TWI791307B - 籃球運動偵測分析方法 - Google Patents

Abstract

一種籃球運動偵測分析方法包含提供動態影像、提供標準球場圖像、校正球場形狀、偵測物件位置、分析投籃行為與生成統計數據等步驟。偵測動態影像中的多個物件，並分別取得每個物件的位置資訊。當所述物件的位置資訊符合一進球演算法時，則判定投籃行為之結果為進球，反之則為不進。所述進球演算法包括第一演算條件與第二演算條件，所述第一演算條件包括籃球與籃網重疊時的影像處理之結果需符合一目標值，所述第二演算條件包括籃球與籃網重疊的時間需大於一停留值。最後，統計每次出手位置與其對應的投籃行為之結果。

Description

籃球運動偵測分析方法

本發明是有關於一種運動偵測分析方法，特別是指一種應用於動態影像的籃球運動偵測分析方法。

不管是出於娛樂目的或是以比賽取勝為導向，籃球運動員通常希望透過偵測及分析其自身投籃統計數據，藉此了解自己的射程距離，並有效針對投籃命中率低的區域進行強化訓練，除此之外，在籃球賽事的實況分析中，往往也需透過即時統計分析系統來快速提供球員的攻守數據，因此，已經有相關籃球偵測分析設備被開發應用於此類監控，然而，現有籃球偵測分析設備，通常需要在籃球場上安裝多個高清攝像鏡頭，從不同視角取得多個攝像影像，再透過強大運算能力的電子設備來分析多個攝像影像中的視覺數據，也就是說，現有籃球偵測分析設備不僅硬體端結構複雜、價格昂貴之外，軟體端也需耗費大量運算資源。

再者，現有籃球偵測分析設備，其事前校準作業流程較為繁瑣且不易，倘若沒有正確校正，所偵測到的投籃行為往 往伴隨明顯誤差，進而造成錯誤的統計數據。目前還有一種籃球偵測分析設備是在籃板上安裝感測器來檢測是否發生投籃行為，由於籃球在籃框上彈跳可能會產生錯誤信號，進而也無法獲得可靠的統計數據，此外，若當籃球未擊中籃框、籃網、籃板或籃球球門系統中的任何部分，則可能還發生無法檢測到投籃行為的情況。

因此，本發明之目的，即在提供一種不僅統計數據可靠精確之外，校準作業流程也簡單快速的籃球運動偵測分析方法。

於是，本發明籃球運動偵測分析方法包含提供動態影像、提供標準球場圖像、校正球場形狀、偵測物件位置、分析投籃行為與生成統計數據等步驟。

在提供動態影像的步驟中，動態影像包括影像座標。在提供標準球場圖像的步驟中，標準球場圖像包括圖像座標。

在校正球場形狀的步驟中，在停格的動態影像中選取球場的四端點，通過所述四端點分別對應於標準球場圖像中的四頂角，來建立影像座標轉換至圖像座標的映射關係。

在偵測物件位置的步驟中，偵測動態影像中的多個物件並分別取得每個物件的位置資訊，所述物件包括球員、籃球、籃板，及籃網。

在分析投籃行為的步驟中，當所述物件的位置資訊符合一進球演算法時，則判定投籃行為之結果為進球，反之則為不進，所述進球演算法包括第一演算條件與第二演算條件。所述第一演算條件包括籃球與籃網重疊時的影像處理之結果需符合一目標值，所述第二演算條件包括籃球與籃網重疊的時間需大於一停留值。

在生成統計數據的步驟中，統計每次出手位置與其對應的投籃行為之結果，出手位置以執行所述進球演算法的時間點為基準，將動態影像往前回溯一預設時間後，設定此時球員所在位置為出手位置。

現將經由對說明性實施例、隨附圖式及申請專利範圍之以下詳細描述的評述，使本創作之此等以及其他組件、步驟、特徵、效益及優勢變得明朗。

S101:提供標準球場圖像

S102:提供動態影像

S103:校正球場形狀

S104:偵測物件位置

S105:辨識運動行為

S106:生成統計數據

P11:球員定界框

P12:球員定界框

B11:籃球定界框

N11:籃板定界框

N12:籃網定界框

N12’:比較框

本發明之其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中：

圖1是本發明籃球運動偵測分析方法的一流程圖；

圖2是本發明籃球運動偵測分析方法中的提供動態影像的一示意圖，說明停格中的動態影像；

圖3是本發明籃球運動偵測分析方法中的標準球場圖像的一示意圖；

圖4是本發明籃球運動偵測分析方法中的辨識運動行為的一流程圖；

圖5是本發明籃球運動偵測分析方法的分析投籃行為的一示意圖；及

圖6是本發明籃球運動偵測分析方法的顯示投籃熱區的一示意圖。

在本發明被詳細描述之前，應當注意在以下的說明內容中，類似的元件是以相同的編號來表示，此外圖式中元件的形狀、尺寸、厚度、以及角度等相關參數並未依照比例繪製，其簡化用意僅為方便清楚說明。

參閱圖1、2、3，本發明籃球運動偵測分析方法適用於電子裝置，電子裝置舉例來說可以是具有運算功能的主機，如筆記型電腦、智慧型手機或是桌上型電腦等等，本發明籃球運動偵測分析方法至少包含下列步驟S101~步驟S106：

步驟S101、提供標準球場圖像，如圖3：在標準球場圖像建立二維參數的圖像座標。標準球場圖像中的球場規格可參照國際籃球總會(International Basketball Federation，簡稱FIBA)的規範而等比例繪製，或是根據現場真實球場的尺寸規格而等比例繪製。

步驟S102、提供動態影像：動態影像來源可以是事先已錄製好的影片檔，或是在球賽現場架設攝影機，以即時串流(Real Time Streaming)方式傳送至具有運算功能的主機後，再執行後續步驟。動態影像的影像座標之取得，為本領域中具有通常知識者在參考攝影測量法(Photogrammetry)相關文獻後，便能理解而得到各種三度空間和攝影機影像兩者間的座標轉換關係，亦即，只要能在動態影像中得到影像座標參數，其取得方式不需特別為限。

步驟S103、校正球場形狀：在停格的動態影像中選取球場的四端點(如圖2中的實心三角符號所示)，通過所述四端點分別對應於標準球場圖像中的四頂角，來建立影像座標轉換至圖像座標的映射關係。在本實施例中，所述映射關係之建立，舉例來說可以是採透視變換(Perspective transformation)，藉此使動態影像中歪斜的球場能被校正為方正的標準球場。本實施例中，是以校正球場左半場為例，若再以同樣手法校正球場右半 場，並將校正後的左半場與右半場合併在一起，即能完成全場的校正。補充說明，倘若攝影機的拍攝角度恰可將整個球場攝入，則在停格的動態影像中，可直接選取全場的四個端點，並將所選取全場的四個端點分別對應到標準球場圖像中的全場四角落，如此，一樣能完成籃球場全場的校正作業。

在一些實施例中，動態影像中的球場可能並非都是邊界分明，更可能是不具有界線而只有籃框的場地，已知目前FIBA所規範的球場尺寸為長度28公尺，寬度15公尺，且籃框是位於寬度的一半之處，而半場長度為14公尺，通過上述資訊，便能以籃框為參考點而決定出球場半場的範圍，而進一步在實際空間中以記號標示出球場半場的四端角，接著，在停格的動態影像中選取以記號標示的四端角，並將其對應於標準球場圖像中的四頂角，以建立影像座標轉換至圖像座標的映射關係，如此，一樣能完成校正球場形狀步驟。由上可知，本發明在不具有界線的運動場地，或是運動場地屬於線條混雜的多功能球場，皆能藉由只選取影像中的四點來完成球場校正作業，故可避免在動態影像中，以線條選取方式來校正球場，卻發生選取不到正確線條或是無線條可選取的情形。本發明毋須考量真實球場是否具有清晰可見的三分球線距、罰球線距或是其他邊界線等因子，即能確實可靠地完成球場校正步驟，且所完成的校正準確度也較佳。

步驟S104、偵測物件位置：本發明可以透過深度學習(Deep Learning)來偵測動態影像中的多個物件，並分別取得每個物件的位置資訊，所述物件包括球員、籃球、籃板，及籃網。所述物件的位置資訊包括球員定界框(bounding box)、籃球定界框、籃板定界框，與籃網定界框，如圖2所示，其中，標號N11表示籃板定界框，標號N12表示籃網定界框，標號B11表示籃球定界框，標號P11表示球員定界框，標號P12表示另個球員定界框。在一些實施例中，定界框可以根據不同物件的形狀設定成最小周長的形態。在本實施例中，球員定界框、籃球定界框與籃網定界框的形狀均呈對稱狀，球員雙腳的中點位於球員定界框上，並定義此中點為球員所在位置，在動態影像中球員所在位置的影像座標，可以根據步驟S103中所建立的映射關係，而投影轉換至標準球場圖像中球員所在位置的圖像座標。透過將含有三維資訊的影像座標降階轉換至二維的圖像座標，可以降低運算及儲存時所需耗費的資源，提升本發明在硬體端執行時的穩定度。

參閱圖1、4、5，步驟S105、辨識運動行為：當所述物件的位置資訊符合一第一判斷條件時，則將運動行為判斷為投籃行為，所述第一判斷條件為籃球定界框的部分運動軌跡需投影至籃板定界框，由於投籃行為中的籃球，其運動路徑一定是往前並向上進行拋體運動(Projectile Motion)後，再由籃框上方進入 到籃網中，所以在往籃板方向看過去的視角，只要是投籃行為一定會發生籃球運動路徑投影至籃板的情形。利用所述第一判斷條件來辨識運動行為是否為投籃行為，在單人練習投籃的模式中已有足夠準確度，然而在多人模式中，例如：位於中場附近的球員以高吊球(Lob Pass)方式將籃球傳給禁區的球員，此時，動態影像中的物件位置資訊仍符合第一判斷條件，但並非為投籃行為，因此為了避免此缺失，較佳地，當所述物件的位置資訊還符合一第二判斷條件時，則運動行為才確實為投籃行為，所述第二判斷條件為籃球定界框往籃板定界框方向移動的時間需小於一傳球時間值，在本實施例中，所述傳球時間值是1秒以上的任意值，例如是1秒。當所述物件的位置資訊，雖符合所述第一判斷條件，卻不符合所述第二判斷條件時，則運動行為判斷為傳球行為。

在本實施例中，一旦當運動行為判斷為投籃行為時，則開始進行分析投籃行為步驟，在一些實施例中，為提高分析準確度，可根據一縮小比例將籃網定界框縮小成一比較框，所述縮小比例範圍介於70%至85%，例如是80%，也就是籃網定界框乘以80%後，即是比較框的大小，如圖5所示，其中，標號N11表示籃板定界框，標號N12表示籃網定界框，標號N12’表示比較框，標號B11表示籃球定界框。

在分析投籃行為步驟中，當所述物件的位置資訊符合一進球演算法時，則判定投籃行為之結果為進球，反之則為不進，所述進球演算法包括第一演算條件與第二演算條件。

第一演算條件是籃球與籃網重疊時的影像處理之結果需符合一目標值，第一演算條件中的影像處理包括二值化(binarization)處理與形態學(morphology)處理等技術。詳細而言，在二值化處理步驟中，定義籃球定界框所圍的籃球影像為黑色，比較框所圍的籃網影像為白色，且令在影像中的物件亮度高於一閥值(Threshold)時，則令其為亮點(白色像素)，而物件亮度低於所數閥值，則令其為暗點(黑色像素)，在本實施例中，所述閥值為80。接著再透過形態學中兩個基本操作：侵蝕(Erosion)與膨脹(Dilation)處理後，比較籃球界定框所圍的黑色像素數量在比較框所圍像素總數中的比例是否符合所述目標值，所述目標值範圍界於0.08至0.09之間，值得一提，在一些實施例中，若是取景現場有場地燈光偏差過大問題時，本發明還可對所述目標值參數之設定另執行動態調整步驟，透過先對有場地燈光偏差問題的影像辨識做偵測，然後再進一步生成適用於該場地燈光偏差條件下的目標值參數。由於當籃球位於籃網中時，對影像辨識而言，較難正確辨識出籃球，通常只能辨識出籃網，而當籃球局部顯露於籃網底部時，對影像辨識而言，便能無誤地同時辨識到籃 球與籃網，為了排除過多的籃球部位顯露出於籃網底部，而造成籃球與籃網的重疊面積過小，在本實施例中，所述目標值可設定成大於8.5%。

第二演算條件是籃球與籃網重疊的時間需大於一停留值。這是為了排除影像雖重疊，但其實籃球是位於籃網外的情形，由於籃球進入籃網後，原本的籃球球速將會因為碰觸到籃網而變慢，故能藉由籃球與籃網的重疊時間，來判斷投籃行為是否是進球。在本實施例中，所述停留值可以是藉由偵測某次在籃網外，籃球經過籃網所需的時間而得到，或是更細微的是以籃球進入籃網的採樣畫面數目來設定所述停留值，在一些實施例中，一個採樣畫面大概是1/30秒，因此在一連串的籃球進入籃網的畫面中，至少需要有兩個前後畫面都有偵測到籃球定界框與籃網定界框重疊，也就是所述停留值為至少兩個採樣畫面數目。

在一些實施例中，所述進球演算法還包括第三演算條件，第三演算條件包括籃球定界框需位於比較框內部。較佳地，第三演算條件還包括籃球定界框的對稱中心的影像座標需是重疊於籃網定界框的對稱中心的影像座標。

參閱圖1、6，步驟S106、生成統計數據：統計球員每次出手位置與其對應的投籃行為之結果，出手位置以執行所述進球演算法的時間點為基準，將動態影像往前回溯一預設時間後， 設定此時球員所在位置為出手位置，所述預設時間範圍介於0.45秒至1秒之間，在本實施例中，所述預設時間為0.5秒。較佳地，在生成統計數據步驟中，還包括顯示投籃熱區數據，當投籃行為是進球時，則在標準球場圖像上根據進球的出手位置標示第一符號(如圖6中的圓圈符號)，當投籃行為是沒進球時，則在標準球場圖像上根據沒進球的出手位置標示為第二符號(如圖6中的X符號)，第一符號不同於第二符號。

經由以上的說明，可再將本發明籃球運動偵測分析方法的優點歸納如下：

一、本發明在使用上，只需在影像中對球場的四端點進行點選，便可輕鬆快速，完成校正球場形狀的步驟。此外，本發明對於界線難以辨識，甚至是無球線的運動場地也同樣適用。

二、本發明只有當運動行為被判斷為投籃行為時，才會開始進行分析投籃行為之步驟，而且對應於投籃行為的出手位置，只是藉由回溯一預設時間而得到，相較於一些偵測分析方法是以時序(Time Series)性網路偵測球員動作、追蹤記錄籃球運動軌跡或球員位置資訊而言，本發明所需耗費的運算與儲存資源較少。

三、本發明在即時串流的模式中只需透過一台攝影機，將影像傳輸至有運算功能的主機後，便能對球員的籃球運動行為進行偵測分析，相較於習知技術需使用多個攝像鏡頭而言，本發明更能節省硬體端的成本。

四、本發明的進球演算法簡潔可靠，能提升投籃行為之結果的分析正確度。

綜上所述，本發明籃球運動偵測分析方法，不僅能得到可靠統計數據之外，還能通用於容易取得的電子設備如智慧型手機或筆記型電腦等，而且校正步驟簡單快速，確實能達成本發明之目的。

本創作所揭露之技術內容並不限於上述之實施例，凡是與本創作所揭露之創作概念及原則相同者，皆落入本創作之申請專利範圍。需注意的是，元件的定義，例如“第一”和“第二”並不是限定之文字，而是區別性的用語。而本案所用之“包括”或“包含”涵蓋“包括”和“具有”的概念，並表示元件、操作步驟及/或組或上述的組合，並不代表排除或增加的意思。又，除非有特別說明，否則操作之步驟順序並不代表絕對順序。更，除非有特別說明，否則以單數形式提及元件時(例如使用冠詞“一”或“一個”)並不代表“一個且只有一個”而是“一個或多個”。本案所使用的“及/或”是指“及”或“或”，以及 “及”和“或”。本案所使用的範圍相關用語係包含全部及/或範圍限定，例如“至少”、“大於”、“小於”、“不超過”等，是指範圍的上限或下限。

惟以上所述者，僅為本發明之實施例而已，當不能以此限定本發明實施之範圍，凡是依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

S101:提供標準球場圖像

S102:提供動態影像

S103:校正球場形狀

S104:偵測物件位置

S105:辨識運動行為

S106:生成統計數據

Claims (8)

1. 一種籃球運動偵測分析方法，適用於電子裝置，所述籃球運動偵測分析方法包含：提供動態影像，動態影像包括影像座標；提供標準球場圖像，標準球場圖像包括圖像座標；校正球場形狀，在停格的動態影像中選取球場的四端點，通過所述四端點分別對應於標準球場圖像中的四頂角，來建立影像座標轉換至圖像座標的映射關係；偵測物件位置，偵測動態影像中的多個物件並分別取得每個物件的位置資訊，所述物件包括球員、籃球、籃板，及籃網，所述物件的位置資訊包括籃球定界框與籃網定界框；分析投籃行為，當所述物件的位置資訊符合一進球演算法時，則判定投籃行為之結果為進球，反之則為不進，所述進球演算法包括第一演算條件，籃球與籃網重疊時的影像處理之結果需符合一目標值，其中，所述影像處理包括二值化處理與形態學處理，其中，根據一縮小比例將籃網定界框縮小成一比較框，在二值化處理步驟中，定義籃球定界框所圍的籃球影像為黑色，比較框所圍的籃網影像為白色，經過形態學處理後，比較籃球界定框所圍的黑色像素數量在比較框所圍像素總數中的比例是否符合所述目標值，所述目標值範圍界於0.08至0.09之間，以及第二演算條件，籃球與籃網重疊的時間需大於一停留值，當所述第一演算條件及所述第二演算條件均成立時，判定為符合進球演算法；及 生成統計數據，統計每次出手位置與其對應的投籃行為之結果，出手位置以執行所述進球演算法的時間點為基準，將動態影像往前回溯一預設時間後，設定此時球員所在位置為出手位置。
2. 如請求項1所述的籃球運動偵測分析方法，還包含辨識運動行為步驟，在偵測物件位置步驟中，所述物件的位置資訊還包括籃板定界框，當所述物件的位置資訊符合一第一判斷條件時，則運動行為判斷為投籃行為，所述第一判斷條件為籃球定界框的部分運動軌跡需投影至籃板定界框。
3. 如請求項2所述的籃球運動偵測分析方法，其中，在辨識運動行為步驟中，當所述物件的位置資訊符合一第二判斷條件時，則運動行為判斷為投籃行為，當所述物件的位置資訊不符合所述第二判斷條件時，則運動行為改判斷為傳球行為，所述第二判斷條件為籃球定界框往籃板定界框方向移動的時間需小於一傳球時間值。
4. 如請求項1所述的籃球運動偵測分析方法，其中，在偵測物件位置步驟中，所述物件的位置資訊包括球員定界框，球員定界框呈對稱狀，球員雙腳的中點位於球員定界框上，並定義此中點為球員所在位置。
5. 如請求項1所述的籃球運動偵測分析方法，其中，所述進球演算法還包括第三演算條件，第三演算條件包括籃球定界框需位於比較框內部，且當所述第一演算條件、所述第二演算條件及所述第三演算條件均成立時，判定為符合進球演算法。
6. 如請求項5所述的籃球運動偵測分析方法，其中，在偵測物件位置步驟中，籃球定界框與籃網定界框的形狀均為對稱狀，在分析投籃行為步驟中，第三演算條件還包括籃球定界框的對稱中心的影像座標需是重疊於籃網定界框的對稱中心的影像座標。
7. 如請求項1所述的籃球運動偵測分析方法，其中，在生成統計數據步驟中，還包括顯示投籃熱區數據，當投籃行為是進球時，則在標準球場圖像上根據進球的出手位置標示第一符號，當投籃行為是沒進球時，則在標準球場圖像上根據沒進球的出手位置標示為第二符號，第一符號不同於第二符號。
8. 如請求項1所述的籃球運動偵測分析方法，其中，在生成統計數據步驟中，所述預設時間範圍介於0.45秒至1秒之間。

Images