CN118200750A - 一种乒乓球比赛数据采集与可视化技术用于转播的方法 - Google Patents

Abstract

本发明涉及电视转播技术领域，具体涉及一种乒乓球比赛数据采集与可视化技术用于转播的方法，包括：步骤S1：分别获取所述采集相机输出的单帧图像数据，针对所述单帧图像数据提取得到二维平面图像结构化信息；步骤S2：依照所述二维平面图像结构化信息分别生成每个所述输出维度上的三维重建坐标；步骤S3：依照所述三维重建坐标生成三维运动轨迹和统计信息，用于在转播时输出。有益效果在于：针对待转播场地设置了相机阵列，通过多台采集相机对图像进行采集并进行三维重建，实现了较好的位姿解算精度；同时，通过选取不同的采集相机，可实现多角度的呈现过程，利于电视转播。

Description

一种乒乓球比赛数据采集与可视化技术用于转播的方法

技术领域

本发明涉及电视转播技术领域，具体涉及一种乒乓球比赛数据采集与可视化技术用于转播的方法。

背景技术

目前，国内外对于乒乓球赛事数据提取通常采取单相机2D(二维)检测方案。其基本原理为：通过对单路视频单帧图片进行计算机视觉检测，可以解析出每帧图片的2D关键点(人与乒乓球)，并通过每帧数据串联进行关键点运动跟踪，将人与乒乓球的运动捕捉结果转化成多种运动力学数据，并基于数据对运动事件及运动员表现分析；同时，为了更好的展示人及乒乓球的运动捕捉效果，多数2D动捕产品会带前端应用程序或可视化工具，从而完成转播呈现闭环。

但是，在实施过程中，发明人发现，基于单相机实现的二维检测方案，其视角相对单一，采集的数据容易存在遗漏；同时，通过二维检测解算得到的位姿信息准确度较差，可视化3D还原效果不准确，不利于转播呈现。

发明内容

针对现有技术中存在的上述问题，现提供一种乒乓球比赛数据采集与可视化技术用于转播的方法。

具体技术方案如下：

一种乒乓球比赛数据采集与可视化技术用于转播的方法，针对待转播场地，预先设置有多台视觉采集设备，所述视觉采集设备包括围绕所述待转播场地设置的采集相机；

所述方法包括：

步骤S1：分别获取所述采集相机输出的单帧图像数据，针对所述单帧图像数据提取得到二维平面图像结构化信息；

所述二维平面图像结构化信息包括多个输出维度的目标检测数据；

所述输出维度包括乒乓球检测位置、乒乓球位姿、运动员检测位置和运动员人体关键点；

步骤S2：依照所述二维平面图像结构化信息分别生成每个所述输出维度上的三维重建坐标；

步骤S3：依照所述三维重建坐标生成三维运动轨迹和统计信息，用于在转播时输出。

另一方面，所述步骤S1中，采用结构化信息生成模型生成所述二维平面图像结构化信息；

所述结构化信息生成模型包括：

目标检测模型，所述目标检测模型依照所述输出维度分别对所述单帧图像数据中的待检测目标进行检测，得到目标检测框；

所述目标检测框包括所述乒乓球检测位置和所述运动员检测位置；

关键点检测模型，所述关键点检测模型连接所述目标检测模型，所述关键点检测模型依照所述运动员检测位置在所述单帧图像数据中识别得到所述运动员人体关键点；

位姿学习模型，所述位姿学习模型连接所述目标检测模型，所述位姿学习模型依照所述乒乓球检测位置自所述单帧图像数据中识别得到所述乒乓球位姿。

另一方面，所述步骤S2中，针对所述乒乓球检测位置的乒乓球位置重建方法包括：

步骤A21：针对每一个所述采集相机，于所述单帧图像数据中分别提取得到参照物图像坐标；

所述参照物图像坐标包括预先标定的多个相机位置相对坐标；

步骤A22：获取从每个所述采集相机提取到的所述乒乓球检测位置，依照所述参照物图像坐标生成乒乓球相对于参照物的乒乓球相对图像坐标；

步骤A23：采用所述乒乓球相对图像坐标进行三维重建得到对应于所述乒乓球检测位置的乒乓球三维重建坐标。

另一方面，所述采集相机包括位于所述待转播场地正上方的俯视相机，所述步骤S3中，针对所述乒乓球位姿的乒乓球位姿解算方法包括：

步骤A31：获取多组所述乒乓球三维重建坐标，以及通过所述俯视相机采集得到的所述乒乓球位姿；

步骤A32：依照所述乒乓球三维重建坐标计算得到乒乓球三维轨迹，以及依照所述乒乓球位姿计算得到乒乓球转速转向信息。

另一方面，于执行所述步骤A32后还包括：

步骤B33：基于顶视相机图像提取乒乓球位置序列及位姿信息；

步骤B34：依照所述乒乓球位置序列及位姿信息进行比对，计算得出乒乓球转速转向信息。

另一方面，于执行所述步骤A32后还包括：

步骤C33：依照连续多帧的所述乒乓球位姿进行比对，以确定乒乓球落点时间；

步骤C34：依照所述乒乓球落点时间和所述乒乓球三维重建坐标生成乒乓球落点坐标；

步骤C35：根据所述乒乓球落点坐标生成乒乓球落点热图。

另一方面，所述步骤S2中，针对所述运动员检测位置和所述运动员人体关键点的运动员分析过程包括：

步骤D21：依照多个所述采集相机输出的所述单帧图像数据对应的所述运动员检测位置进行预重建得到运动员预重建坐标，以及，依照多个所述单帧图像数据对应的所述运动员人体关键点分别进行预重建得到人体关键点预重建坐标；

步骤D22：依照所述人体关键点预重建坐标进行姿态估计得到姿态估计结果；

步骤D23：依照所述姿态估计结果对所述运动员预重建坐标进行修正得到运动员三维重建坐标。

另一方面，所述步骤S3中，针对运动员击球信息的运动员击球分析过程包括：

步骤E31：依照多组所述运动员三维重建坐标构建运动员坐标序列，依照所述姿态估计结果自所述运动员坐标序列中选取对应于击球动作的运动员击球位置坐标；

步骤E32：获取场地参照坐标，依照所述场地参照坐标和所述运动员击球位置坐标生成击球位置信息并输出。

另一方面，于执行所述步骤E32后还包括：

步骤E33：依照所述运动员坐标序列生成运动员跑动数据，以及，依照所述运动员击球位置信息生成击球数据。

上述技术方案具有如下优点或有益效果：

针对现有技术中的视觉检测方案在转播乒乓球比赛的3D可视化还原过程中，视角单一且数据准确度较差的问题，本方案中，针对待转播场地设置了相机阵列，通过多台采集相机对图像进行采集并进行三维重建，实现了较好的位姿解算精度；并通过精确的数据实现3D可视化还原，利于电视转播呈现。

附图说明

参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。

图1为本发明实施例的整体示意图；

图2为本发明实施例中结构化信息生成模型示意图；

图3为本发明实施例中乒乓球位置重建方法示意图；

图4为本发明实施例中乒乓球位姿解算方法示意图；

图5为本发明实施例中步骤B3示意图；

图6为本发明实施例中步骤C3示意图；

图7为本发明实施例中运动员分析过程示意图；

图8为本发明实施例中运动员击球分析过程示意图；

图9为本发明实施例中步骤E33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作出创造性劳动的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。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

本发明包括：

一种乒乓球比赛数据采集与可视化技术用于转播的方法，针对待转播场地，预先设置有视觉采集设备，视觉采集设备包括多台围绕待转播场地设置的采集相机；

如图1所示，方法包括：

步骤S1：分别获取采集相机输出的单帧图像数据，针对单帧图像数据提取得到二维平面图像结构化信息；

二维平面图像结构化信息包括多个输出维度的目标检测数据；

输出维度包括乒乓球检测位置、乒乓球位姿、运动员检测位置和运动员人体关键点；

步骤S2：依照二维平面图像结构化信息分别生成每个输出维度上的三维重建坐标；

步骤S3：依照三维重建坐标生成三维运动轨迹和统计信息，通过这些信息实现3D可视化还原，用于在转播时输出。

具体地，针对现有技术中的视觉检测方案在转播乒乓球比赛的过程中，视角单一且数据准确度较差的问题，本实施例中，针对待转播场地设置了视觉采集设备，该视觉采集设备通常包括多个架设在同一平面的高速和非高速采集相机和位于场地上方的顶视相机。各采集相机通过对应的采集卡连接至对应的服务器中，用于实时获取、缓存对应于各相机的视频流。视频流中可逐帧拆分出单帧图像数据，随后送入对应的人工智能模型中进行处理，提取到二维平面图像结构化信息，包括乒乓球检测位置、乒乓球位姿、运动员检测位置和运动员人体关键点。不同的输出维度在该人工智能模型中对应不同的识别任务，其根据需要也可能启用特定的网络结构。通过增加对应的输出维度并配置多任务学习模型，可以提高对特征的复用率，进而增加整体的识别效率，并为后续的转播信息生成过程提供更多的评估依据。在实现了针对不同输出维度的二维平面图像结构化信息提取之后，依照预先标定的相机外参和相机位置，对同一时点上不同位置的二维平面图像结构化信息进行三角成像，容易得到更为准确的三维重建坐标。此时的三维重建坐标对应于不同的物体，比如乒乓球、运动员、运动员的肢体等在实际的空间中的坐标。通过逐帧对二维平面图像结构化信息进行三维重建，可以得到对应物体在时间上的三维重建坐标的变化，比如运动员的跑动轨迹、乒乓球的运动轨迹等，从而形成三维运动轨迹，并依照相应的转播需求设计对应的统计维度进行统计，得到统计信息，比如球速、跑动距离等，从而实现更好的转播效果。

在一个实施例中，步骤S1中，采用结构化信息生成模型生成二维平面图像结构化信息；

如图2所示，结构化信息生成模型包括：

目标检测模型101，目标检测模型101依照输出维度分别对单帧图像数据中的待检测目标进行检测，得到目标检测框；

目标检测框包括乒乓球检测位置和运动员检测位置；

关键点检测模型102，关键点检测模型102连接目标检测模型101，关键点检测模型102依照运动员检测位置在单帧图像数据中识别得到运动员人体关键点；

位姿学习模型103，位姿学习模型103连接目标检测模型101，位姿学习模型103依照乒乓球检测位置自单帧图像数据中识别得到乒乓球位姿。

具体地，为实现较好的识别效率，本实施例中，构建了上述的结构化信息生成模型生成二维平面图像结构化信息。其中，结构化信息生成模型包括一个目标检测模型101，该目标检测模型主要围绕两部分任务：乒乓球检测位置和运动员检测位置分别进行识别，从而从单帧图像数据中分割得到乒乓球的目标检测框和运动员的目标检测框。目标检测模型101可以采用基于RetinaNet的深度网络结构来实现。当其分别检测到乒乓球检测位置和运动员检测位置之后，分别输入关键点检测模型102和位姿学习模型103中进行处理。其中，关键点检测模型102采用HRNet的深度网络结构实现，其在提取到运动员检测位置之后，对检测框的部分进行裁切，随后对图像中的运动员进行姿态估计提取到一组关键点。该组关键点包括检测得到的关节点的标签和位置信息，将其标记为运动员人体关键点可用于对运动员的动作进行重建或做其他分析。位姿学习模型103采用基于ResNet的网络结构来实现，其主要通过残差结构来提取检测框中的乒乓球的图像特征，比如乒乓球上的图案、合模线等特征，并进行分类回归，从而得出乒乓球相对于相机视角的朝向作为乒乓球位姿。通过记录一系列的乒乓球位姿能够实现对乒乓球转动的分析。为便于后续计算，此处模型返回的信息为对应于乒乓球位姿的四元数。

在一个实施例中，如图3所示，步骤S2中，针对乒乓球检测位置的乒乓球位置重建方法包括：

步骤A21：针对每一个采集相机，于单帧图像数据中分别提取得到参照物图像坐标；

参照物图像坐标包括预先标定的多个相机位置相对坐标；

步骤A22：获取从每个采集相机提取到的乒乓球检测位置，依照参照物图像坐标生成乒乓球相对于参照物的乒乓球相对图像坐标；

步骤A23：采用乒乓球相对图像坐标进行三维重建得到对应于乒乓球检测位置的乒乓球三维重建坐标。

具体地，为实现较为准确的坐标重建过程，本实施例中，在对乒乓球位置进行了提取后，还于单帧图像数据中分别提取得到参照物图像坐标，该步骤可通过对图像进行识别来获得。同时，该部分参照物本身在拍摄前进行了测量，比如，在安装相机时预先测量并标定其三维空间位置，并赋予了三维重建过程中的空间坐标位置。基于这些参照物图像坐标，容易计算得到在二维图像中，乒乓球相对于参照物的乒乓球相对图像坐标。基于乒乓球相对图像坐标结合参照物的实际空间坐标进行三维重建，可得到更为准确的乒乓球三维重建坐标。具体来说，三角测量算法首先根据相机外参标定确定相机在预设三维坐标系中的坐标，将每个相机作为原点与观测到该视角下的目标关键点连线，求解多个相机线的交点即为目标关键点3D坐标值。通过该方法容易对乒乓球在三维空间中的位置进行有效计算。

在一个实施例中，采集相机包括位于待转播场地正上方的俯视相机，如图4所示，步骤S3中，针对乒乓球位姿的乒乓球位姿解算方法包括：

步骤A31：获取多组乒乓球三维重建坐标，以及通过俯视相机采集得到的乒乓球位姿；

步骤A32：依照乒乓球三维重建坐标计算得到乒乓球三维轨迹，以及依照乒乓球位姿计算得到乒乓球转速转向信息。

具体地，为实现对乒乓球的转速、转向信息较好的统计效果，本实施例中，在环绕相机阵列中引入了位于正上方的俯视相机，该俯视相机用于采集并生成特定的乒乓球位姿。随后，在计算得到了乒乓球三维重建坐标后，通过对乒乓球三维重建坐标依照时序进行排列串联容易得到乒乓球三维轨迹。而针对乒乓球转速、转向等信息的计算，则通过俯视相机对图像进行目标检测、位姿四元数解算，然后进行时序上的四元数比对，从而得出旋转差值对应的转速和转向。

作为可选的实施方式，还通过其他的采集相机分别计算乒乓球位姿并解算得到参考转速和参考转向；随后依照所有的参考转速、参考转向与顶视转速、顶视转向进行加权平均，得到实际的转速和转向。

在一个实施例中，如图5所示，于执行步骤A32后还包括：

步骤B33：基于顶视相机图像提取乒乓球位置序列及位姿信息；

步骤B34：依照所述乒乓球位置序列及位姿信息进行比对，计算得出乒乓球转速转向信息。

具体地，为实现较好的转播效果，本实施例中，还依照预先标定的球网坐标和乒乓球三维重建坐标进行比对。其中，球网坐标为一连串对应于球网位置的三维坐标序列。当在高度上越过该三维坐标序列时，认为乒乓球过网。此时，将当前的乒乓球三维重建坐标作为乒乓球过网位置坐标，依照乒乓球过网位置坐标提取对应的乒乓球转速转向信息并生成过网转向信息，并在转播信息上进行呈现，从而更为直观地体现出过网时乒乓球的转向变化。

在一个实施例中，如图6所示，于执行步骤A32后还包括：

步骤C33：依照连续多帧的乒乓球位姿进行比对，以确定乒乓球落点时间；

步骤C34：依照乒乓球落点时间和乒乓球三维重建坐标生成乒乓球落点坐标；

步骤C35：根据乒乓球落点坐标生成乒乓球落点热图。

具体地，为实现较好的转播效果，本实施例中，在进行了三维重建轨迹生成之后，依照连续多帧的乒乓球位姿进行比对，当乒乓球位姿到达桌面所在平面之后，认为乒乓球接触桌面，从而得到乒乓球落点时间。随后，依照乒乓球落点时间和乒乓球三维重建坐标生成乒乓球落点坐标，再统计、上色生成乒乓球落点热图，从而实现了对乒乓球落点较好的呈现效果。

在一个实施例中，如图7所示，步骤S2中，针对运动员检测位置和运动员人体关键点的运动员分析过程包括：

步骤D21：依照多个采集相机输出的单帧图像数据对应的运动员检测位置进行预重建得到运动员预重建坐标，以及，依照多个单帧图像数据对应的运动员人体关键点分别进行预重建得到人体关键点预重建坐标；

步骤D22：依照人体关键点预重建坐标进行姿态估计得到姿态估计结果；

步骤D23：依照姿态估计结果对运动员预重建坐标进行修正得到运动员三维重建坐标。

具体地，为实现较为准确的位置生成效果，本实施例中，在得到运动员检测位置后，针对运动员检测位置采用前述的三角成像方法进行位置重建，从而得到运动员预重建坐标。在此基础之上，通过运动员人体关键点分别进行预重建得到人体关键点预重建坐标。由于人体关键点预重建坐标对应于运动员各关节点的位置，因此能够进行姿态估计，得到姿态估计结果。在该过程中，部分错误识别的关键点会被得到修正，从而赋予正确的坐标位置。最后，基于姿态估计结果对运动员预重建坐标进行修正得到运动员三维重建坐标，从而提升三维重建的位置准确度。

在一个实施例中，如图8所示，步骤S3中，针对运动员击球信息的运动员击球分析过程包括：

步骤E31：依照多组运动员三维重建坐标构建运动员坐标序列，依照姿态估计结果自运动员坐标序列中选取对应于击球动作的运动员击球位置坐标；

步骤E32：获取场地参照坐标，依照场地参照坐标和运动员击球位置坐标生成运动员击球位置信息并输出。

具体地，为实现较为准确的分析过程，本实施例中，在获取到多组运动员三维重建坐标后，串联得到运动员坐标序列；同时，依照姿态估计进行分类，容易得到对应于击球的动作，随后依照姿态估计中包含的位置信息进行反向查找容易获得对应于击球动作的击球位置坐标，结合场地参照坐标，比如球台位置、跑动分区等容易生成运动员击球位置信息并输出。

在一个实施例中，如图9所示，于执行步骤E32后还包括：

步骤E33：依照运动员坐标序列生成运动员跑动数据，以及，依照运动员击球位置信息生成击球数据。

具体地，为实现较好的分析效果，本实施例中，在生成了运动员坐标序列，还可对运动员的跑动过程进行统计，包括运动员每个时刻的球桌距离、移动轨迹、跑动距离、击球时间点、击球位置等统计信息。

具体来说，在实现了上述的信息提取过程之后，可得到以下两类信息：乒乓球的运动相关信息和运动员的运动相关信息。

其中，乒乓球的运动相关信息包括：乒乓球的三维运动轨迹、运动过程中的位姿四元数以及转速、转向。

运动员的运动相关信息包括：运动员的三维运动轨迹、对应于运动员的三维运动轨迹的人体关键点。

围绕这些数据，可采用以下方法分别进行呈现：

在转播过程中依照乒乓球的三维运动轨迹通过UnrealEngine引擎渲染对应的乒乓球动画，包括乒乓球的运动轨迹、乒乓球的落点。为实现较好的呈现效果，围绕乒乓球的落点还可解算出球台上不同位置的落点概率分布并生成分区落点概率图，以及，围绕落点生成双方的落点热力图。同时，为实现转速、转向较好的转播效果，在上述提取的乒乓球转速、转向信息，结合MR技术在超高速慢动作回放转播画面中实时呈现MR混合现实的转播效果。

同时，为实现较好的转播效果，在上述提取了运动员的三维运动轨迹和人体关键点后，可以通过骨骼绑定的方式创建运动员建模，并结合MR技术在虚拟场地中构建运动员比赛时的孪生模型，结合渲染得到的乒乓球的三维运动轨迹能够在虚拟场景中呈现比赛。在此基础之上，针对部分击球场景，可调整虚拟摄像机位置，来获取相对于现实机位更为清晰、准确的呈现角度；

以及，在转播过程中，还可通过图文包装系统在电视画面上对数据进行实时呈现，包括球速，连续击拍数等。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (9)

1.一种乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，针对待转播场地，预先设置有多台视觉采集设备，所述视觉采集设备包括围绕所述待转播场地设置的采集相机；

所述基于视觉运动捕捉技术的球类数据转播呈现方法包括：

步骤S1：分别获取所述采集相机输出的单帧图像数据，针对所述单帧图像数据提取得到二维平面图像结构化信息；

所述二维平面图像结构化信息包括多个输出维度的目标检测数据；

所述输出维度包括乒乓球检测位置、乒乓球位姿、运动员检测位置和运动员人体关键点；

步骤S2：依照所述二维平面图像结构化信息分别生成每个所述输出维度上的三维重建坐标；

步骤S3：依照所述三维重建坐标生成三维运动轨迹和统计信息，用于在转播时输出。

2.根据权利要求1所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，所述步骤S1中，采用结构化信息生成模型生成所述二维平面图像结构化信息；

所述结构化信息生成模型包括：

目标检测模型，所述目标检测模型依照所述输出维度分别对所述单帧图像数据中的待检测目标进行检测，得到目标检测框；

所述目标检测框包括所述乒乓球检测位置和所述运动员检测位置；

关键点检测模型，所述关键点检测模型连接所述目标检测模型，所述关键点检测模型依照所述运动员检测位置在所述单帧图像数据中识别得到所述运动员人体关键点；

位姿学习模型，所述位姿学习模型连接所述目标检测模型，所述位姿学习模型依照所述乒乓球检测位置自所述单帧图像数据中识别得到所述乒乓球位姿。

3.根据权利要求2所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，所述步骤S2中，针对所述乒乓球检测位置的乒乓球位置重建方法包括：

步骤A21：针对每一个所述采集相机，于所述单帧图像数据中分别提取得到参照物图像坐标；

所述参照物图像坐标包括预先标定的多个相机位置相对坐标；

步骤A22：获取从每个所述采集相机提取到的所述乒乓球检测位置，依照所述参照物图像坐标生成乒乓球相对于参照物的乒乓球相对图像坐标；

步骤A23：采用所述乒乓球相对图像坐标进行三维重建得到对应于所述乒乓球检测位置的乒乓球三维重建坐标。

4.根据权利要求3所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，所述采集相机包括位于所述待转播场地正上方的俯视相机，所述步骤S3中，针对所述乒乓球位姿的乒乓球位姿解算方法包括：

步骤A31：获取多组所述乒乓球三维重建坐标，以及通过所述俯视相机采集得到的所述乒乓球位姿；

步骤A32：依照所述乒乓球三维重建坐标计算得到乒乓球三维轨迹，以及依照所述乒乓球位姿计算得到乒乓球转速转向信息。

5.根据权利要求4所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，于执行所述步骤A32后还包括：

步骤B33：基于顶视相机图像提取乒乓球位置序列及位姿信息；

步骤B34：依照所述乒乓球位置序列及位姿信息进行比对，计算得出乒乓球转速转向信息。

6.根据权利要求4所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，于执行所述步骤A32后还包括：

步骤C33：依照连续多帧的所述乒乓球位姿进行比对，以确定乒乓球落点时间；

步骤C34：依照所述乒乓球落点时间和所述乒乓球三维重建坐标生成乒乓球落点坐标；

步骤C35：根据所述乒乓球落点坐标生成乒乓球落点热图。

7.根据权利要求1所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，所述步骤S2中，针对所述运动员检测位置和所述运动员人体关键点的运动员分析过程包括：

步骤D21：依照多个所述采集相机输出的所述单帧图像数据对应的所述运动员检测位置进行预重建得到运动员预重建坐标，以及，依照多个所述单帧图像数据对应的所述运动员人体关键点分别进行预重建得到人体关键点预重建坐标；

步骤D22：依照所述人体关键点预重建坐标进行姿态估计得到姿态估计结果；

步骤D23：依照所述姿态估计结果对所述运动员预重建坐标进行修正得到运动员三维重建坐标。

8.根据权利要求7所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，所述步骤S3中，针对运动员击球信息的运动员击球分析过程包括：

步骤E31：依照多组所述运动员三维重建坐标构建运动员坐标序列，依照所述姿态估计结果自所述运动员坐标序列中选取对应于击球动作的运动员击球位置坐标；

步骤E32：获取场地参照坐标，依照所述场地参照坐标和所述运动员击球位置坐标生成击球位置信息并输出。

9.根据权利要求8所述的乒乓球比赛数据采集与可视化技术用于转播的方法，其特征在于，于执行所述步骤E32后还包括：

步骤E33：依照所述运动员坐标序列生成运动员跑动数据，以及，依照所述运动员击球位置信息生成击球数据。