2023-12-18 CN CN202311733493.5A patent/CN117671798A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112766274B (zh) | 一种基于Mask RCNN算法的水尺图像水位自动读数方法及系统 | |
CN113137923A (zh) | 立定跳远运动成绩测量方法 | |
Bo et al. | Particle pollution estimation from images using convolutional neural network and weather features | |
CN111753712A (zh) | 电力生产人员安全监测方法、系统以及设备 | |
CN115388706B (zh) | 一种具有自动校准功能的激光靶机 | |
CN113198166B (zh) | 一种跳远检测方法与检测装置 | |
CN110569735A (zh) | 一种基于奶牛背部体况的分析方法及装置 | |
CN109559342B (zh) | 动物体长的测量方法和装置 | |
CN110604915A (zh) | 立定跳远测试的方法及装置 | |
Xin et al. | Three‐dimensional reconstruction of Vitis vinifera (L.) cvs Pinot Noir and Merlot grape bunch frameworks using a restricted reconstruction grammar based on the stochastic L‐system | |
CN114049325A (zh) | 轻量化人脸口罩佩戴检测模型的构建方法及应用 | |
CN112933581A (zh) | 一种基于虚拟现实技术的体育动作评分方法与装置 | |
Tian et al. | The detection system for greenhouse tomato disease degree based on android platform | |
CN117726991A (zh) | 一种高空吊篮安全带检测方法及终端 | |
CN111666958A (zh) | 基于图像识别的设备状态检测方法、装置、设备及介质 | |
CN109460724A (zh) | 基于对象检测的停球事件的分离方法和系统 | |
CN117671798A (zh) | 基于骨骼点识别和目标检测的实心球测试方法和系统 | |
CN101021948A (zh) | 人体对称性运动图像中关节的自动识别装置及方法 | |
CN108079521A (zh) | 一种跑步测试方法及系统 | |
CN110624203A (zh) | 自由式立定跳远测试的方法及装置 | |
CN114549590A (zh) | 目标对象的检测方法及装置 | |
CN110378953B (zh) | 一种智能识别猪群圈内空间分布行为的方法 | |
CN111860626A (zh) | 基于无人机遥感和面向对象分类的水土保持监测方法及系统 | |
CN114569984A (zh) | 一种基于单线激光雷达的立定跳远检测方法 | |
CN117237990A (zh) | 群养猪只体重的估测方法、装置、电子设备及存储介质 |
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 |