本文主要是介绍精准分析 公平裁定 科学训练 | 机器视觉与竞技体育的完美融合,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
当人类不断超越自身速度与技巧极限,体育裁判已无法用肉眼去判定事实结果的时候,会出现误判导致体育的公平性受到侵犯。基于机器视觉技术的裁判辅助系统和电子裁判应势而生。如今机器视觉已应用于绝大多数体育运动的训练分析和赛事评定中。基于摄像头和机器视觉算法采集视频、分析运动数据为运动员教练提供比赛或训练的数据,为赛事裁判提供判定的依据,为体育行业提供可靠真实的数据。
精准分析/公平裁定/科学训练
机器视觉在体育领域的多方位应用
区别于人脸识别、交通违章等场景中的机器视觉技术,运动场景中的机器视觉需要更复杂、推理结果更准确的算法,一般深度学习算法给出的是置信结果,而运动场景中需要算法给出准确和确定的结果。
运动视觉技术主要进行动作规范性分析和运动数据分析。
一方面,在体育竞赛中,通过高速摄像机的运动画面捕捉,可分析运动员的肢体状态,实时监督运动员是否遵守赛事规则,动作是否规范,最终实现竞技体育公平公正的评定结果。
另一方面,机器视觉算法能根据运动过程数据分析运动员的技术、体能和生理机能等数据,给出针对性的提高成绩的运动处方,同时算法也为关键动作提供截图和数据分析。如掷球运动中球的出手角度、出手速度、飞行时间、飞行高度;跳远运动中的起跳角度、腾空时间、摆臂幅度,腾空高度、落地重心等。这些数据生成的报告,结合运动生理学,能指出运动员哪些地方是需要加强锻炼的,进而给出运动处方指导运动员进行有针对性的薄弱环节训练,不断完善动作,提高体育成绩。
应用
01 网球及羽毛球边线裁定
通过相机采集边线图像,和对球体的跟踪,对球在边线上的着陆点进行判定。球类不同对相机的采集速度要求也各不相同;场地的大小不同相对应的相机分辨率要求也有所不同。通过采集的图像信息进行图像处理与计算,最后可以准确地给予判定球是否在边线内或外或者是线上。
02 足球数据分析
多台相机分布对整个足球场进行360°的全方位采集,使得在球场里的任何信息都可以转化为图像信息,通过专业软件对这些图像或视频流进行分析,得到一场足球比赛里每个运动员的跑动距离,触球次数,传球的成功率,整个球队的控球率,在某些区域里的具体数据,及射门、越位等的数据汇总,最终得出一场比赛里两支球队的各项数据。
03 台球路线跟踪分析
随着台球运动在世界范围内升温,为了迎合台球在电视转播的需要,一些公司采用了机器视觉技术对台球比赛现场转播进行了升级。使得观众在收看台球比赛的过程中,更能感受到趣味性,可以从更专业更直观的角度去欣赏比赛,领略台球的魅力。
这篇关于精准分析 公平裁定 科学训练 | 机器视觉与竞技体育的完美融合的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!