体育赛事中视频智能识别技术的实现_马丽.pdf
《体育赛事中视频智能识别技术的实现_马丽.pdf》由会员分享,可在线阅读,更多相关《体育赛事中视频智能识别技术的实现_马丽.pdf(4页珍藏版)》请在咨信网上搜索。
1、 ,研究与设计微型电脑应用 年第 卷第期作者简介:马丽(),女,本科,副教授,研究方向为体育教育与健康;刘晓磊(),男,本科,副教授,研究方向为体育教学与训练。文章编号:()体育赛事中视频智能识别技术的实现马丽,刘晓磊(巴音郭楞职业技术学院,新疆,库尔勒 )摘要:以网球视频裁判系统为个案,针对体育赛事智能视频系统提出一种新型开发思路。使用深度卷积神经网络算法,对赛场视频系统获得的图像信息进行深度卷积处理,全新搭建赛场三维动态模型,而非直接利用视频数据的倾斜摄影建模技术进行体育赛事的赛场动态建模。仿真分析中,该系统将传统系统 的判罚失误率压缩到 ,裁判员对传统系统的主观评价为 分,低于该系统的
2、分。最终认为该系统开发模式具有一定的推广价值。关键词:体育赛事;深度卷积神经网络;视频裁判系统;赛场建模中图分类号:文献标志码:,(,):,:;引言当前体育赛事中,田径、游泳及诸多冰上项目,各种球类项目等,均涉及到视频智能裁判技术。特别是球类运动中,判断球与各标线之间的关系是视频智能识别技术的重要应用,如网球的界内球和界外球的判断等。以网球界内球界外球判断技术为例,早期通过在标线处布置专用摄像机配合逐帧回放技术辅助界内球界外球的判断,后来通过多角度摄像机构建现场动态 模型的技术对关键球进行判断。全景图像虽然可以构建三维动态图像,但因为其信息量过大,容易带来干扰因素。所以,该研究以网球为例,拟在
3、体育赛事视频智能识别技术中研究球控件提取技术,直接构建高清晰的只有球网标线的三维实时动态模型。该模型不但可以有效判断界内球、界外球、擦网球,还可以捕捉球的动态矢量信息,有助于全程分析运动员的技术参数。视频裁判系统的数据源情况对外直播的大型体育赛事,每个场地一般布置台解析度为的移动视角 帧秒的摄影设备。如果接入时钟同步控制器,则可以应用于视频裁判系统,且当前大部分视频裁判系统均接入该信号。同时,视频裁判系统的主体数据来源为台解析率 帧秒的高速摄影设备。所有接入视频裁判系统的视频信息均接入时钟同步控制器,避免因为所有设备快门不同步带来的三维模型成像差异。该研究中设计的视频裁判系统与早期系统的差异性
4、对比如图所示。图中,早期系统往往需要构建组三维动画模型,分别为解析度为的高清摄像资料构建的低帧速三维动画;解析度为的高速摄像资料构建的高帧速三维动画。前者主要用于直播过程中的三维展示功能作为视频裁判的辅助数据,后者主要用于现场的视频裁判作为主要数据。在没有赛事直播需求时,也可单独使用高速摄影系统实现现场视频裁判功能。该研究设计的新系统与传统系统相比,主要有以下个创新点。第一,强化 环节,判断球网与球的状态,在三维模型内仅构建球网与球的实时状态,而不考虑选手、球拍及其他现场要素的状态。早期系统之所以需要使用低帧速高清摄影机作为辅助,是因为现场视频图像受到复杂色块的影响,会对建模过程产生干扰。年德
5、甲比赛中,出现过系统判断错误且将错误面向全球直播的 事故。而新系统通过 ,研究与设计微型电脑应用 年第 卷第期图该系统与早期系统的差异加强数据分析环节,将视频信息中的无关信息全部剔除,形成高可靠的赛场态势感知功能。第二,单独设计三维建模系统,而非采用通用视频信息三维建模软件进行三维建模,使系统针对性和专用性更强。如针对网球视频裁判开发专用系统,该系统与足球、篮球、排球、羽毛球等其他球类赛事视频裁判分开设计并独立完成神经网络训练过程。第三,该系统的核心算法并非根据视频信息构建,而是根据高速视频信息利用组相互独立的神经网络判断球和网的状态,最终再根据球的最大概率重心点和网的最大概率边界线完成模型搭
6、建。网球视频裁判系统的数据构成与数据卷积模式从算法逻辑角度分析,以网球球体重心概率判断过程为例,其概率判断过程应考虑多个概率的叠加,如:球场内部上空一定高度内概率较高,而球场外概率降低,看台等区域概率 最 低;不 同 标 准 下,网 球 直 径 约 至 ,满足这一条件的物体为网球球体的概率较高,过大或过小的直径为网球球体的概率较低;在扣杀时网球速度最 大 约 ,部 分 技 术 球 速 度 可 能 低 于 ,但过高与过低速度的物体,为网球球体的概率较低;网球移动轨迹符合经典力学基本规律,特别是符合热力学第一定律,不符合网球移动轨迹特征的物体,为网球球体的概率较低;同一时刻可能存在场地边缘的落地网
7、球和球童之间的传递网球,但需要系统做出判断的网球球体有且只有一个,超出该数量的球体即便为网球实体,其作为裁判观察球体的概率较低。即如果不使用深度卷积神经网络,则需要引入决策矩阵对上述所有概率特征进行加权判断分析,这种算法的复杂度超出了当前决策矩阵算法的算力能力。如果采用深度卷积神经网络,将现场最高个解析度高速摄影机的多通道数据进行深度卷积,最终形成球体重心的最大概率点以及球网的高密度网格点。因为深度卷积神经网络的统计学意义是根据不完备数据将不确定逻辑过程存储在神经网络节点内的待回归系数内,所以足够复杂的深度卷积网络是解决该问题的破局关键。上述神经网络的结构如图所示。图网球视频裁判神经网络逻辑结
8、构图中,每台摄影机每帧数据均由个通道构成,每个通道每帧包含 个双通道浮点型变量,即三通道合计数据为 个双通道浮点型变量,台摄影机单通道数据量为 个双通道浮点型变量,台摄影机三通道合计数据量为 个双通道浮点型变量。为实现前文中设定的对球体移动物理规律的捕捉,该系统同时观察包含当前帧数据和前推帧数据在内共帧数据,文中个单通道卷积模块的输入节点量为台摄影机单通道帧数据,输入节点量为 个节点,个中央卷积模块输入节点量为台摄影机三通道帧数据,输入节点量为 个节点。单通道卷积模块的统计学意义是将台摄影机帧单通道数据卷积到输出层 个节点,中央卷积模块的统计学意义是将台摄影机帧三通道数据卷积到输出层 个节点。
9、采用个模块对上述个卷积模块输出数据进行二次卷积,其中,个单通道卷积模块的输出数据共 个卷积为球体重心的三维直角坐标系个坐标值,上述个卷积模块输出的合计 个节点,输出为一个 节点的三维坐标系矩阵,共 个输出节点。网球视频裁判系统的具体模块设计 卷积神经网络模块的设计从图可知,本文神经网络设计中共用到个卷积模块,其中单通道卷积模块个,三通道卷积模块个,均为对台摄影机帧数据的深度卷积,其数据输入量达到 个,输出节点为 个。具体参数如表所示。,研究与设计微型电脑应用 年第 卷第期表卷积神经网络模块的具体参数比较项目单通道卷积模块中央卷积模块输入层节点数 输出层节点数 隐藏层层数 总节点量 节点函数多项
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 体育赛事 视频 智能 识别 技术 实现 马丽
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。