TWI782649B - 羽球殺球測量系統及其方法 - Google Patents

Abstract

本發明係揭露一種羽球殺球測量系統及其方法，適用於一羽球場。其中，羽球殺球測量系統係包含偵測羽球影像並判斷球種，及測量殺球球種的羽球影像之殺球球速，並透過事先人工智慧(AI)學習或收集分類羽球球種資料來取得羽球殺球資料。於進行羽球運動時，利用影像擷取模組擷取羽球影像；資訊處理模組判斷該羽球影像是否為羽球殺球模式，若是，則根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度，經後台紀錄或語音撥放或顯示器即時顯示出羽球殺球速度，以提升觀看者觀看球賽的刺激性與趣味性。

Description

羽球殺球測量系統及其方法

【0001】本發明是有關於一種羽球殺球測量系統及其方法，特別是有關於一種用以偵測羽球影像並判斷球種以及測量殺球球種的羽球影像之殺球速度之羽球殺球測量系統，並利用影像辨識出羽球殺球模式，並計算與顯示羽球殺球速度的技術領域。

按，羽球運動是一個相當普遍的揮拍運動，而一場羽球運動中至少須具備一羽球場地、一球網、二羽球拍、一羽球及至少二球員才可進行揮拍對打，其除了能訓練運動者的反應能力外，對於人體耐力、肌肉、甚至小肌群的訓練均有一定程度的幫助，因此羽球成為一種極為普遍的休閒及運動項目。

此外，目前市售上的羽球大多係由複數根羽毛及軟木為底座之球托所組成，該羽毛長度介於62至70毫米，且各該羽毛之頂端圍成圓形，該球托之直徑介於25至28毫米，整顆羽球的重量係介於4.74至5.5克，且羽球底部為半球體，然而，由於羽球的重量極輕，在羽球賽事中羽球的來回拍數非常快，一次來回拍短則一秒內，長則大約三四秒，且單打或雙打時，球員會在整個場地進行跑位，使得羽球在場地上的起始位置與末端位置無法預測與固定，由於羽球軌跡之變化性甚高，因此不易測量羽球的相關數據；而一般羽球球種(球路)包括有放小球或搓球、勾對角球、挑球、撲球、平推球、平抽球、吊球、高遠球、抽球、殺球等，其中最具代表性的莫過於殺球球種，但在羽球比賽中，賽事講評員一般僅能針對球員姿勢與羽球球種等進行講評，使得羽球賽事相較其他球類的賽事更缺乏了觀看的刺激性。

又，在羽球賽事中，為能提升觀看的刺激性，故目前有許多偵測羽球球速的方式，但是要偵測羽球殺球速度是非常困難的，癥結點在於，羽球賽事中，每一球的起始位置與飛行方向都不固定，就算使用測速槍，也沒有固定的擺放位置與方向進行測速。針對判斷殺球球種的方式，現有業者是在羽球拍安裝陀螺儀功能的感測器，或是透過影像辨識技術來判斷球員的姿勢，取得該次揮拍是否為殺球。但這種判斷方式也只能判斷出球種，無法得知羽球開始高速飛行的位置與時間。因為即使球員有殺球的姿勢，也不代表該次揮拍就會殺中球心或是真的殺球，有時候球員會做殺球的假動作，最後出拍時才瞬間收力輕點，只判斷球員姿勢仍有可能誤判球種。

另外，如上所述，羽球重量極輕，因此羽球在空氣中飛行的速度會急遽減慢，若測量羽球剛出拍的速度和測量羽球快落地或者羽球抵達對手的速度會截然不同，所以測量羽球球速的方式無法像棒球投球或網球發球那般，能在固定位置進行測量；再者，目前市面上雖有測速的特製球拍及特製羽球，但這些特製的結構因增加重量，反而容易改變球員的打擊方式，正也因為實戰時羽球飛行多久會落地或被對手擊回的時間點皆不可知；因此，如何在不改變既有的羽球或羽球拍結構之下又能精確取得羽球殺球資訊並僅顯示殺球球速是亟待解決的問題。

有鑑於上述習知技藝之問題，本發明之主要目的就是提供一種羽球殺球測量系統，其係包含偵測羽球影像並判斷球種，以及測量殺球球種的羽球影像之殺球球速，並利用影像運算方式精準判斷出羽球殺球模式，透過運動軌跡、時間取得殺球速度並即時顯示，能夠有效提升觀看球賽的趣味性與刺激性。

本發明之次一目的在於提供一種無需使用特製的羽球拍或羽球，即可於殺球時即時顯示殺球速度之羽球殺球測量系統。

根據本發明之目的，提出一種羽球殺球測量系統，適用於一羽球場。羽球殺球測量系統至少包括至少一影像擷取模組、一資訊處理模組以及一顯示器。影像擷取模組用以擷取一羽球影像。資訊處理模組訊號連結影像擷取模組與顯示器，資訊處理模組判斷羽球影像是否為羽球殺球模式，若是，則根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度；顯示器用以顯示羽球殺球速度。

依據上述技術特徵，其中該影像擷取模組設置在羽球場的上方位置、側向位置、下方位置的其中之一或是以上之組合，由一羽球的橫向軌跡與縱向軌跡取得該羽球影像。

依據上述技術特徵，其中該資訊處理模組係利用AI推理機取得一羽球殺球模式，由該影像擷取模組來擷取該羽球影像，並透過該資訊處理模組偵測該羽球影像是否為一羽球殺球模式，並根據羽球殺球模式之羽球殺球影像計算出該羽球殺球速度。

依據上述技術特徵，其中該AI推理機是根據羽球影像由高往低處飛行狀態或高速飛行狀態或以上兩者來取得該羽球殺球模式。

根據本發明之目的，提出另一種羽球殺球測量方法，適用於一羽球場，其中，該羽球殺球測量方法包括擷取一羽球影像；判斷該羽球影像是否為一羽球殺球模式，並根據該羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，據以計算出一羽球殺球速度；其中判斷羽球殺球的起始點至該迄點的距離與時間，並計算出羽球殺球速度是由一資訊處理模組所執行。

依據上述技術特徵，該羽球殺球測量方法更包含以下步驟：在計算羽球殺球速度後，透過後台紀錄或語音撥放或螢幕即時顯示其中之一者呈現計算後之羽球殺球速度。

依據上述技術特徵，其中該判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M個影格中的一羽球位置開始計算，該M為正整數。

依據上述技術特徵，其中該判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M+n個影格中的一羽球位置開始計算，該M、n為正整數，該n大於零。

依據上述技術特徵，其中該判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M-1個影格中的一羽球位置開始計算，該M為正整數。

依據上述技術特徵，該迄點為該起始點經過一預設時間後之羽球位置。

依據上述技術特徵，該迄點為該起始點經過一預設距離後之羽球位置。

依據上述技術特徵，其中該判斷羽球殺球的起始點至迄點的距離與時間，並計算出該羽球殺球速度是由一資訊處理模組所執行。

依據上述技術特徵，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機的機器學習演算法為卷積神經網路(CNN)，透過R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN或YOLO的羽球偵測方法，整理好該羽球資料進行訓練後，取得該羽球殺球影像。

依據上述技術特徵，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機是透過羽球資料探勘來分類羽球球種或判斷羽球位置的規則，依該規則撰寫而成。

依據上述技術特徵，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機是混和機器學習演算法與非機器學習演算法取得該羽球殺球影像。

100:羽球殺球測量系統

10:影像擷取模組

20:資訊處理模組

30、30’:顯示器

200:羽球場

201:球網

202:羽球

300:球員

S:起始點

E:迄點

D:距離

S1、S2、S3:步驟

第1圖為本發明的結構方塊圖。

第2圖為本發明應用於羽球場的第一實施例結構示意圖。

第3圖為本發明之第一實施例在羽球賽中未有殺球的示意圖。

第4圖為本發明之第一實施例在羽球賽中有殺球的示意圖。

第5圖為本發明應用於羽球場的第二實施例結構示意圖。

第6圖為本發明之第二實施例在羽球賽中有殺球的示意圖。

第7圖為本發明應用於羽球場的第三實施例結構示意圖。

第8圖為本發明之第三實施例在羽球賽中有殺球的示意圖。

第9圖為本發明的步驟流程圖。

為利 貴審查員瞭解本發明之技術特徵、內容與優點及其所能達成之功效，茲將本發明配合附圖，並以實施例之表達形式詳細說明如下，而其中所使用之圖式，其主旨僅為示意及輔助說明書之用，未必為本 發明實施後之真實比例與精準配置，故不應就所附之圖式的比例與配置關係解讀、侷限本發明於實際實施上的權利範圍，合先敘明。

請同時參閱第1圖與第2圖，為本發明的結構方塊圖；第2圖為本發明應用於羽球場的第一實施例結構示意圖。羽球殺球測量系統100包括至少一影像擷取模組10、一資訊處理模組20以及一顯示器30。資訊處理模組20訊號連結影像擷取模組10與顯示器30。羽球殺球測量系統100應用於羽球場200，羽球場200上設置有一球網201，球網201位於羽球場200的中間位置作為界線，並形成兩個發球區的基準位置。以國際羽球場地標準來說，羽球場200設計為長方形，其所有界線寬度均為40公釐，球網201的高度自場地地面中央量起應為1.524公尺，自雙打邊線的網柱量起應為1.55公尺。影像擷取模組10設置在羽球場200的上方位置、側向位置、下方位置的其中之一或是以上之組合，由一羽球的橫向軌跡與縱向軌跡取得羽球影像。

在本實施例中，影像擷取模組10設置在羽球場200的上方位置為例說明，影像擷取模組10可為深度攝影機或者一般攝影機。其中，上述影像擷取模組10係以一般攝影機測量羽球3D座標，其可由羽球之橫向軌跡或縱向軌跡測得，或者用羽球的大小來判斷羽球的高度；在另一實施例中，影像擷取模組10係以深度攝影機直接測得羽球3D座標。為避免影響羽球202的飛行軌跡，故影像擷取模組10的裝設位置係設置於球網201的上方位置，且其必須遠離球網201，以完整擷取整個羽球場的影像，而顯示器30的數量至少一個或可為多個，且顯示器30的裝設位置必須遠離兩個發球區，例如兩個發球區的後端牆面分別裝設有顯示器30，以提供雙向發球區可觀看比賽中的球員所打出的羽球殺球球速，容後詳述。

影像擷取模組10用以擷取至少一羽球影像，進一步影像擷取模組10亦可擷取羽球場影像或羽球飛行影像等其中之一者，但不以此為限；在本發 明一實施例中，影像擷取模組10用以擷取複數個羽球影像，並判斷各該羽球影像是否為一羽球殺球模式，舉例來說，AI推理機是根據羽球影像的移動位置或由高往低處飛行狀態或高速飛行狀態或以上兩者來取得羽球殺球模式，在本發明一實施例中，進一步地羽球殺球模式係由高速飛行狀態取得，該羽球殺球模式之羽球殺球影像係為單一影格或者連續影格來判斷是否為高速飛行狀態，而資訊處理模組20根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度。此外，在本發明另一實施例中，羽球殺球模式係由由高往低處飛行狀態取得，該羽球殺球模式之羽球殺球影像係為不同位置裝設多個攝影機來得知3D座標，或者係由深度攝影機來得知3D座標，或者係根據羽球大小來得知3D座標來判斷是否為由高往低處飛行狀態，而資訊處理模組20根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度。又，在本發明一較佳實施例中，該羽球殺球模式係由高速飛行狀態及由高往低處飛行狀態取得，並透過資訊處理模組20根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度。顯示器30用以顯示羽球殺球速度。其中，資訊處理模組20係利用AI推理機取得一羽球殺球模式，由影像擷取模組10來擷取羽球影像，並根據羽球殺球模式之羽球殺球影像計算出羽球殺球速度，舉例來說，AI推理機是根據羽球影像的移動位置或由高往低處飛行狀態或高速飛行狀態或以上兩者來取得羽球殺球模式。換言之，由高往低處飛行狀態之判斷方式有三種，其一係由不同位置裝設多個攝影機來得知3D座標，其二係由深度攝影機來得知3D座標，或者，係根據羽球大小來得知3D座標。此外，高速飛行狀態之判斷方式有兩種，其中一種係以單一影格觀看羽球的形狀，另一種則是採用連續影格之方式觀看羽球的移動位置來得知速度。

進一步說明AI推理機的應用，當影像擷取模組10設置在羽球場200的上方位置，需要先收集大量的羽球影像，在羽球影像中再分類出羽球被球拍擊中後高速飛行的影像或者由高往低處飛行狀或以上兩者來取得羽球殺球模式。從羽球殺球模式之羽球殺球影像中標示出羽球影格位置，將分類與標示完成的羽球殺球模式透過AI方式來得到羽球影像偵測的AI推理機。其中，AI推理機分為三種：第一種，AI推理機的機器學習演算法為卷積神經網路(CNN)，可透過如R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN、YOLO等羽球影像偵測方法，將整理好的羽球資料進行機器學習訓練後，取得羽球殺球模式，如羽球及其位置。第二種，AI推理機是透過羽球資料探勘來分類羽球球種或判斷羽球位置的規則，依該規則撰寫而成，這是屬於非機器學習的方法。第三種，AI推理機是混和機器學習演算法與非機器學習演算法取得羽球殺球模式；舉例來說，羽球位置的判斷方式是使用機器學習方式，而分類羽球球種是使用非機器學習的方法。上述不論是使用何種AI推理機，都能夠判斷影像擷取模組10所擷取的羽球影像中的羽球位置與是否為殺球時高速飛行形狀或由高往低處飛行狀態的分類。

承接上段，一般羽球球種(球路)包括有放小球或搓球、勾對角球、挑球、撲球、平推球、平抽球、吊球、高遠球、抽球、殺球等。本發明主要是針對殺球球種的分類與分析，如何判斷羽球球種為羽球殺球，分為AI推理機取得羽球殺球模式，該羽球殺球模式可分為當羽球為殺球時高速飛行形狀的分類，根據羽球飛行軌跡高度來判斷羽球為由上往下飛(即由高往低處飛)，即為殺球。另一種是AI推理機取得羽球殺球模式，該羽球殺球模式之高速飛行狀態，該羽球殺球影像係為單一影格或連續影格其中之一；在本發明一實施例中，該羽球殺球影像為連續影格並取得羽球的起始點及迄點之位置，再根據羽球在不同影格的位置來判斷速度。在本發明一較佳實施例中，AI推理機係根據羽球影 像由高往低處飛行狀態以及高速飛行狀態來取得羽球殺球模式。請同時配合第3圖，為本發明之第一實施例在羽球賽中未有殺球的示意圖。球員300在球賽中，打羽球202過程中，當AI推理機判斷羽球202的球種不是殺球，則不會計算羽球球速。

再如第4圖，為本發明之第一實施例在羽球賽中有殺球的示意圖。當殺球情況發生時，資訊處理模組20根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點S至迄點E的距離D與時間，並計算出一羽球殺球速度。詳細來說，羽球殺球的起始點S判斷位置有三種方式：起始點S為擷取羽球殺球影像的第M個或第M+n個或第M-1個影格中的一羽球202位置開始計算，M、n為正整數，n大於零；其中第一種方式，起始點S為擷取羽球殺球影像的第M個影格中的一羽球202位置開始計算，M為正整數，迄點E為羽球202由起始點S開始經過一預設時間或一預設距離後之羽球位置。再由顯示器30即時顯示羽球殺球速度。第二種方式，起始點S為擷取羽球殺球影像的第M+n個影格中的一羽球202位置開始計算，M、n為正整數，n大於零，迄點E為羽球202由起始點S開始經過一預設時間或一預設距離後之羽球位置。第三種方式，起始點S為擷取羽球202殺球影像的第M-1個影格中的一羽球202位置開始計算，M為正整數，迄點E為羽球202由起始點S開始經過一預設時間或一預設距離後之羽球位置。上述三種方式，能根據起始點S至迄點E的距離D除以時間來得到速度，即可算出羽球殺球速度。使用者可根據實際應用的需求而設定所需要的起始點S判斷位置方式。在本發明一實施例中，該預設時間係低於200ms，不以此為限，其可由打者自行設定以測量相對之羽球殺球速度。在本發明一較佳實施例中，上述的影格距離並非實際距離，因此須將影格換算成真實距離取得3D座標，而取得3D座標的方式有三種，其一係由不同位置裝設多個攝影機來得知3D座標，其二係由深度攝影機 來得知3D座標，或者，係根據羽球大小來得知3D座標，並統一除以時間來測得羽球殺球球速。

此外，迄點為羽球由起始點開始經過一預設時間或一預設距離後之羽球位置。在上述其一實施例中，資訊處理模組根據羽球殺球影像來判斷羽球殺球時羽球由起始點至迄點經過一預設時間內測得距離，並以距離除以時間來得到速度，進而計算出一羽球殺球速度；在上述另一實施中，影像擷取模組用以擷取複數個羽球影像，並判斷各該羽球影像是否為一羽球殺球模式，當殺球情況發生時，資訊處理模組根據羽球殺球影像之一預設距離來判斷羽球殺球時，羽球由起始點至迄點的該預設距離內測得時間，並以距離除以時間來得到速度，進而計算出一羽球殺球速度。進一步來說，迄點以一預設距離來測得時間之方式，主要係透過羽球殺球模式中之羽球殺球影像內連續影格之位置來測得時間，該羽球殺球影像係為連續影格，且設定一預設距離後，即可判斷預設距離內共經過多少影格，再換算攝影機影格對應的時間，即可根據羽球在不同影格的位置來判斷時間、速度。其中，影格的測量單位為「每秒顯示影格數」(frame per second，FPS)或「赫茲」，一般來說FPS係用於描述影片、電子繪圖或遊戲每秒播放多少影格。例如：若是100FPS的攝影機，則每個影格換算的時間為10ms；若是1000FPS的攝影機，每個影格就是1ms，藉此透過計算攝影機係經過多少影格來換算得到時間，再以預設距離除以時間計算出羽球殺球速度。綜上，使用者可根據實際應用的需求而設定所需要的迄點位置方式來取得羽球殺球速度。

其中，羽球殺球測量系統100更可包括用來顯示整個羽球場200的顯示器30’，例如大尺寸的螢幕，提供觀眾可以透過顯示器30’清楚地觀看整個賽程。

請參閱第5圖，為本發明應用於羽球場的第二實施例結構示意圖，第二實施例與第一實施例具有相同的元件與相同的標號，且相同的部份不再贅述，在此僅說明差異之處。影像擷取模組10設置在羽球場200中的球網201下方位置。資訊處理模組20係利用AI推理機取得羽球殺球模式，AI推理機配合影像擷取模組10裝設在下方位置的應用，需要先收集大量由下往上擷取的羽球殺球影像，在羽球殺球影像中再分類出羽球被球拍擊中後高速飛行的影像或由高往低處飛行狀態。從羽球殺球影像中標示出羽球影格位置，將分類與標示完成的羽球殺球影像透過AI方式來得到羽球影像偵測的AI推理機。由於影像擷取模組10裝設的位置不同，所擷取到羽球殺球影像角度也不同，所以AI推理機的資料不能混用。但是AI推理機的應用機制是相同，都是根據羽球影像的移動位置或由高往低處飛行狀態或高速飛行狀態或以上兩者來取得羽球殺球模式。

請同時配合第1圖與第6圖，第6圖為本發明之第二實施例在羽球賽中有殺球的示意圖。當殺球情況發生時，資訊處理模組20根據羽球殺球影像來判斷羽球殺球的起始點S至迄點E的距離D與時間，並計算出羽球殺球速度，並透過顯示器30顯示羽球殺球速度，如羽球殺球速度為235km。

請參閱第7圖，為本發明應用於羽球場的第三實施例結構示意圖。第三實施例與第一實施例具有相同的元件與相同的標號，且相同的部份不再贅述，在此僅說明差異之處。影像擷取模組10設置在羽球場200的側向位置。資訊處理模組20係利用AI推理機取得羽球殺球模式，AI推理機配合影像擷取模組10裝設在側向位置的應用，需要先收集大量由左往右或是由右往左擷取的羽球殺球影像，在羽球殺球影像中再分類出羽球被球拍擊中後高速飛行的影像。從羽球殺球影像中標示出羽球影格位置，將分類與標示完成的羽球殺球影像透過AI方式來得到羽球影像偵測的AI推理機。請同時配合第8圖，為本發明之第三實施例在羽球賽中有殺球的示意圖。當殺球情況發生時，資訊處理模組20根據 羽球殺球影像來判斷羽球殺球的起始點S至迄點E的距離D與時間，並計算出羽球殺球速度，並透過顯示器30顯示羽球殺球速度，如羽球殺球速度為235km。

上述每一個AI推理機都是配合影像擷取模組10所裝設的位置與所收集的羽球資訊作為後續的羽球殺球模式判斷基準，當然本發明的影像擷取模組10也可以使用多個，並分別設置在羽球場200的上方位置、側向位置、下方位置以上之組合，由一羽球202的橫向軌跡與縱向軌跡取得羽球影像。理論上，使用多個影像擷取模組10作為擷取不同角度的羽球影像，多個AI推理機的計算結果是由資訊處理模組20進行分析，可選用其中一個AI推理機的計算結果，或是取得平均精確值後再計算出羽球殺球速度。此種多影像擷取模組10與AI推理機的組合應用，可根據實際應用需求而做調整，本發明在此不加以侷限。

請同時參閱第1圖與第9圖，第9圖為本發明的步驟流程圖。如步驟S1，擷取一羽球影像；步驟S2，根據羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，據以計算出一羽球殺球速度。其中，羽球殺球的起始點S判斷位置有三種方式：第一種方式，起始點為擷取羽球殺球影像的第M個影格中的一羽球位置開始計算。第二種方式，起始點為擷取羽球殺球影像的第M+n個影格中的一羽球位置開始計算。第三種方式，起始點為擷取羽球殺球影像的第M-1個影格中的一羽球位置開始計算。上述三種方式，M、n為正整數，n大於零，迄點為羽球由起始點開始經過一預設時間後之羽球位置，資訊處理模組20能根據起始點至迄點的距離除以時間來得到速度，一般測量球速的預設時間是低於200ms，即可算出羽球殺球速度。最後如步驟S3，顯示羽球殺球速度。

綜觀上述，可見本發明在突破先前之技術下，對羽球殺球測量系統與方法上的創新改良，讓羽球殺球測量系統可以重點挑出羽球殺球的球種，並且只顯示羽球殺球的球速，如此可讓觀看者真正觀看羽球賽時得到更刺激具 可看性，確實已達到所欲增進之功效，且也非熟悉該項技藝者所易於思及，再者，本發明申請前未曾公開，且其所具之進步性、實用性，顯已符合專利之申請要件，爰依法提出專利申請，懇請 貴局核准本件發明專利申請案，以勵發明，至感德便。

以上所述之實施例僅係為說明本發明之技術思想及特點，其目的在使熟習此項技藝之人士能夠瞭解本發明之內容並據以實施，當不能以之限定本發明之專利範圍，即大凡依本發明所揭示之精神所作之均等變化或修飾，仍應涵蓋在本發明之專利範圍內。

100:羽球殺球測量系統

10:影像擷取模組

20:資訊處理模組

30:顯示器

Claims (14)

1. 一種羽球殺球測量系統，適用於一羽球場，該羽球殺球測量系統(100)至少包括：至少一影像擷取模組(10)，用以擷取複數個羽球影像；一資訊處理模組(20)，訊號連結該影像擷取模組(10)，並判斷各該羽球影像是否為一羽球殺球模式，若是，則根據該羽球殺球模式來判斷羽球殺球的起始點至迄點的距離與時間，並計算出一羽球殺球速度；以及一顯示器(30)，訊號連結該資訊處理模組(20)，該顯示器(30)用以顯示該羽球殺球速度；其中，根據該羽球影像中由一高速飛行狀態來取得該羽球殺球模式，該高速飛行狀態之判斷方式係以單一影格的羽球的形狀。
2. 如請求項1所述之羽球殺球測量系統，其中該影像擷取模組(10)設置在該羽球場的上方位置、側向位置、下方位置的其中之一或是以上之組合，由一羽球的橫向軌跡與縱向軌跡取得該羽球影像。
3. 如請求項1所述之羽球殺球測量系統，其中該資訊處理模組(20)係利用人工智慧(AI)推理機取得該羽球殺球模式，由該影像擷取模組(10)來擷取該羽球影像，並由該資訊處理模組(20)判斷該羽球影像是否為該羽球殺球模式，並根據該羽球殺球模式之羽球殺球影像計算出該羽球殺球速度。
4. 如請求項3所述之羽球殺球測量系統，其中該AI推理機是根據該羽球影像中由該高速飛行狀態來取得該羽球殺球模式。
5. 一種羽球殺球測量方法，適用於一羽球場，該羽球殺球測量方法至少包括：擷取一羽球影像； 判斷該羽球影像是否為一羽球殺球模式，並根據該羽球殺球模式之羽球殺球影像來判斷羽球殺球的起始點至迄點的距離與時間，據以計算出一羽球殺球速度；其中，根據該羽球影像中由一高速飛行狀態來取得該羽球殺球模式，該高速飛行狀態之判斷方式係以單一影格的羽球的形狀；且，該判斷羽球殺球的起始點至迄點的距離與時間，並計算出該羽球殺球速度是由一資訊處理模組所執行。
6. 如請求項5所述之羽球殺球測量方法，更包含以下步驟：在計算該羽球殺球速度後，透過後台紀錄或語音撥放或螢幕即時顯示其中之一者呈現計算後之該羽球殺球速度。
7. 如請求項5或6所述之羽球殺球測量方法，其中判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M個影格中的一羽球位置開始計算，該M為正整數。
8. 如請求項5或6所述之羽球殺球測量方法，其中該判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M+n個影格中的一羽球位置開始計算，該M、n為正整數，該n大於零。
9. 如請求項5或6所述之羽球殺球測量方法，其中該判斷該羽球殺球的起始點至迄點的距離的步驟中，該起始點的判斷位置為擷取該羽球殺球影像的第M-1個影格中的一羽球位置開始計算，該M為正整數。
10. 如請求項5或6所述之羽球殺球測量方法，該迄點為該起始點經過一預設時間後之羽球位置。
11. 如請求項5或6所述之羽球殺球測量方法，該迄點為該起始點經過一預設距離後之羽球位置。
12. 如請求項5或6所述之羽球殺球測量方法，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機的機器學習演算 法為卷積神經網路(CNN)，透過羽球偵測方法，將整理好的羽球資料進行機器學習訓練後，取得該羽球殺球影像。
13. 如請求項5或6所述之羽球殺球測量方法，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機是透過羽球資料探勘來分類羽球球種或判斷羽球位置的規則，依該規則撰寫而成。
14. 如請求項5或6所述之羽球殺球測量方法，其中該羽球場中的一羽球是透過一AI推理機判斷為該羽球殺球模式，該AI推理機是混和機器學習演算法與非機器學習演算法取得該羽球殺球影像。

Images