CN113744300B - 一种ai识别体育运动轨迹数据分析*** - Google Patents
一种ai识别体育运动轨迹数据分析*** Download PDFInfo
- Publication number
- CN113744300B CN113744300B CN202111153834.2A CN202111153834A CN113744300B CN 113744300 B CN113744300 B CN 113744300B CN 202111153834 A CN202111153834 A CN 202111153834A CN 113744300 B CN113744300 B CN 113744300B
- Authority
- CN
- China
- Prior art keywords
- sports
- data
- athlete
- motion
- instrument
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 210000003205 muscle Anatomy 0.000 claims description 10
- 230000003287 optical effect Effects 0.000 claims description 7
- 230000019771 cognition Effects 0.000 abstract description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T13/00—Animation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种AI识别体育运动轨迹数据分析***,包括运动员捕捉模块、器械捕捉模块和监控终端,其中,监控终端包括AI单元和数据库,运动员捕捉模块和器械捕捉模块用于采集运动轨迹数据,并将采集的运动轨迹数据上传至监控终端形成数据库;AI单元参照数据库内数据组形成运动轨迹图像,对运动轨迹图像和体育数据结果进行数据参照,通过对运动员运动轨迹的数据分析推算体育数据结果,并根据体育数据结果反推运动员运动轨迹。本发明通过运动轨迹数据库并通过AI识别达到准确预测体育成绩,并通过反推方式,提出最优体育运动轨迹、运动员发力方式和器械运动轨迹,有利于取得更好的体育成绩的同时提高人体运动的认知,规避错误的运动方式。
Description
技术领域
本发明涉及体育运动技术领域,具体为一种AI识别体育运动轨迹数据分析***。
背景技术
目前,体育运动是在人类发展过程中逐步开展起来的有意识地对自己身体素质的培养的各种活动。采取了各种走、跑、跳、投以及舞蹈等多种形式的身体活动,这些活动就是人们通常称作的身体练习过程。
但是,随着科技的不断进步,人们不断突破自身极限创造一个又一个世界纪录,随着时间推移世界纪录越来越难打破,运动员自身难以突破自身极限,或者难以保持巅峰状态,
因此,如何提供一种AI识别体育运动轨迹数据分析***,能够得出最优体育运动轨迹、运动员发力方式和器械运动轨迹是本领域技术人员亟需解决的问题。
发明内容
本发明的目的在于提供一种AI识别体育运动轨迹数据分析***,解决了背景技术中所提出的问题,能够通过运动轨迹数据库并通过AI识别达到准确预测体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动员发力方式和器械运动轨迹,取得更好的体育成绩同时提高人体运动的认知,规避错误的运动方式。
为实现上述目的,本发明提供如下技术方案:一种AI识别体育运动轨迹数据分析***,包括运动员捕捉模块、器械捕捉模块和监控终端,其中,所述监控终端包括AI单元和数据库,所述运动员捕捉模块和所述器械捕捉模块用于采集运动轨迹数据,并将采集的运动轨迹数据上传至所述监控终端形成所述数据库;所述AI单元参照所述数据库内数据组形成运动轨迹图像,对所述运动轨迹图像和体育数据结果进行数据参照,通过对运动员运动轨迹的数据分析推算所述体育数据结果,并根据所述体育数据结果反推运动员运动轨迹。
作为本发明的一种优选实施方式,所述运动员捕捉模块抓捕数据包括:肌肉捕捉、动作捕捉、移动轨迹和时间数据。
作为本发明的一种优选实施方式,所述运动员捕捉模块采用光学捕捉,根据空间内环绕布置的摄像装置,以及运动员发力位置贴的发光点,在运动员进行体育运动时,通过所述摄像装置将运动员的动作以图像序列方式保存,对运动员的所述肌肉捕捉和所述动作捕捉形成数据,且对空间建立坐标系,以空间内所述摄像装置为参照物,运动员所在位置为原点记录所述移动轨迹,并根据所述移动轨迹记录所述时间数据。
作为本发明的一种优选实施方式,所述器械捕捉模块抓捕数据包括:速度数据、移动轨迹和时间数据。
作为本发明的一种优选实施方式,所述器械捕捉模块采用光学捕捉,根据空间内环绕布置的摄像装置,以及体育器械外壁贴的发光点,在体育器械进行移动时,通过所述摄像装置将体育器械运动以图像序列方式保存,且对空间建立坐标系,以空间内所述摄像装置为参照物,体育器械的初始点为原点,对体育器械运动的所述移动轨迹进行捕捉形成所述时间数据,将所述时间数据记录,并根据所述时间数据和体育器械落点数据计算体育器械的所述速度数据。
作为本发明的一种优选实施方式,所述监控终端还包括:运动员图像运动轨迹显示、体育器械图像运动轨迹显示和数据显示。
作为本发明的一种优选实施方式,所述运动员图像运动轨迹显示用于将所述运动员捕捉模块捕捉的运动员动作图像序列进行实体化并形成连续运动画面进行显示,所述体育器械图像运动轨迹显示用于将所述器械捕捉模块捕捉的体育器械移动轨迹图像序列进行实体化并形成连续运动画面进行显示,所述数据显示用于将所述运动员捕捉模块和所述器械捕捉模块抓捕的数据进行显示,并将所述抓捕的数据存入所述数据库。
作为本发明的一种优选实施方式所述AI单元用于将所述数据库内的同组运动员动作的图像序列组与同组体育器械移动轨迹的图像序列组相对应,并根据运动员运动动作和体育器械初始位置进行连续分析推算体育运动结果。
与现有技术相比,本发明的有益效果如下:
本发明通过光学捕捉将运动员的运动轨迹和体育器械的运动轨迹进行捕捉,通过多组的运动员的运动轨迹和体育器械的运动轨迹进行记录,并建立运动轨迹数据库,再通过AI单元能够准确预测体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动员发力方式和器械运动轨迹,有利于取得更好的体育成绩同时提高人体运动的认知,规避错误的运动方式。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一种AI识别体育运动轨迹数据分析***的示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“设置”应做广义理解,例如,可以是固定相连、设置,也可以是可拆卸连接、设置,或一体地连接、设置。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
请参阅图1,本发明提供一种技术方案:一种AI识别体育运动轨迹数据分析***,包括运动员捕捉模块、器械捕捉模块和监控终端,其中,监控终端包括AI单元和数据库,运动员捕捉模块和器械捕捉模块用于采集运动轨迹数据,并将采集的运动轨迹数据上传至监控终端形成数据库,AI单元参照数据库内数据组形成运动轨迹图像,对运动轨迹图像和体育数据结果进行数据参照,通过对运动员运动轨迹的数据分析推算体育数据结果,并根据体育数据结果反推运动员运动轨迹。本发明通过运动轨迹数据库并通过AI识别达到准确预测体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动员发力方式和器械运动轨迹,有利于取得更好的体育成绩同时提高人体运动的认知,规避错误的运动方式。
本实施例中(请参阅图1),运动员捕捉模块抓捕数据包括:肌肉捕捉、动作捕捉、移动轨迹和时间数据。
本实施例中,运动员捕捉模块采用光学捕捉,将空间内环绕布置5—10个高速摄像机,以及运动员发力位置贴的发光点,在运动员进行体育运动时,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,且对空间建立坐标系,以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹记录时间数据。
本实施例中(请参阅图1),器械捕捉模块抓捕数据包括:速度数据、移动轨迹和时间数据。
本实施例中,器械捕捉模块采用光学捕捉,将空间内环绕布置5—10个高速摄像机,以及体育器械外壁贴的发光点,在体育器械进行移动时,通过高速摄像机将体育器械运动以图像序列方式保存,且对空间建立坐标系,以空间内高速摄像机为参照物,体育器械的初始点为原点,对体育器械运动的移动轨迹进行捕捉形成时间数据,将时间数据记录,并根据时间数据和体育器械落点数据计算体育器械的速度数据。
本实施例中(请参阅图1),监控终端还包括:运动员图像运动轨迹显示、体育器械图像运动轨迹显示和数据显示。
本实施例中,运动员图像运动轨迹显示用于将运动员捕捉模块捕捉的运动员动作图像序列进行实体化并形成连续运动画面进行显示,体育器械图像运动轨迹显示用于将器械捕捉模块捕捉的体育器械移动轨迹图像序列进行实体化并形成连续运动画面进行显示,数据显示用于将运动员捕捉模块和器械捕捉模块抓捕的数据进行显示,并将抓捕的数据存入数据库。
本实施例中(请参阅图1),AI单元用于将数据库内的同组运动员动作的图像序列组与同组体育器械移动轨迹的图像序列组相对应,并根据运动员运动动作和体育器械初始位置进行连续分析推算体育运动结果。
具体实施例1
将空间内环绕布置8个高速摄像机,将运动员发力位置贴上发光点,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,且对空间建立坐标系,以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹记录时间数据,再以空间建立坐标系,以空间内高速摄像机为参照物,体育器械的初始点为原点,将体育器械外壁贴上发光点,体育器械进行移动,通过高速摄像机将体育器械运动以图像序列方式保存,对体育器械运动的移动轨迹进行捕捉形成数据,且将时间数据记录,并根据时间数据和体育器械落点数据计算体育器械速度数据,通过监控终端的运动员图像运动轨迹显示将运动员捕捉模块捕捉的运动员动作的图像序列进行实体化并形成连续运动画面进行显示,通过监控终端的体育器械图像运动轨迹显示将器械捕捉模块捕捉的体育器械移动轨迹的图像序列进行实体化并形成连续运动画面进行显示,数据显示用于对运动员捕捉模块和器械捕捉模块的采取数据进行显示,并将采集数据存入数据库,通过AI单元将数据库内的同组运动员的动作图像序列组与同组体育器械移动轨迹的图像序列组相对应,以运动员运动动作和体育器械初始位置进行连续分析推算体育运动结果,并将推算结果和实际运动结果进行对比,随着数据库的不断增大,推算结果和实际运动结果相近。
具体实施例2
将空间内环绕布置10个高速摄像机,将运动员发力位置贴上发光点,运动员进行体育运动,通过高速摄像机将运动员的动作以图像序列方式保存,对运动员的肌肉捕捉和动作捕捉形成数据,且对空间建立坐标系,以空间内高速摄像机为参照物,运动员所在位置为原点记录移动轨迹,并根据移动轨迹记录时间数据,再以空间建立坐标系,以空间内高速摄像机为参照物,体育器械的初始点为原点,将体育器械外壁贴上发光点,体育器械进行移动,通过高速摄像机将体育器械运动以图像序列方式保存,对体育器械运动的移动轨迹进行捕捉形成时间数据,且将时间数据记录,并根据时间数据和体育器械落点数据计算体育器械速度数据,通过监控终端的运动员图像运动轨迹显示将运动员捕捉模块捕捉的运动员动作的图像序列进行实体化并形成连续运动画面进行显示,通过监控终端的体育器械图像运动轨迹显示将器械捕捉模块捕捉的体育器械移动轨迹的图像序列进行实体化并形成连续运动画面进行显示,数据显示并对运动员捕捉模块和器械捕捉模块采集的数据进行显示,并将采集的数据存入数据库,通过AI单元将数据库内将同组运动员动作的图像序列组与同组体育器械移动轨迹的图像序列组相对应,以运动员运动动作和体育器械初始位置进行连续分析推算体育运动结果,并将推算结果和实际运动结果进行对比,随着数据库的不断增大,推算结果和实际运动结果逐渐接近,当数据库达到一定数量,推算结果和实际运动结果误差较小时,将最优体育结果进行反推,对运动员的运动轨迹、肌肉捕捉和运动动作进行要求,并对器械的起始点和体育器械的运动轨迹进行对应发力。
在一种AI识别体育运动轨迹数据分析***使用的时候,需要说明的是,本发明为一种AI识别体育运动轨迹数据分析***,包括部件均为通用标准件或本领域技术人员知晓的部件,其结构和原理都为本技术人员均可通过技术手册得知或通过常规实验方法获知。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种AI识别体育运动轨迹数据分析***,其特征在于:包括运动员捕捉模块、器械捕捉模块和监控终端,其中,所述监控终端包括AI单元和数据库,所述运动员捕捉模块和所述器械捕捉模块用于采集运动轨迹数据,并将采集的运动轨迹数据上传至所述监控终端形成所述数据库;所述AI单元参照所述数据库内数据组形成运动轨迹图像,对所述运动轨迹图像和体育数据结果进行数据参照,通过对运动员运动轨迹的数据分析推算所述体育数据结果,并根据所述体育数据结果反推运动员运动轨迹;
所述AI单元用于将所述数据库内的同组运动员动作的图像序列组与同组体育器械移动轨迹的图像序列组相对应,并根据运动员运动动作和体育器械初始位置进行连续分析推算体育运动结果,并将推算结果和实际运动结果进行对比,随着数据库的不断增大,推算结果和实际运动结果逐渐接近,推算结果和实际运动结果误差小时,将最优体育结果进行反推,对运动员的运动轨迹、肌肉捕捉和运动动作进行要求,并对器械的起始点和体育器械的运动轨迹进行对应发力;
通过运动轨迹数据库并通过AI识别预测体育成绩,并通过反推的方式,提出最优体育运动轨迹、运动发力方式和器械运动轨迹。
2.根据权利要求1所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述运动员捕捉模块抓捕数据包括:肌肉捕捉、动作捕捉、移动轨迹和时间数据。
3.根据权利要求2所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述运动员捕捉模块采用光学捕捉,根据空间内环绕布置的摄像装置,以及运动员发力位置贴的发光点,在运动员进行体育运动时,通过所述摄像装置将运动员的动作以图像序列方式保存,对运动员的所述肌肉捕捉和所述动作捕捉形成数据,且对空间建立坐标系,以空间内所述摄像装置为参照物,运动员所在位置为原点记录所述移动轨迹,并根据所述移动轨迹记录所述时间数据。
4.根据权利要求2所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述器械捕捉模块抓捕数据包括:速度数据、移动轨迹和时间数据。
5.根据权利要求4所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述器械捕捉模块采用光学捕捉,根据空间内环绕布置的摄像装置,以及体育器械外壁贴的发光点,在体育器械进行移动时,通过所述摄像装置将体育器械运动以图像序列方式保存,且对空间建立坐标系,以空间内所述摄像装置为参照物,体育器械的初始点为原点,对体育器械运动的所述移动轨迹进行捕捉形成所述时间数据,将所述时间数据记录,并根据所述时间数据和体育器械落点数据计算体育器械的所述速度数据。
6.根据权利要求4所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述监控终端还包括:运动员图像运动轨迹显示、体育器械图像运动轨迹显示和数据显示。
7.根据权利要求6所述的一种AI识别体育运动轨迹数据分析***,其特征在于:所述运动员图像运动轨迹显示用于将所述运动员捕捉模块捕捉的运动员动作图像序列进行实体化并形成连续运动画面进行显示,所述体育器械图像运动轨迹显示用于将所述器械捕捉模块捕捉的体育器械移动轨迹图像序列进行实体化并形成连续运动画面进行显示,所述数据显示用于将所述运动员捕捉模块和所述器械捕捉模块抓捕的数据进行显示,并将所述抓捕的数据存入所述数据库。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153834.2A CN113744300B (zh) | 2021-09-29 | 2021-09-29 | 一种ai识别体育运动轨迹数据分析*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111153834.2A CN113744300B (zh) | 2021-09-29 | 2021-09-29 | 一种ai识别体育运动轨迹数据分析*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113744300A CN113744300A (zh) | 2021-12-03 |
CN113744300B true CN113744300B (zh) | 2024-05-28 |
Family
ID=78741863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111153834.2A Active CN113744300B (zh) | 2021-09-29 | 2021-09-29 | 一种ai识别体育运动轨迹数据分析*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113744300B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114264239B (zh) * | 2021-12-28 | 2022-07-15 | 深圳市微特精密科技股份有限公司 | 一种运动平台激光校准*** |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1611282A (zh) * | 2003-10-29 | 2005-05-04 | 中国科学院自动化研究所 | 桌上曲棍球机器人*** |
CN101458434A (zh) * | 2009-01-08 | 2009-06-17 | 浙江大学 | 精确测量和预测乒乓球轨迹***与***运行方法 |
CN202662011U (zh) * | 2011-04-22 | 2013-01-09 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别技术的体育教学辅助*** |
CN103100205A (zh) * | 2012-12-12 | 2013-05-15 | 徐玉文 | 一种适用于中小学体育教学评测的辅助装置及其实现方法 |
CN106448295A (zh) * | 2016-10-20 | 2017-02-22 | 泉州市开拓者智能科技有限公司 | 基于捕捉的远程教学***及其方法 |
CN109676615A (zh) * | 2019-01-18 | 2019-04-26 | 合肥工业大学 | 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置 |
CN110135284A (zh) * | 2019-04-25 | 2019-08-16 | 中国地质大学(武汉) | 一种基于工业相机的篮球运动员动作捕捉分析装置及方法 |
CN111444890A (zh) * | 2020-04-30 | 2020-07-24 | 汕头市同行网络科技有限公司 | 一种基于机器学习的体育数据分析***和方法 |
CN111837123A (zh) * | 2017-11-20 | 2020-10-27 | 国家美式足球联盟球员公司 | 评估和预测体育成绩的混合方法 |
CN112070795A (zh) * | 2020-09-14 | 2020-12-11 | 北京首钢建设投资有限公司 | 运动员跟踪方法及*** |
CN112107845A (zh) * | 2020-09-08 | 2020-12-22 | 宁波大学 | 一种冰球运动员的动作分析*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9875550B2 (en) * | 2013-08-28 | 2018-01-23 | Disney Enterprises, Inc. | Method and device for tracking sports players with context-conditioned motion models |
US20170124155A1 (en) * | 2015-10-28 | 2017-05-04 | Zan Quan Technology Co., Ltd | Sports data matching system and method |
-
2021
- 2021-09-29 CN CN202111153834.2A patent/CN113744300B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1611282A (zh) * | 2003-10-29 | 2005-05-04 | 中国科学院自动化研究所 | 桌上曲棍球机器人*** |
CN101458434A (zh) * | 2009-01-08 | 2009-06-17 | 浙江大学 | 精确测量和预测乒乓球轨迹***与***运行方法 |
CN202662011U (zh) * | 2011-04-22 | 2013-01-09 | 安徽寰智信息科技股份有限公司 | 一种基于动作识别技术的体育教学辅助*** |
CN103100205A (zh) * | 2012-12-12 | 2013-05-15 | 徐玉文 | 一种适用于中小学体育教学评测的辅助装置及其实现方法 |
CN106448295A (zh) * | 2016-10-20 | 2017-02-22 | 泉州市开拓者智能科技有限公司 | 基于捕捉的远程教学***及其方法 |
CN111837123A (zh) * | 2017-11-20 | 2020-10-27 | 国家美式足球联盟球员公司 | 评估和预测体育成绩的混合方法 |
CN109676615A (zh) * | 2019-01-18 | 2019-04-26 | 合肥工业大学 | 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置 |
CN110135284A (zh) * | 2019-04-25 | 2019-08-16 | 中国地质大学(武汉) | 一种基于工业相机的篮球运动员动作捕捉分析装置及方法 |
CN111444890A (zh) * | 2020-04-30 | 2020-07-24 | 汕头市同行网络科技有限公司 | 一种基于机器学习的体育数据分析***和方法 |
CN112107845A (zh) * | 2020-09-08 | 2020-12-22 | 宁波大学 | 一种冰球运动员的动作分析*** |
CN112070795A (zh) * | 2020-09-14 | 2020-12-11 | 北京首钢建设投资有限公司 | 运动员跟踪方法及*** |
Non-Patent Citations (6)
Title |
---|
Digital Technology in the Application of Sports Fields;Han Limin etc.al;《2012 International Conference on Industrial Control and Electronics Engineering》;20121004;全文 * |
一种体育运动结果预测的机器学习框架设计;校力;自动化技术与应用;20191231;第38卷(第009期);全文 * |
基于PSO-SVM的体育成绩预测模型;郭华伟;杨慧娟;;电子测量技术(第17期);全文 * |
基于三维图像的运动员起跑动作误差预测仿真;张治远;;计算机仿真;20170815(第08期);全文 * |
粒子群优化神经网络的体育动作识别;张梅;魏欣;张贵红;;现代电子技术(第19期);全文 * |
融合动作捕捉技术的排球教学模式探究;韩丽;刘祺;中国教育信息化(基础教育);20151231(第002期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113744300A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2017331639B2 (en) | A system and method to analyze and improve sports performance using monitoring devices | |
US10607349B2 (en) | Multi-sensor event system | |
Wang et al. | Volleyball skill assessment using a single wearable micro inertial measurement unit at wrist | |
US9978425B2 (en) | Method and device for associating frames in a video of an activity of a person with an event | |
Kos et al. | The role of science and technology in sport | |
AU2016293616B2 (en) | Integrated sensor and video motion analysis method | |
WO2019114708A1 (zh) | 一种运动数据监测方法和*** | |
CN110739040A (zh) | 一种上下肢康复评定训练*** | |
KR100772497B1 (ko) | 골프 클리닉 시스템 및 그것의 운용방법 | |
CN105498188A (zh) | 一种体育活动监控装置 | |
JP5446572B2 (ja) | 画像生成システム、制御プログラム、及び記録媒体 | |
CN105852873B (zh) | 运动数据分析方法、电子设备及终端 | |
CN115624735B (zh) | 一种用于球类运动的辅助训练***和工作方法 | |
CN113744300B (zh) | 一种ai识别体育运动轨迹数据分析*** | |
JP2019136493A (ja) | 運動の採点方法、システム及びプログラム | |
CN108970091B (zh) | 一种羽毛球动作分析方法及*** | |
Yeo et al. | Augmented learning for sports using wearable head-worn and wrist-worn devices | |
CN110929595A (zh) | 一种基于人工智能的有球无球训练或娱乐***及方法 | |
Wang et al. | Tac-trainer: a visual analytics system for IoT-based racket sports training | |
Mekruksavanich et al. | Badminton activity recognition and player assessment based on motion signals using deep residual network | |
CN116611969B (zh) | 传统武术智能学习与评分*** | |
KR101864039B1 (ko) | 증강현실을 이용한 격투기 스포츠의 공정심사 솔루션 제공용 빅데이터 분석처리 시스템 및 그 구동방법 | |
Connaghan et al. | A sensing platform for physiological and contextual feedback to tennis athletes | |
CN116328279A (zh) | 一种基于视觉人体姿势估计的实时辅助训练方法及设备 | |
Gharasuie et al. | Performance monitoring for exercise movements using mobile cameras |
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 |