CN112933580B - 一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 - Google Patents
一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 Download PDFInfo
- Publication number
- CN112933580B CN112933580B CN202110111548.3A CN202110111548A CN112933580B CN 112933580 B CN112933580 B CN 112933580B CN 202110111548 A CN202110111548 A CN 202110111548A CN 112933580 B CN112933580 B CN 112933580B
- Authority
- CN
- China
- Prior art keywords
- track
- user
- data
- competition
- sensor
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0605—Decision makers and devices using detection means facilitating arbitration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B69/00—Training appliances or apparatus for special sports
- A63B69/18—Training appliances or apparatus for special sports for skiing
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
Landscapes
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明提供的一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质，通过采集到的声呐传感器的数据进行用户的轨迹分析，对用户轨迹的预测调整声呐传感器的角度，进而调整声呐传感器的角度使得采集用户的数据更加准确。并且本发明还通过比赛内容信息进行用户轨迹的分析，更进一步的，还采用了轨迹神经网络模型进行用户轨迹的预测，使得用于轨迹预测更加准确，通过准确的轨迹位置从而调整声呐传感器的角度，能够使得采集到的信息更加精确，比赛的分数也就更加准确可靠。
Description
技术领域
本申请涉及传感器数据处理领域，更具体的，涉及一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质。
背景技术
近年来，不受地域、季节、气候等环境因素制约的室内模拟滑雪机受到了越来越多的滑雪者的青睐，模拟滑雪机赛事应运而生，但还不能与模拟雪机的功能和特性做更深度地适配，目前尚处于发展的初级阶段，面临赛事类型单一、规模小、筹备期长，比赛规则的科学性、标准化有待提升，赛事信息数据有待整合，体系不完善等问题。
目前，在模拟雪机上进行的比赛，多采用在不同的模拟滑雪机上，设置规定的坡度、速度，在雪毯两侧以边界绳或对射传感器装置虚拟传统雪场比赛的旗门，裁判员以定时计数的比赛规则进行人工计数，裁定比赛分数。
现有室内模拟雪机比赛，1.均采用定时计数的方法核算比赛分数，因定时计数的方法精准度较低，选手比赛成绩近似，叠同率较高，比赛极易出现多人同一名次的现象；2.囿于雪机机器型号的物理特性(雪机大小、雪毯长宽)限制，比赛在以虚拟旗杆、坡度、速度等参数设计比赛规则时，目前室内模拟雪机的比赛，赛事类型单一并无统一固定的比赛规则；3.现有赛事均在雪机训练场馆内进行比赛，较大型的雪机训练场馆仅拥有6-10台左右的室内模拟雪机且数量很少，很难组织大规模赛事；4.基于目前室内模拟雪机训练场馆的商业运营模式，组织赛事的频率低、筹备期长、人力物力成本高；5.现有室内模拟雪机比赛，比赛规则难以统一标准，因此缺少滑雪者比赛数据信息采集***，如不同年龄、不同性别、不同滑雪水平、已完成的训练课程等数据；6.比赛不能提供为室内模拟雪机培训中心做更深度的教研开发的***的支撑性数据，不能充分利用室内模拟滑雪机的特性，与室内模拟滑雪的教研体系有机结合，帮助滑雪者更高效地学习与提升，导致现有比赛与室内模拟雪机的教研体系相对脱节。目前还未有针对模拟雪机中的声呐传感器进行应用的方案，所以通过声呐传感器更好的获取用户的数据，使得模拟更加真实，数据更加准确是亟不可待要解决的。
发明内容
为了解决上述至少一个技术问题，本发明提出了一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质。
本发明第一方面提出了一种基于声呐传感器的滑雪比赛数据获取方法，包括：
获取每个声呐传感器采集的数据和比赛内容信息；
根据采集的数据分析用户的行动轨迹；
根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
将所述比赛分数发送至显示端进行显示。
本方案中，还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
本方案中，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
本方案中，根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。
本方案中，所述第一模式轨迹为：
将所述运动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹。
本方案中，所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练。
本发明第二方面提供了一种基于声呐传感器的滑雪比赛数据获取***，包括存储器和处理器，所述存储器中包括基于声呐传感器的滑雪比赛数据获取方法程序，所述基于声呐传感器的滑雪比赛数据获取方法程序被所述处理器执行时实现如下步骤：
获取每个声呐传感器采集的数据和比赛内容信息；
根据采集的数据分析用户的行动轨迹；
根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
将所述比赛分数发送至显示端进行显示。
本方案中，还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
本方案中，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
本方案中，根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。
本方案中，所述第一模式轨迹为：
将所述运动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹。
本方案中，所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练。
本发明第三方面还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于声呐传感器的滑雪比赛数据获取方法程序，所述一种基于声呐传感器的滑雪比赛数据获取方法程序被处理器执行时，实现如上述任一项所述的一种基于声呐传感器的滑雪比赛数据获取方法步骤。
本发明提供的一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质，通过采集到的声呐传感器的数据进行用户的轨迹分析，对用户轨迹的预测调整声呐传感器的角度，进而调整声呐传感器的角度使得采集用户的数据更加准确。并且本发明还通过比赛内容信息进行用户轨迹的分析，更进一步的，还采用了轨迹神经网络模型进行用户轨迹的预测，使得用于轨迹预测更加准确，通过准确的轨迹位置从而调整声呐传感器的角度，能够使得采集到的信息更加精确，比赛的分数也就更加准确可靠。
附图说明
图1示出了本发明一种基于声呐传感器的滑雪比赛数据获取方法的流程图；
图2示出了本发明一种基于声呐传感器的滑雪比赛数据获取***的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于声呐传感器的滑雪比赛数据获取方法的流程图。
如图1所示，本发明公开了一种基于声呐传感器的滑雪比赛数据获取方法，包括：
S102，获取每个声呐传感器采集的数据和比赛内容信息；
S104，根据采集的数据分析用户的行动轨迹；
S106，根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
S108，根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
S110，将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
S112，将所述比赛分数发送至显示端进行显示。
需要说明的是，模拟雪机通常为立方体结构，在模拟雪机中，声呐传感器可以根据需要设置在不同的位置，优选的，声呐传感器为4个，设置在模拟雪机的4个角，位置高于雪毯1米以上。声呐传感器的角度可以由调整装置进行调节，可以理解的是每个声呐传感器都可以配置一个调整装置以用于进行角度的调节，调整装置中可以设置电机进行驱动，每个调整装置由控制器进行控制调节。本发明中其他种类的传感器都可以配置相对应的调整装置，以针对不同传感器进行位置的调整。在本发明中，首先获取每个声呐传感器采集的数据和比赛内容信息，其中比赛内容信息包含比赛的模式以及比赛的计分规则等，其中比赛模式可以为大回环、小回环、绕旗等。然后根据采集的数据分析用户的行动轨迹，通过每个时间点采集的数据就可以分析出用户的行动轨迹。在获得了行动轨迹之后，再根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，所谓的预行动轨迹为用户即将要进行的运动轨迹，也就是所谓的用户下一个时间段的行动轨迹，由于是没有发生的行动轨迹，则需要进行预测。获取了预行动轨迹之后就可以生成比赛分数和每个声呐传感器的角度调节信息。所述的比赛分数可以是根据行动轨迹和/或预行动轨迹进行轨迹偏离度的分析，从而得到比赛分数。其中获得的比赛分数可以发送至显示端进行显示，获得的角度调节信息发送至调整装置，由调整装置调整声呐传感器的角度。通过对声呐传感器角度的调整，能够使得传感器始终能够以最佳角度进行工作，对用户位置进行采集，使得数据准确率更高。
需要说明的是，本发明的显示端可以为展示***，其连接比赛***，可实时将比赛任务通过影像装备—如投影仪、电视、笔记本、ipad等展示。可与影像装置连接，联动信息处理中心、数据中心，可实时调动本地或多地的赛事交互数据、数据中心的综合数据(如实时数据、阶段性赛事数据、区域赛事数据等信息)，将比赛信息通过影像装备展示。
根据本发明实施例，还包括：
获取比赛计分模式；
根据所述比赛计分模式获取计分参数；
根据所述计分参数进行计算，得到用户的比赛分数；
所述比赛计分模式为定时计数或定数计时的模式。
需要说明的是，本发明可以通过不同的方式进行计分，具体比赛计分模式为定时计数或定数计时的模式。其中所述定时计数的模式，可以是在一定时间内统计用户通过的设备数量或者动作次数进行计分。可以是数量越大分数越高，也可以是数量越少分数越高，具体可以是本领域技术人员根据实际需要设置的。例如，可以是用户绕桩的数量，在此模式下，在一定时间内，绕桩的次数越多，分数会越高。所述的定数计时方式，可以是在用户通过固定数量的设备数量或者做完固定的动作次数之后进行时间的统计，根据时间进行计分。例如，用户在通过10次桩之后用时50秒，则折算分数为60分；用户在通过10次桩之后用户40秒，则折算分数为80分。
根据本发明实施例，在本发明中计算用户的位置、传感器的坐标、用户行驶轨迹、雪毯的坡度都采用三维坐标的方式进行记录。所述的三维坐标可以是通过xyz三轴进行建立。
需要说明的是，首先先建立三维坐标系，可以在规定区域建立统一的xyz坐标。然后根据每个传感器的数据、位置、角度信息，便可以计算出用户的位置，并映射到坐标系中，得到对应的坐标值。由于还获取了时间点信息，所以通过坐标值和时间点，便可以生成运动轨迹。通过所述运动轨迹，可以得到运动状态数据。所述运动状态数据可以包括用户的步频、速度、方位等信息。
根据本发明实施例，还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
需要说明的是，在模拟雪机中往往还存在其他的传感器，比如，对射传感器、激光传感器、开关传感器等等。为了能够更加准确的获取用户的位置，需要其他的传感器进行协同工作，因此本发明还能够通过声呐传感器的数据对其他传感器的位置进行调整。首先，获取每个其他类别传感器的位置信息，例如，对射传感器在雪毯两侧的距离和间距是多少，激光传感器的角度和高度是多少等等。然后根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息。将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。通过对预运行轨迹的分析，能够使得其他传感器提前进行调整，从而使得每个传感器都能够处于最佳位置和角度对用户进行数据的采集，能够让比赛的数据更加的准确，提高了用户使用体验感。
根据本发明实施例，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
需要说明的是，在进行行动轨迹分析的时候，可以是通过建立的三维空间坐标系进行分析，以标准位置为基础，作为原点，建立xyz轴的坐标系。所述的标准位置可以根据实际需要进行设置，例如，可以以模拟雪机的雪毯中间点作为原点，也可以以其中某个立柱与雪毯的交界点作为原点。然后获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值。通过获取的声呐传感器的夹角和采集的数据便可以计算得到声呐传感器与用户的距离和角度，从而就可以得到用户所在的位置点位，将所述位置点位采用空间坐标进行标识，再经过时间描点之后便形成了行动轨迹。
根据本发明实施例，根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。
需要说明的是，在获取的比赛内容信息中会对应有标准运动轨迹，所述的标准运动轨迹用于进行比赛分数的确定。在将用户的行动轨迹与标准运行轨迹进行对比之后，可以获取轨迹偏离度。偏离度越高则表示用户与比赛的标准轨迹偏差较大。其中所述偏离度还预设置有偏离度阈值，判断所述轨迹偏离度是否小于预设的偏离度阈值。若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。通过本发明上述的预运行轨迹的判断，能够更加快速的确定用户的预运行轨迹。
根据本发明实施例，所述第一模式轨迹为：
将所述运动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹。
需要说明的是，所述第一模式为通过神经网络模型计算得到的轨迹，而所述神经网络模型为预先进行训练的模型，在预测时，只需要进行数据输入，则输出的便为第一模式轨迹。
其中，所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练。
需要说明的是，神经网络模型的训练需要大量的历史数据，所以在训练前期需要收集不同用户的历史轨迹样本，得到第一样本数据。然后对这些样本进行特征提取，得到特征样本数据。由于不同的样本特征不同，则比较特征样本数据，选取相似度高的特征样本数据进行轨迹神经网络模型的训练。也就是说，所述轨迹神经网络模型中存在多种不同特征的预测模型，在输入了当前用户轨迹数据之后，会在模型中进行分类，然后获取对应类别的预运行轨迹数据，作为用户的预运行轨迹数据。
图2示出了本发明一种基于声呐传感器的滑雪比赛数据获取***的框图。
如图2所示，一种基于声呐传感器的滑雪比赛数据获取***2，包括存储器21和处理器22，所述存储器中包括基于声呐传感器的滑雪比赛数据获取方法程序，所述基于声呐传感器的滑雪比赛数据获取方法程序被所述处理器执行时实现如下步骤：
获取每个声呐传感器采集的数据和比赛内容信息；
根据采集的数据分析用户的行动轨迹；
根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
将所述比赛分数发送至显示端进行显示。
需要说明的是，模拟雪机通常为立方体结构，在模拟雪机中，声呐传感器可以根据需要设置在不同的位置，优选的，声呐传感器为4个，设置在模拟雪机的4个角，位置高于雪毯1米以上。声呐传感器的角度可以由调整装置进行调节，可以理解的是每个声呐传感器都可以配置一个调整装置以用于进行角度的调节，调整装置中可以设置电机进行驱动，每个调整装置由控制器进行控制调节。本发明中其他种类的传感器都可以配置相对应的调整装置，以针对不同传感器进行位置的调整。在本发明中，首先获取每个声呐传感器采集的数据和比赛内容信息，其中比赛内容信息包含比赛的模式以及比赛的计分规则等，其中比赛模式可以为大回环、小回环、绕旗等。然后根据采集的数据分析用户的行动轨迹，通过每个时间点采集的数据就可以分析出用户的行动轨迹。在获得了行动轨迹之后，再根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，所谓的预行动轨迹为用户即将要进行的运动轨迹，也就是所谓的用户下一个时间段的行动轨迹，由于是没有发生的行动轨迹，则需要进行预测。获取了预行动轨迹之后就可以生成比赛分数和每个声呐传感器的角度调节信息。所述的比赛分数可以是根据行动轨迹和/或预行动轨迹进行轨迹偏离度的分析，从而得到比赛分数。其中获得的比赛分数可以发送至显示端进行显示，获得的角度调节信息发送至调整装置，由调整装置调整声呐传感器的角度。通过对声呐传感器角度的调整，能够使得传感器始终能够以最佳角度进行工作，对用户位置进行采集，使得数据准确率更高。
需要说明的是，本发明的显示端可以为展示***，其连接比赛***，可实时将比赛任务通过影像装备—如投影仪、电视、笔记本、ipad等展示。可与影像装置连接，联动信息处理中心、数据中心，可实时调动本地或多地的赛事交互数据、数据中心的综合数据(如实时数据、阶段性赛事数据、区域赛事数据等信息)，将比赛信息通过影像装备展示。
根据本发明实施例，还包括：
获取比赛计分模式；
根据所述比赛计分模式获取计分参数；
根据所述计分参数进行计算，得到用户的比赛分数；
所述比赛计分模式为定时计数或定数计时的模式。
需要说明的是，本发明可以通过不同的方式进行计分，具体比赛计分模式为定时计数或定数计时的模式。其中所述定时计数的模式，可以是在一定时间内统计用户通过的设备数量或者动作次数进行计分。可以是数量越大分数越高，也可以是数量越少分数越高，具体可以是本领域技术人员根据实际需要设置的。例如，可以是用户绕桩的数量，在此模式下，在一定时间内，绕桩的次数越多，分数会越高。所述的定数计时方式，可以是在用户通过固定数量的设备数量或者做完固定的动作次数之后进行时间的统计，根据时间进行计分。例如，用户在通过10次桩之后用时50秒，则折算分数为60分；用户在通过10次桩之后用户40秒，则折算分数为80分。
根据本发明实施例，在本发明中计算用户的位置、传感器的坐标、用户行驶轨迹、雪毯的坡度都采用三维坐标的方式进行记录。所述的三维坐标可以是通过xyz三轴进行建立。
需要说明的是，首先先建立三维坐标系，可以在规定区域建立统一的xyz坐标。然后根据每个传感器的数据、位置、角度信息，便可以计算出用户的位置，并映射到坐标系中，得到对应的坐标值。由于还获取了时间点信息，所以通过坐标值和时间点，便可以生成运动轨迹。通过所述运动轨迹，可以得到运动状态数据。所述运动状态数据可以包括用户的步频、速度、方位等信息。
根据本发明实施例，还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
需要说明的是，在模拟雪机中往往还存在其他的传感器，比如，对射传感器、激光传感器、开关传感器等等。为了能够更加准确的获取用户的位置，需要其他的传感器进行协同工作，因此本发明还能够通过声呐传感器的数据对其他传感器的位置进行调整。首先，获取每个其他类别传感器的位置信息，例如，对射传感器在雪毯两侧的距离和间距是多少，激光传感器的角度和高度是多少等等。然后根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息。将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。通过对预运行轨迹的分析，能够使得其他传感器提前进行调整，从而使得每个传感器都能够处于最佳位置和角度对用户进行数据的采集，能够让比赛的数据更加的准确，提高了用户使用体验感。
根据本发明实施例，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
需要说明的是，在进行行动轨迹分析的时候，可以是通过建立的三维空间坐标系进行分析，以标准位置为基础，作为原点，建立xyz轴的坐标系。所述的标准位置可以根据实际需要进行设置，例如，可以以模拟雪机的雪毯中间点作为原点，也可以以其中某个立柱与雪毯的交界点作为原点。然后获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值。通过获取的声呐传感器的夹角和采集的数据便可以计算得到声呐传感器与用户的距离和角度，从而就可以得到用户所在的位置点位，将所述位置点位采用空间坐标进行标识，再经过时间描点之后便形成了行动轨迹。
根据本发明实施例，根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。
需要说明的是，在获取的比赛内容信息中会对应有标准运动轨迹，所述的标准运动轨迹用于进行比赛分数的确定。在将用户的行动轨迹与标准运行轨迹进行对比之后，可以获取轨迹偏离度。偏离度越高则表示用户与比赛的标准轨迹偏差较大。其中所述偏离度还预设置有偏离度阈值，判断所述轨迹偏离度是否小于预设的偏离度阈值。若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹。通过本发明上述的预运行轨迹的判断，能够更加快速的确定用户的预运行轨迹。
根据本发明实施例，所述第一模式轨迹为：
将所述运动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹。
需要说明的是，所述第一模式为通过神经网络模型计算得到的轨迹，而所述神经网络模型为预先进行训练的模型，在预测时，只需要进行数据输入，则输出的便为第一模式轨迹。
其中，所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练。
需要说明的是，神经网络模型的训练需要大量的历史数据，所以在训练前期需要收集不同用户的历史轨迹样本，得到第一样本数据。然后对这些样本进行特征提取，得到特征样本数据。由于不同的样本特征不同，则比较特征样本数据，选取相似度高的特征样本数据进行轨迹神经网络模型的训练。也就是说，所述轨迹神经网络模型中存在多种不同特征的预测模型，在输入了当前用户轨迹数据之后，会在模型中进行分类，然后获取对应类别的预运行轨迹数据，作为用户的预运行轨迹数据。
需要说明的是，本发明还包括数据中心，会记录信息处理中心筛选后的赛事信息，同时记录参赛者的参赛报名信息：年龄、性别、学习信息、所属区域等，可根据数据分析需要，生成各种数据报告，如本届或历届赛事数据报告、不同区域比赛数据报告、参赛选手综合赛事数据报告等。值得一提的是，数据中心的除了能收集滑雪行业稀缺的综合赛事数据外，还可结合大数据、个人选手比赛成绩等信息，为每一个参赛选手提供更多有针对性的数据分析和学习提升建议。
本发明第三方面还提供了一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于声呐传感器的滑雪比赛数据获取方法程序，所述一种基于声呐传感器的滑雪比赛数据获取方法程序被处理器执行时，实现如上述任一项所述的一种基于声呐传感器的滑雪比赛数据获取方法步骤。
本发明提供的一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质，通过采集到的声呐传感器的数据进行用户的轨迹分析，对用户轨迹的预测调整声呐传感器的角度，进而调整声呐传感器的角度使得采集用户的数据更加准确。并且本发明还通过比赛内容信息进行用户轨迹的分析，更进一步的，还采用了轨迹神经网络模型进行用户轨迹的预测，使得用于轨迹预测更加准确，通过准确的轨迹位置从而调整声呐传感器的角度，能够使得采集到的信息更加精确，比赛的分数也就更加准确可靠。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个***，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分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，包括若干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)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (5)
1.一种基于声呐传感器的滑雪比赛数据获取方法，其特征在于，包括：
获取每个声呐传感器采集的数据和比赛内容信息；
根据采集的数据分析用户的行动轨迹；
根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
将所述比赛分数发送至显示端进行显示；
所述根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹；
所述第一模式轨迹为：
将所述行动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹；
所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练；
还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
2.根据权利要求1所述的一种基于声呐传感器的滑雪比赛数据获取方法，其特征在于，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
3.一种基于声呐传感器的滑雪比赛数据获取***，其特征在于，包括存储器和处理器，所述存储器中包括基于声呐传感器的滑雪比赛数据获取方法程序，所述基于声呐传感器的滑雪比赛数据获取方法程序被所述处理器执行时实现如下步骤：
获取每个声呐传感器采集的数据和比赛内容信息；
根据采集的数据分析用户的行动轨迹；
根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹；
根据所述预运行轨迹，生成比赛分数和声呐传感器角度调节信息；
将所述角度调节信息发送至调整装置，以进行每个声呐传感器的角度调整；
将所述比赛分数发送至显示端进行显示；
所述根据所述行动轨迹和比赛内容信息，分析用户的预运行轨迹，具体为：
获取比赛内容信息对应的标准运行轨迹；
将用户的行动轨迹与标准运行轨迹进行对比，获取轨迹偏离度；
判断所述轨迹偏离度是否小于预设的偏离度阈值；
若小于，则将标准运行轨迹作为用户的预运行轨迹；若不小于，则以第一模式轨迹作为用户的预运行轨迹；
所述第一模式轨迹为：
将所述行动轨迹输入至轨迹神经网络模型中；
输出得到预测的运动轨迹，所述预测的运动轨迹为第一模式轨迹；
所述轨迹神经网络模型的训练方法具体为：
收集多个用户的历史轨迹样本，得到第一样本数据；
将所述第一样本数据进行特征提取，得到特征样本数据；
分析特征样本数据，选择相似度高的特征样本数据进行轨迹神经网络模型的训练；
还包括：
获取每个其他类别传感器的位置信息；
根据所述用户的预运行轨迹分析每个其他类别传感器的最佳调整位置，生成最佳调整位置信息；
将所述最佳调整位置信息发送至调整装置，以进行每个其他类别传感器的位置调整。
4.根据权利要求3所述的一种基于声呐传感器的滑雪比赛数据获取***，其特征在于，所述根据采集的数据分析用户的行动轨迹，具体为：
以标准位置为基础，建立空间坐标系；
获取每个声呐传感器的夹角信息，与采集的数据进行分析，计算出用户的空间坐标值，得到行动轨迹。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种基于声呐传感器的滑雪比赛数据获取方法程序，所述一种基于声呐传感器的滑雪比赛数据获取方法程序被处理器执行时，实现如权利要求1至2中任一项所述的一种基于声呐传感器的滑雪比赛数据获取方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110111548.3A CN112933580B (zh) | 2021-01-27 | 2021-01-27 | 一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110111548.3A CN112933580B (zh) | 2021-01-27 | 2021-01-27 | 一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112933580A CN112933580A (zh) | 2021-06-11 |
| CN112933580B true CN112933580B (zh) | 2022-06-14 |
Family
ID=76237887
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110111548.3A Active CN112933580B (zh) | 2021-01-27 | 2021-01-27 | 一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112933580B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2505417A (en) * | 2012-08-28 | 2014-03-05 | Tommi Opas | Snowboard/skateboard trajectory tracking and evaluation |
| CN104808211A (zh) * | 2014-12-12 | 2015-07-29 | 南阳理工学院 | 一种用于测量鱼游动轨迹的探测器 |
| CN105572676A (zh) * | 2015-12-16 | 2016-05-11 | 浙江大学 | 一种基于水平鱼探仪影像的围网目标鱼群追踪方法 |
| CN106249885A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 一种虚拟现实设备的设备调整方法和装置、虚拟现实设备 |
| CN111260983A (zh) * | 2020-01-20 | 2020-06-09 | 北京驭胜晏然体育文化有限公司 | 一种智能仿真室内滑雪教学***及方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10690326B2 (en) * | 2017-08-10 | 2020-06-23 | Abl Ip Holding Llc | Tracked grid light with two axes of intelligent locomotion |
-
2021
- 2021-01-27 CN CN202110111548.3A patent/CN112933580B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB2505417A (en) * | 2012-08-28 | 2014-03-05 | Tommi Opas | Snowboard/skateboard trajectory tracking and evaluation |
| CN104808211A (zh) * | 2014-12-12 | 2015-07-29 | 南阳理工学院 | 一种用于测量鱼游动轨迹的探测器 |
| CN105572676A (zh) * | 2015-12-16 | 2016-05-11 | 浙江大学 | 一种基于水平鱼探仪影像的围网目标鱼群追踪方法 |
| CN106249885A (zh) * | 2016-07-26 | 2016-12-21 | 北京小米移动软件有限公司 | 一种虚拟现实设备的设备调整方法和装置、虚拟现实设备 |
| CN111260983A (zh) * | 2020-01-20 | 2020-06-09 | 北京驭胜晏然体育文化有限公司 | 一种智能仿真室内滑雪教学***及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112933580A (zh) | 2021-06-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10391378B2 (en) | Smart-court system and method for providing real-time debriefing and training services of sport games | |
| CN101833232B (zh) | 乒乓球比赛视觉支持和比赛分析***与***运行方法 | |
| US9298418B2 (en) | Electronic analysis of athletic performance | |
| Pan | A big data-based data mining tool for physical education and technical and tactical analysis | |
| CN103458978A (zh) | 虚拟高尔夫球练习场模拟装置及方法 | |
| CN109003139A (zh) | 一种支持智能交互的文化广场***及方法 | |
| CN116271766A (zh) | 网球训练的模拟方法及装置、电子设备及存储介质 | |
| CN112933580B (zh) | 一种基于声呐传感器的滑雪比赛数据获取方法、***和可读存储介质 | |
| Luo | The Application of Computer Technology in Sports Training and Competition | |
| CN111298448B (zh) | 一种智能仿真室内滑雪游戏***及方法 | |
| Bekker et al. | Planning Formula One race strategies using discrete-event simulation | |
| Cui et al. | Modelling and simulation for table tennis referee regulation based on finite state machine | |
| McGarry et al. | Winning squash: predicting championship performance from a priori observation | |
| CN112933573B (zh) | 一种室内滑雪比赛控制方法、***和可读存储介质 | |
| WO2020122550A1 (ko) | 스크린 축구 시스템 및 스크린 축구 제공방법 | |
| CN112785891B (zh) | 一种钢轨探伤仿真学***台和实训方法 | |
| CN110052012A (zh) | 一种乒乓球水平等级的电子辅助检测、训练***及方法 | |
| CN112933574B (zh) | 一种多联机的室内滑雪比赛控制方法、***和可读存储介质 | |
| CN115083017A (zh) | 一种动作展示方法、装置及电子设备 | |
| CN112891895B (zh) | 一种基于对射传感器的滑雪比赛数据获取方法、***和可读存储介质 | |
| KR102045566B1 (ko) | 컬링 경기 전략 생성 장치 및 그 방법 | |
| CN112915519B (zh) | 一种基于开关传感器的滑雪比赛数据获取方法、***和可读存储介质 | |
| CN112883950A (zh) | 一种基于激光传感器的滑雪比赛数据获取方法、***和可读存储介质 | |
| KR20070019014A (ko) | 네트워크를 이용한 경주 운영 방법 및 시스템 | |
| CN110457769A (zh) | 一种用于乒乓球比赛战术的模拟装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230406 Address after: Room 704, Floor 7, 101, Building 3, Yard 9, Jiaogezhuang Street, Shunyi District, Beijing, 101300 Patentee after: Pengpai Future (Beijing) Sports Culture Co.,Ltd. Address before: Room 203-52, 2 / F, building 2, No.1 and 3, Qinglong Hutong, Dongcheng District, Beijing Patentee before: Beijing Yusheng Yanran Sports Culture Co.,Ltd. |