CN110222977A - 一种基于计算机视觉的动作体育评分方法与装置 - Google Patents
一种基于计算机视觉的动作体育评分方法与装置 Download PDFInfo
- Publication number
- CN110222977A CN110222977A CN201910480123.2A CN201910480123A CN110222977A CN 110222977 A CN110222977 A CN 110222977A CN 201910480123 A CN201910480123 A CN 201910480123A CN 110222977 A CN110222977 A CN 110222977A
- Authority
- CN
- China
- Prior art keywords
- movement
- scoring
- video recording
- maximum
- deep learning
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Business, Economics & Management (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
一种基于计算机视觉的动作体育评分方法与装置,所属体育评分信息***技术领域。本发明采用3D录像重构以及深度学***公正,而且节省裁判人力资源,实现体育裁判自动化、智能化。
Description
技术领域
本发明涉及体育评分的信息***技术领域。
背景技术
在体育比赛中,采用人类裁判员根据裁判规则进行评分,往往存在疏忽或者不公正。本发明提出一种采用3D录像重构以及深度学***公正,而且节省裁判人力资源,实现体育裁判自动化、智能化。
发明内容
本发明通过在体育训练或者比赛场地安装适当分布的三台或以上的摄像头,对运动员的动作进行录像,摄像头被连接到计算机***中,***运行着已经通过使用以前数据训练的深度学***翻转圈数)、躯干直立度和臂展水平度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值等等裁判规则评分标准所涉及的各种指标或相关指标,然后根据裁判规则评分标准进行技术评分;其中有些指标需要结合深度学习算法进行计算,比方说空中旋转角度,可以利用深度学习算法识别运动员身体某个特征点,比方说右肩,旋转通过某一特征方位的次数,结合身体起始方位与最后落地方位的角度,计算空中旋转总角度。对于艺术分,还可以通过动作与音乐的融合程度以及通过对以往比赛艺术评分的深度学习对运动员体型优美度以及动作流畅度和优美度等进行艺术评分。如果采用多种自动评分方法进行评分,可以对各种评分方法的权重进行调节,并进行优化,最后形成最适当的自动评分方式。
在本发明的一种实施方案中,技术动作由深度学***翻转圈数)、躯干直立度和臂展水平度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值以及动作与音乐融合度等等裁判规则评分标准所涉及的各种指标或相关指标,然后根据裁判规则评分标准进行技术评分,其中技术扣分由深度学***度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值等按裁判规则评分标准进行评分结合由以往比赛数据训练出来的深度学习算法对动作的流畅度和优美度等进行识别分级评分。
在本发明的另一种实施方案中,技术评分以及艺术或表演评分都由利用之前比赛大数据训练好的深度学习算法进行识别分级评分。评分***包含一个收集以往比赛录像资料、评分资料和比赛结果的大数据数据库,可以利用该数据库对深度学习算法进行训练,从而算法能够识别各种动作、动作的起终点、动作执行缺陷、动作的优美度和流畅度等等以及动作执行的质量分级和执行缺陷分级从而形成一套评分算法对运动员的动作进行自动评分。
在本发明的另一种实施方案中,技术动作由深度学***翻转圈数)和入水角度等等裁判规则评分标准所涉及的各种指标或相关指标,然后根据裁判规则评分标准进行技术评分,其中技术扣分由通过之前比赛大数据训练出来的深度学***轴线的角度的最大值以及平均值等等裁判规则评分标准所涉及的各种指标或相关指标,按裁判规则的规定取一定权重进行计算评分,再结合通过之前比赛大数据训练出来的深度学习算法进行型体优美度和表演流畅度和优美度等评分配以一定权重,从而得出表演(presentation)分。
在本发明的另一种实施方案中,对于双人项目,除了对于各自体育动作的评分之外,还对于两人动作的协调性进行评分,可以通过录像3D重构准确计算两人起跳时间差、起跳高度差、运行身段差、动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分;也可以通过对于之前双人项目比赛录像资料的大数据进行深度学习利用深度学习算法对协调性进行评分。对于集体项目,除了对于各自动作的评分之外,可以通过录像3D重构准确计算所有人的最大起跳时间差、最大起跳高度差、最大运行身段差或/和最大动作方位差、最大动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分;也可以通过对于之前集体项目比赛录像资料的大数据进行深度学习利用深度学习算法对协调性进行评分。
实现本发明利用计算机视觉对动作体育进行评分的方法的装置,包括若干连接到计算机***的摄像头,运行摄像3D重构并对动作技术指标进行精确计算的或/和通过大数据分析和深度学习进行体育动作识别并进行技术或/和表演评分的深度学习算法的计算机***以及收集以前比赛录像数据资料、评分数据资料和比赛结果的大数据数据库。
上述技术方案包含本发明的最佳技术方案,但本发明同时也包括遵循本发明创新思想的上述技术方案的各种变种,比如,***三个或以上的摄像头可以设置在比赛场地的不同的方位;***中摄像3D重构并对动作技术指标进行精确计算的功能可以有也可以没有,如果没有,就纯粹用深度学习的算法对动作进行识别和分级评分;以前比赛录像数据资料的大数据数据库可以收集尽量多的之前比赛的录像资料数据、评分数据资料和比赛结果;该***可以是对于多种体育运动,比方说花样滑冰、冰上技巧、体操、跳水、花样游泳、蹦床(trampoline)等等的评分***,也可以是一个单一项体育运动比方说跳水或者花样滑冰的评分***;上述技术方案中的计算机信息***可以是云计算***A/S(App/Server***),也可以是B/S***(Browser/Server***),也可以是C/S***(Client/Server***)等等。
本基于计算机视觉的动作体育评分方法,克服了人类裁判员评分往往存在的疏忽或者不公正,可以做到透明的公平公正,而且节省裁判人力资源,实现体育裁判自动化、智能化。
具体实施方式
下面结合两个实施例对本发明做进一步阐述。
实施例一:跳水的计算机视觉评分***。在跳水中,技术动作是事先知道的,可以利用深度学***翻转圈数)、躯干直立度和臂展水平度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值以及入水角度等等裁判规则评分标准所涉及的各种指标或相关指标,然后根据裁判规则评分标准利用这些指标进行技术评分,其中有些指标需要结合深度学***度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值等等裁判规则所涉及的各种指标或相关指标,然后按裁判规则评分标准取相应权重进行计算评分,再结合通过之前比赛大数据训练出来的深度学习算法进行型体优美度和表演优美度等进行识别分级评分配以评分标准所规定的权重,从而得出表演分。
实施例二:花样滑冰的计算机视觉评分***。技术动作及其起终点由深度学***度、躯干偏离垂直轴的角度最大值和平均值以及臂展偏离水平轴角度最大值和平均值等等裁判规则评分标准所涉及的各种指标或相关指标,然后按裁判规则评分标准取规定权重进行计算评分,再结合通过之前比赛大数据训练出来的深度学习算法对型体优美度和表演优美度和流畅度等进行识别分级评分配以评分标准规定的权重,从而得出表演分。
本发明中的计算机***可以在各种通用或者专用的计算环境或者配置中使用。适用于本发明信息***的公知的计算***、环境和/或配置的示例包括,但不限于,个人计算机、服务器计算机、智能手机、手机、平板电脑、手提式或膝上型设备、多处理器***、基于微处理器的***、机顶盒、可编程消费电子设备、网络PC、小型计算机、大型计算机等等以及包括以上任何***或设备的信息***(包括云计算***、A/S***、B/S***和C/S***)、有线或/和无线以及有线+无线网络***和分布式计算环境等等。
上述实施例是提供给本领域普通技术人员来实现本发明的实施例。本领域普通技术人员可以在遵循本发明创新思想的情况下,对上述实施例做出种种修改或变化,因此本发明的保护范围并不被上述实施例所限,而应该是符合权利要求书提到的创新性特征的最大范围。
Claims (10)
1.一种利用计算机视觉对动作体育进行评分的方法,包括:
对运动员的动作进行录像;
通过深度学习算法对各个动作的起终点以及动作执行缺陷进行识别;
从录像或重构3D录像计算各种裁判规则评分标准的各种指标和相关指标;
对于无法从录像或重构3D录像进行直接计算的评分指标比如空中旋转角度、表演流畅度和优美度,可以结合深度学习算法进行计算或者采用深度学习算法进行识别评定;
利用上面得到的各种指标和相关指标根据评分标准进行评分,根据评分标准对执行缺陷进行扣分。
2.如权利要求1所述的评分方法,其特征在于当动作表演需要配以音乐时,根据权利要求1中计算出来的各种与艺术表演分相关的指标诸如动作与音乐融合度、躯干偏离垂直轴角度的最大值和平均值以及臂展偏离水平轴角度的最大值和平均值等,结合通过深度学习算法对动作执行的流畅度和优美度做识别分级按裁判规则规定的权重进行艺术表演评分。
3.如权利要求1所述的评分方法,其特征在于对于双人项目,除了对于各自体育动作的评分之外,还对于两人动作的协调性进行评分,可以通过录像或3D录像准确计算两人起跳时间差、起跳高度差、运行身段差、动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分。
4.如权利要求1所述的评分方法,其特征在于对于集体项目,除了对于各自动作的评分之外,可以通过录像或3D录像准确计算所有人的最大起跳时间差、最大起跳高度差、最大运行身段差或/和最大动作方位差、最大动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分。
5.如权利要求1所述的评分方法,其特征在于在不同方位安装3个或以上的摄像头对于运动员的动作进行录像以便可以重构运动员动作的3D影像。
6.实现一种利用计算机视觉对动作体育进行评分的方法的评分装置,包括安装在比赛场地不同方位的3个或以上摄像头,这些摄像头被连接到一个计算机信息***,该信息***具有一个以往比赛录像以及评分资料和比赛结果的大数据数据库并且运行实现权利要求1所述的评分方法的程序。
7.如权利要求6所述的评分装置,其特征在于当动作表演需要配以音乐时,根据权利要求1中计算出来的各种与艺术表演分相关的指标诸如动作与音乐融合度、躯干偏离垂直轴角度的最大值和平均值以及臂展偏离水平轴角度的最大值和平均值等,结合通过深度学习算法对动作执行的流畅度和优美度做识别分级按裁判规则规定的权重进行艺术表演评分。
8.如权利要求6所述的评分装置,其特征在于对于双人项目,除了对于各自体育动作的评分之外,还对于两人动作的协调性进行评分,可以通过录像或3D录像准确计算两人起跳时间差、起跳高度差、运行身段差、动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分。
9.如权利要求6所述的评分装置,其特征在于对于集体项目,除了对于各自动作的评分之外,可以通过录像或3D录像准确计算所有人的最大起跳时间差、最大起跳高度差、最大运行身段差或/和最大动作方位差、最大动作时间差等指标,按裁判规则评分标准赋予一定权重对协调性进行评分。
10.如权利要求6所述的评分装置,其特征在于该装置的计算机信息***包含一个以往比赛记录的大数据数据库,该数据库包含以往比赛的录像资料、评分资料以及比赛结果,可以利用深度学习算法对以往比赛数据进行学习训练,从而可以识别动作的起终点、动作执行的缺陷、动作执行的优美度和流畅度等等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480123.2A CN110222977A (zh) | 2019-06-03 | 2019-06-03 | 一种基于计算机视觉的动作体育评分方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910480123.2A CN110222977A (zh) | 2019-06-03 | 2019-06-03 | 一种基于计算机视觉的动作体育评分方法与装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110222977A true CN110222977A (zh) | 2019-09-10 |
Family
ID=67819249
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910480123.2A Pending CN110222977A (zh) | 2019-06-03 | 2019-06-03 | 一种基于计算机视觉的动作体育评分方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110222977A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111282245A (zh) * | 2020-01-17 | 2020-06-16 | 浙江金耐斯体育用品有限公司 | 一种ai识别体育运动轨迹数据分析方法及*** |
CN111784121A (zh) * | 2020-06-12 | 2020-10-16 | 清华大学 | 基于不确定性分数分布学习的动作质量评价方法 |
CN111915643A (zh) * | 2020-05-20 | 2020-11-10 | 北京理工大学 | 基于zed视觉的游泳运动员出水高度的检测***及方法 |
CN114722230A (zh) * | 2022-03-30 | 2022-07-08 | 蔡戴朋 | 利用角度大数据匹配的辅助判决*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470898A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院自动化研究所 | 一种双人跳水同步性自动分析方法 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
CN109045664A (zh) * | 2018-09-05 | 2018-12-21 | 山东大学 | 基于深度学习的跳水打分方法、服务器及*** |
CN109829442A (zh) * | 2019-02-22 | 2019-05-31 | 焦点科技股份有限公司 | 一种基于摄像头的人体动作评分的方法及*** |
-
2019
- 2019-06-03 CN CN201910480123.2A patent/CN110222977A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101470898A (zh) * | 2007-12-26 | 2009-07-01 | 中国科学院自动化研究所 | 一种双人跳水同步性自动分析方法 |
CN107909060A (zh) * | 2017-12-05 | 2018-04-13 | 前海健匠智能科技(深圳)有限公司 | 基于深度学习的健身房健身动作识别方法及装置 |
CN109045664A (zh) * | 2018-09-05 | 2018-12-21 | 山东大学 | 基于深度学习的跳水打分方法、服务器及*** |
CN109829442A (zh) * | 2019-02-22 | 2019-05-31 | 焦点科技股份有限公司 | 一种基于摄像头的人体动作评分的方法及*** |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111282245A (zh) * | 2020-01-17 | 2020-06-16 | 浙江金耐斯体育用品有限公司 | 一种ai识别体育运动轨迹数据分析方法及*** |
CN111915643A (zh) * | 2020-05-20 | 2020-11-10 | 北京理工大学 | 基于zed视觉的游泳运动员出水高度的检测***及方法 |
CN111915643B (zh) * | 2020-05-20 | 2023-10-10 | 北京理工大学 | 基于zed视觉的游泳运动员出水高度的检测***及方法 |
CN111784121A (zh) * | 2020-06-12 | 2020-10-16 | 清华大学 | 基于不确定性分数分布学习的动作质量评价方法 |
CN111784121B (zh) * | 2020-06-12 | 2022-08-09 | 清华大学 | 基于不确定性分数分布学习的动作质量评价方法 |
CN114722230A (zh) * | 2022-03-30 | 2022-07-08 | 蔡戴朋 | 利用角度大数据匹配的辅助判决*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Application of artificial intelligence in basketball sport | |
CN110222977A (zh) | 一种基于计算机视觉的动作体育评分方法与装置 | |
CN101964047B (zh) | 一种基于多跟踪点的人体动作识别方法 | |
CN106066990A (zh) | 用于将人的活动视频中的帧与事件相关联的方法和装置 | |
US11565166B2 (en) | Golf game implementation using ball tracking and scoring system | |
CN105080111A (zh) | 运动球运动监测方法和*** | |
US11620858B2 (en) | Object fitting using quantitative biomechanical-based analysis | |
US20240082683A1 (en) | Kinematic analysis of user form | |
KR100907704B1 (ko) | 인공지능형 캐디를 이용한 골퍼자세교정시스템 및 이를이용한 골퍼자세교정방법 | |
CN105999677A (zh) | 一种可联网的便携式高尔夫模拟***及模拟方法 | |
WO2022251671A1 (en) | 3d avatar generation and robotic limbs using biomechanical analysis | |
US20240042281A1 (en) | User experience platform for connected fitness systems | |
CN115475373B (zh) | 运动数据的展示方法、装置、存储介质及电子装置 | |
CN116246347A (zh) | 一种人体基本运动技能的标准判断方法及评分装置 | |
Peng et al. | Accurate recognition of volleyball motion based on fusion of MEMS inertial measurement unit and video analytic | |
Malawski et al. | Automatic analysis of techniques and body motion patterns in sport | |
Kumar et al. | Quantitative analysis of athlete performance in artistic skating using IMU, and machine learning algorithms | |
Blank | Smart Racket–Instrumented Racket as Real-time Feedback Device for Table Tennis | |
CN114241603B (zh) | 基于可穿戴设备的毽球动作识别与水平等级评估方法及*** | |
Link | Wearables in Sports: From Experimental Validation to Deep Learning Applications | |
US20230302325A1 (en) | Systems and methods for measuring and analyzing the motion of a swing and matching the motion of a swing to optimized swing equipment | |
Smith | On Performance Analysis in Elite Netball: Data Analytics Through The Use Of Machine Learning and Computer Vision | |
Colombo | Goalkeeper’s Performances Assessed with Action Cameras Based Mocap System | |
Yan et al. | A Generic Framework for Sport-specific Movement Recognition | |
Malik et al. | Badminton Action Analysis Using LSTM |
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 |