CN116109672A - 一种雪车雪橇赛道智能训练监测分析方法 - Google Patents
一种雪车雪橇赛道智能训练监测分析方法 Download PDFInfo
- Publication number
- CN116109672A CN116109672A CN202310066676.XA CN202310066676A CN116109672A CN 116109672 A CN116109672 A CN 116109672A CN 202310066676 A CN202310066676 A CN 202310066676A CN 116109672 A CN116109672 A CN 116109672A
- Authority
- CN
- China
- Prior art keywords
- snowmobile
- video
- track
- sledge
- pixel
- 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
Images
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
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
- G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- 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
- G06T2207/30221—Sports video; Sports image
- G06T2207/30228—Playing field
-
- 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
- G06T2207/30232—Surveillance
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明公开了一种雪车雪橇赛道智能训练监测分析方法,属于训练监测方法技术领域,具体包括:S1、在雪车雪橇赛道全程关键位置设置若干个摄像点,采集对应视频数据,导出赛道滑行视频,读取原始视频文件;S2、读取的原始视频文件进行处理,合成连续的滑行视频;S3、识别原始视频文件,获取雪车、雪橇的像素点,基于像素点分析视频中雪车、雪橇划过的像素轨迹;S4、利用标定架进行单视图标定,读取标定文件,获取像素点对应的空间尺寸;S5、根据S3中所得的运动员划过的像素轨迹以及S4中所得的像素点对应的空间尺寸,计算得出运动员的位置速度和加速度;S6、整合S5中计算所得的速度数据,输出相应的结果曲线,依据结果曲线完成运动员训练监测分析工作。
Description
技术领域
本发明涉及训练监测方法技术领域,具体为一种雪车雪橇赛道智能训练监测分析方法。
背景技术
雪车雪橇项目作为冬奥会项目之一,其动作组成主要分为两个部分:首先是“起动助跑阶段”,在该阶段中,运动员需通过蹬地推车(橇)或双手扒冰面进行加速,当达到最快速度时运动员在车橇上保持稳定动作姿态进入第二部分“赛道滑行”阶段;滑行阶段时运动员凭借车橇及自身的重力势能沿着长一千多米、垂直高差121米、包含16个弯道的冰层赛道疾驰冲向终点,其最高时速可达134.4公里/小时,最大加速度4.7g。雪车雪橇运动在不同运动阶段具有明显的运动技能侧重点,由于其属于冬奥“冰道滑降”项目,比赛训练时运动员在赛道中的速度极快,这给教练员对运动员的动作技术监督和指导制造了很多的难点和盲区,同时教练员对运动员全流程赛道滑行中动作优化缺乏***科学的数据支撑,更多的是教练员在赛道局部的某个弯道点位通过Ipad或相机进行单一拍摄分析动作。对于运动员如何精准地调整和优化滑行技术也缺乏更科学指标。
随着时代的发展,将新兴科技与运动训练结合是大势所趋。因此,当下急需一种全程赛道、科学的、智能训练***来辅助雪车、雪橇运动团队准确、定量、高效、全面地开展技术动作测量及分析,通过分析运动员在各个弯道特定动作过程中的运动力学参数,来帮助运动员进行专项动作优化并对其针对性体能训练提供指导建议。但对于雪车雪橇运动员滑行的整条赛道全流程智能化监测训练***还未见报道。基于上述原因,本申请提出一种雪车雪橇赛道智能训练监测分析方法。
发明内容
1、本发明要解决的技术问题
本发明的目的在于提供一种能够智能和高效地开展雪车雪橇运动员全程检测和分析,并以科学定量的技术手段指导运动员提升滑行技术的雪车雪橇赛道智能训练监测分析方法。
2、技术方案
为实现上述目的,本发明提供如下技术方案:
一种雪车雪橇赛道智能训练监测分析方法,包括有以下步骤:
S1、在雪车雪橇赛道全程关键位置设置若干个摄像点,采集对应视频数据,导出赛道滑行视频,读取原始视频文件;
S2、对S1中所读取的原始视频文件进行处理,将其合成连续的滑行视频;
S3、识别原始视频文件,获取雪车、雪橇的像素点,基于像素点分析视频中雪车、雪橇划过的像素轨迹;
S4、利用标定架进行单视图标定,进而获得标定文件;读取标定文件,获取像素点对应的空间尺寸;
S5、根据S3中所得的运动员划过的像素轨迹以及S4中所得的像素点对应的空间尺寸,计算得出运动员的位置速度和加速度;
S6、整合S5中计算所得的速度数据,输出相应的结果曲线,依据结果曲线完成运动员训练监测分析工作。
优选地,所述S2具体包括以下内容:基于视频运动识别、视频裁剪以及视频拼接技术,结合帧间差分法判断雪车、雪橇是否划过现场,当画面无雪车、雪橇时读取序列种下一视频并提取雪车、雪橇画面,一次处理所有视频后得到雪车、雪橇连续滑行视频。
优选地,所述S3具体包括以下内容:
结合帧间差分法和颜色识别算法,判断雪车、雪橇是否划过现场,并识别出雪车、雪橇在图像中对应的像素点,同时使用掩模版排除掉图像中杂点的影响,获取清晰的雪车、雪橇划过的像素轨迹。
3、有益效果
本发明可帮助教练员对运动员在整条赛道的全流程滑行轨迹进行动作分析并优化,以此为依据可寻找得出运动员在赛道滑行的最佳路线从而提高运动员的竞赛成绩。
附图说明
图1为本发明提出的一种雪车雪橇赛道智能训练监测分析方法的流程图;
图2为本发明实施例1中像素点识别示意图;
图3为本发明实施例1中掩模版及单视图标定示意图;
图4为本发明实施例1中位移及速度曲线示意图;
图5为本发明实施例1中运动学分析示意图。
具体实施方式
下面结合附图和具体实施例对本发明提供的一种雪车雪橇赛道智能训练监测分析方法进行详细描述。
同时,在这里做以说明的是,为了使实施例更加详尽,下面的实施例为最佳、优选实施例,对于一些公知技术本领域技术人员也可采用其他替代方式而进行实施;而且附图部分仅是为了更具体的描述实施例,而并不旨在对本发明进行具体的限定。
本发明涵盖任何在本发明的精髓和范围上做的替代、修改、等效方法以及方案。为了使公众对本发明有彻底的了解,在以下本发明优选实施例中详细说明了具体的细节,而对本领域技术人员来说没有这些细节的描述也可以完全理解本发明。另外,为了避免对本发明的实质造成不必要的混淆,并没有详细说明众所周知的方法、过程、流程、元件和电路等。
实施例1:
本发明以延庆国家雪车雪橇中心竞技赛道为例,该赛道全长1975米、竞赛长度1615米,垂直落差121米,直道315米,弯道长度1300米(占总长度的85%),由16个角度、倾斜度都不同的弯道组成。本发明通过在1975米长的赛道周边设置的33个摄像头抓拍运动员在赛道16个弯道及赛道特殊位置的滑行轨迹视频,测出某个弯道或点位运动员的位移、速度和加速度等核心运动学数据,并生成曲线图等相关图标,可与多位运动员的数据进行对比分析,具体包括如下内容。
请参阅图1,一种雪车雪橇赛道智能训练监测分析方法,包括有以下步骤:
S1、在雪车雪橇赛道全程关键位置设置33个摄像点,采集对应视频数据,导出赛道滑行视频,读取原始视频文件;
S2、对S1中所读取的原始视频文件进行处理,将其合成连续的滑行视频;
具体为:
基于视频运动识别、视频裁剪以及视频拼接技术,结合帧间差分法判断雪车、雪橇是否划过现场,当画面无雪车、雪橇时读取序列种下一视频并提取雪车、雪橇画面,一次处理所有视频后得到雪车、雪橇连续滑行视频;
S3、识别原始视频文件,获取雪车、雪橇的像素点(如图2所示),基于像素点分析视频中雪车、雪橇划过的像素轨迹;
具体为:请查阅图2-3,结合帧间差分法和颜色识别算法,判断雪车、雪橇是否划过现场,并识别出雪车、雪橇在图像中对应的像素点,同时使用掩模版排除掉图像中杂点的影响,获取清晰的雪车、雪橇划过的像素轨迹;
S4、利用标定架进行单视图标定,进而获得标定文件;读取标定文件,获取像素点对应的空间尺寸;
S5、根据S3中所得的运动员划过的像素轨迹以及S4中所得的像素点对应的空间尺寸,计算得出运动员的位置速度和加速度(如图4所示);
S6、请查阅图5,整合S5中计算所得的速度数据,输出相应的结果曲线,依据结果曲线完成运动员训练监测分析工作。
以上所述,仅为本发明较佳的具体实施方式,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,根据本发明的技术方案及其改进构思加以等同替换或改变,都应涵盖在本发明的保护范围内。
Claims (3)
1.一种雪车雪橇赛道智能训练监测分析方法,其特征在于,包括有以下步骤:
S1、在雪车雪橇赛道全程关键位置设置若干个摄像点,采集对应视频数据,导出赛道滑行视频,读取原始视频文件;
S2、对S1中所读取的原始视频文件进行处理,将其合成连续的滑行视频;
S3、识别原始视频文件,获取雪车、雪橇的像素点,基于像素点分析视频中雪车、雪橇划过的像素轨迹;
S4、利用标定架进行单视图标定,进而获得标定文件;读取标定文件,获取像素点对应的空间尺寸;
S5、根据S3中所得的运动员划过的像素轨迹以及S4中所得的像素点对应的空间尺寸,计算得出运动员的位置速度和加速度;
S6、整合S5中计算所得的速度数据,输出相应的结果曲线,依据结果曲线完成运动员训练监测分析工作。
2.根据权利要求1所述的一种雪车雪橇赛道智能训练监测分析方法,其特征在于,所述S2具体包括以下内容:基于视频运动识别、视频裁剪以及视频拼接技术,结合帧间差分法判断雪车、雪橇是否划过现场,当画面无雪车、雪橇时读取序列种下一视频并提取雪车、雪橇画面,一次处理所有视频后得到雪车、雪橇连续滑行视频。
3.根据权利要求1所述的一种雪车雪橇赛道智能训练监测分析方法,其特征在于,所述S3具体包括以下内容:
结合帧间差分法和颜色识别算法,判断雪车、雪橇是否划过现场,并识别出雪车、雪橇在图像中对应的像素点,同时使用掩模版排除掉图像中杂点的影响,获取清晰的雪车、雪橇划过的像素轨迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310066676.XA CN116109672A (zh) | 2023-01-13 | 2023-01-13 | 一种雪车雪橇赛道智能训练监测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310066676.XA CN116109672A (zh) | 2023-01-13 | 2023-01-13 | 一种雪车雪橇赛道智能训练监测分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116109672A true CN116109672A (zh) | 2023-05-12 |
Family
ID=86255718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310066676.XA Pending CN116109672A (zh) | 2023-01-13 | 2023-01-13 | 一种雪车雪橇赛道智能训练监测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116109672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315147A (zh) * | 2023-09-25 | 2023-12-29 | 北京理工大学 | 一种基于单相机的雪车雪橇3d轨迹重建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020577A (zh) * | 2011-09-20 | 2013-04-03 | 佳都新太科技股份有限公司 | 一种基于hog特征的运动目标识别方法及*** |
CN109345568A (zh) * | 2018-09-19 | 2019-02-15 | 深圳市赢世体育科技有限公司 | 基于计算机视觉算法的运动场智能化实现方法及*** |
CN113384861A (zh) * | 2021-05-20 | 2021-09-14 | 上海奥视达智能科技有限公司 | 乒乓球训练装置及训练方法、计算机可读存储介质 |
CN114359343A (zh) * | 2021-12-31 | 2022-04-15 | 北京市商汤科技开发有限公司 | 运动轨迹管理方法、装置、设备及计算机可读存储介质 |
CN114679619A (zh) * | 2022-03-18 | 2022-06-28 | 咪咕数字传媒有限公司 | 滑雪比赛信息增强展示方法、***、设备及存储介质 |
CN115375733A (zh) * | 2022-08-24 | 2022-11-22 | 东北大学 | 基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法 |
-
2023
- 2023-01-13 CN CN202310066676.XA patent/CN116109672A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020577A (zh) * | 2011-09-20 | 2013-04-03 | 佳都新太科技股份有限公司 | 一种基于hog特征的运动目标识别方法及*** |
CN109345568A (zh) * | 2018-09-19 | 2019-02-15 | 深圳市赢世体育科技有限公司 | 基于计算机视觉算法的运动场智能化实现方法及*** |
CN113384861A (zh) * | 2021-05-20 | 2021-09-14 | 上海奥视达智能科技有限公司 | 乒乓球训练装置及训练方法、计算机可读存储介质 |
CN114359343A (zh) * | 2021-12-31 | 2022-04-15 | 北京市商汤科技开发有限公司 | 运动轨迹管理方法、装置、设备及计算机可读存储介质 |
CN114679619A (zh) * | 2022-03-18 | 2022-06-28 | 咪咕数字传媒有限公司 | 滑雪比赛信息增强展示方法、***、设备及存储介质 |
CN115375733A (zh) * | 2022-08-24 | 2022-11-22 | 东北大学 | 基于视频和点云数据的雪车雪橇三维滑行轨迹提取方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117315147A (zh) * | 2023-09-25 | 2023-12-29 | 北京理工大学 | 一种基于单相机的雪车雪橇3d轨迹重建方法 |
CN117315147B (zh) * | 2023-09-25 | 2024-05-24 | 北京理工大学 | 一种基于单相机的雪车雪橇3d轨迹重建方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Parmar et al. | What and how well you performed? a multitask learning approach to action quality assessment | |
Lin et al. | Human in events: A large-scale benchmark for human-centric video analysis in complex events | |
CN106853289B (zh) | 基于视频识别的乒乓球发球裁判辅助***检测方法 | |
McNally et al. | Golfdb: A video database for golf swing sequencing | |
CN116109672A (zh) | 一种雪车雪橇赛道智能训练监测分析方法 | |
Conaire et al. | Tennissense: A platform for extracting semantic information from multi-camera tennis data | |
Kim et al. | Applying pose estimation to predict amateur golf swing performance using edge processing | |
CN108986143A (zh) | 一种视频中目标检测跟踪方法 | |
Hammam et al. | Real-time multiple spatiotemporal action localization and prediction approach using deep learning | |
CN114550067A (zh) | 一种体育赛事自动直播与导播方法、装置、设备及存储介质 | |
Štepec et al. | Video-based ski jump style scoring from pose trajectory | |
Sen et al. | Fine-grained soccer actions classification using deep neural network | |
CN113177476A (zh) | 一种立定跳远脚后跟关键点的识别方法、***及测试方法 | |
Martin et al. | Sports video: Fine-grained action detection and classification of table tennis strokes from videos for mediaeval 2021 | |
Woinoski et al. | Swimmer stroke rate estimation from overhead race video | |
Barbosa et al. | Classification of Taekwondo Techniques using Deep Learning Methods: First Insights. | |
CN116758459A (zh) | 一种用于羽毛球比赛的实时分析***及方法 | |
CN116385496A (zh) | 一种基于图像处理的游泳运动实时测速方法及*** | |
Zwölfer et al. | Improved 2D Keypoint Detection in Out-of-Balance and Fall Situations--combining input rotations and a kinematic model | |
CN114302234B (zh) | 一种空中技巧快速包装方法 | |
CN117315147B (zh) | 一种基于单相机的雪车雪橇3d轨迹重建方法 | |
Nelikanti et al. | An optimization based deep lstm predictive analysis for decision making in cricket | |
Dunnhofer et al. | Visualizing Skiers' Trajectories in Monocular Videos | |
CN110969133B (zh) | 一种乒乓球比赛视频的智能数据采集方法 | |
Whitlock et al. | Understanding activity segmentation for multi-sport competitions |
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 |