网球影像智能化协助训练与竞赛分析.pdf
《网球影像智能化协助训练与竞赛分析.pdf》由会员分享,可在线阅读,更多相关《网球影像智能化协助训练与竞赛分析.pdf(6页珍藏版)》请在咨信网上搜索。
1、第36卷第2期2023年6月Vol.36 No.2Jun.2023闽南师范大学学报(自然科学版)Journal of Minnan Normal University(Natural Science)网球影像智能化协助训练与竞赛分析巫文佳1,任凌飞2,黄少武3,杨文元2(1.闽南师范大学体育学院,福建 漳州 363000;2.闽南师范大学粒计算重点实验室,福建 漳州 363000;3.圣保罗大学研究生院,菲律宾卡加延省 土格加劳市 3500)摘要:传统网球训练中存在训练效果难以快速量化分析,以及基于深度学习网络的图像分析技术面临着硬件性能和速度效率等问题.为此,提出一种结构重新参数化策略,基于
2、编码器-解码器构建智能分析系统,通过深度学习技术实现网球图像处理和视频跟踪,提高网球运动轨迹识别准确性和速度.为网球训练和竞赛协作训练中的教练和选手提供精准的数据分析参考.关键词:网球运动;人工智能;计算机视觉;深度学习;辅助训练中图分类号:G8;TP391.4 文献标志码:A 文章编号:2095-7122(2023)02-0120-06Intelligent assistance for training and competition analysis in tennisbased on computer visionWU Wenjia1,REN Lingfei2,HUANG Shaowu
3、3,YUAN Wenyuan2(1.School of Physical Education,Minnan Normal University,Zhangzhou,Fujian 363000,China;2.Fujian Key Laboratory of Granular Computing and Application,Minnan Normal University,Zhangzhou,Fujian 363000,China;3.Graduate School,Saint Paul University,Tuguegarao City,Cagayan Province 3500,Phi
4、lippines)Abstract:Traditional tennis training faces challenges in quickly quantifying training effects,and image analysis technology based on deep learning networks faces issues such as hardware performance and speed efficiency.This paper proposes a structure reparameterization strategy,which builds
5、 an intelligent analysis system based on an encoder-decoder framework,and uses deep learning technology to achieve tennis image processing and video tracking,improving the accuracy and speed of tennis trajectory recognition.The strategy provides coaches and players in tennis training and competition
6、 with accurate data analysis reference.Key words:tennis sport;artificial intelligence;computer vision;deep learning;assisted training随着人们生活质量的提高和对运动健康的重视,网球作为一项受欢迎的运动项目逐渐受到关注.现代科技在体育运动发展中运用广泛,随着人工智能和影像分析技术的发展,研究者探索将这些技术应用于网球训练和竞赛协训中.现代网球运动起源于19世纪末期的英国,称为草地网球,是一项在草地上进行的户外运动.1859年,英国毛顿小镇举办了第一场室外的网球比赛,
7、1868年,英国莱姆霍斯特举办了第一场正式的草地网球比赛1.20世纪初,网球开始在全球传播,成为一项受欢迎的体育运动2.如今,网球已经成为国际奥委会认可收稿日期:2023-04-18基金项目:福建省自然科学基金项目(2020J01821)作者简介:巫文佳(1980),男,福建漳浦人,副教授.巫文佳,等:网球影像智能化协助训练与竞赛分析第2期的正式比赛项目之一,网球运动中最具影响力的比赛是四大满贯锦标赛,分别是澳大利亚公开赛、法国网球公开赛、温布尔顿网球锦标赛和美国网球公开赛3.现在,网球已经成为一项世界性的运动,得到广泛地普及和推广.它不仅是一项竞技运动,也是一项健康的休闲活动,被越来越多的人
8、所喜爱和参与.高校开设网球运动课程对个人和社会都具有重要意义4.在个人层面,网球运动可以提高大球员身体素质、锻炼反应能力、增强耐力和协调性,培养球员的自信心和团队精神;在社会层面,网球运动可以促进社交和交流,增强人际关系和团队合作能力,同时也可以推动体育事业的发展和促进社会和谐.然而,传统训练方式教练难以全面掌握学员的技术水平和动作规范,训练效果难以量化和评估等.同时,在网球竞赛中裁判员的主观判断和误判等.这些问题影响了网球运动的普及和发展.现代科技在体育运动发展中运用广泛,为各项体育项目的发展提供了科学的理论和技术支撑5.近年来,随着人工智能和影像分析技术的发展,越来越多的工作者开始探索将这
9、些技术应用于网球训练和竞赛协训中.网球影像智能竞赛协训系统是一种新型的训练方式,通过分析运动员的网球动作,提供个性化的训练方案,帮助运动员提高技术水平和竞技能力;同时,通过分析比赛过程中的影像数据,提供客观的裁判判定结果,提高比赛公正性和公信力.因此,基于人工智能和影像分析技术的网球影像智能训练与竞赛协训系统具有重要意义和应用价值6.1 网球影像分析国内外工作现状在网球影像分析技术方面,国内外研究者主要集中在使用计算机视觉和图像处理技术来实现网球影像的分析和识别,视频跟踪技术在体育比赛分析中的应用引起关注,并应用于网球等体育项目,使用基于深度学习的方法从比赛视频中提取大量数据进行分析6.在网球
10、比赛中,深度学习物体跟踪方法可以准确地捕捉网球的位置和轨迹.这些数据对于运动员和教练非常重要,因为它们为分析运动员的表现提供了强有力的基础,通过分析比赛中球或球员的位置可以获得重要信息7.这些数据可以用于优化训练方法或分析对手,在职业网球运动员和教练中至关重要.网球相对场地而言是很小的目标.小目标的识别8、检测9和跟踪10是一个较难的课题,有一些学者针对这个课题开展了很好的分析和应用11-12.使用卷积神经网络(CNN)从网球比赛视频中获取信息已经成为小目标跟踪的工作重点,取得了令人满意的表现10.VGG13是一种经典的CNN,在计算机视觉领域取得了显著的成功.构建基于VGG结构模型上有许多创
11、新,如GoogLeNet14和InceptionNet15采用了多分支架构.ResNet16提出了残差模块来解决深度神经网络中的梯度爆炸和梯度消失等问题.Huang等17提出了TrackNet,使用单一分支VGG网络作为特征提取器从热图中获取球的位置信息.Voeikov等提出了TTnet,展示了VGG风格的编码器在几乎所有指标上具有更好的性能,同时具有更短的推断时间.同时提供了时间和空间数据,并且这种数据关联策略显著提高了跟踪性能.然而,在实际应用中,深度学习网络需要考虑性能和效率,包括推断效率、训练效率和数据效率.要实现这些目标,需要考虑两个主要方面:网络结构和数据规模.网球跟踪网络的部署仍
12、面临着几个挑战.当前基于CNN的网络通常利用神经架构搜索,需要大量的人力或处理能力才能产生性能更高的ConvNets.特别地,以速度为代价来提高性能使得将跟踪网络部署到移动和边缘设备变得困难.此外,网球场、摄像机位置、天气和其他环境条件等各种因素会影响视频,使得模型难以泛化.为了解决这些问题,提出了一种基于基于剪枝VGG的重参化网络,用于从网球比赛视频中跟踪网球.采用结构重参化策略,并基于编码器-解码器架构有机地改进.同时,引入网络剪枝方法,以减少不必要的卷积层和通道.在不增加网络大小的前提下,结构重新参数化可以赋予网络残差连接的特性.1212023年闽南师范大学学报(自然科学版)2 网球影像
13、智能化内容本节基于人工智能和影像分析技术,设计并实现一种网球影像智能竞赛协训系统,网球影像智能化协助训练与竞赛体系,如图1所示,包括以下三个方面:1)设计网球运动的重参化深度学习图像处理网络,输入网球视频帧图像,送入经过修剪的基于VGG的编解码器模型中提取特征,经过重参化卷积训练模块和重参化预测模块得到热图,使用高斯分布来表示网球图像的直径,使用霍夫梯度方法在黑白二进制热图上找到网球的位置.2)分析重参化深度学习图像处理技术网络技术结果,得到动员的网球击球的姿势、身体动作等特征,通过使用重参化深度学习技术,不仅可以提高实时性和准确度,还可以节省计算和存储资源.3)探究视频跟踪技术在网球竞赛协作
14、训练中的应用.使用视频跟踪技术来实时跟踪球员的身体姿态、球的运动轨迹等,从而给出针对性的训练建议和指导.此外,还可以通过视频跟踪技术来记录比赛场上的演示和精彩瞬间,以便于后续的分析和应用.图1 网球影像智能化协助训练与竞赛体系Fig.1 Intelligent tennis video assistance training and competition system122巫文佳,等:网球影像智能化协助训练与竞赛分析第2期图2 红土数据集训练100个epochs的结果Fig.2 Results of training the red clay dataset for 100 epochs创新
15、点是基于深度学习的影像智能化辅助网球训练竞赛进行分析和探索,将人工智能与网球运动实践相结合,实现训练目标,提高学员能力,并以实践案例为基础进行比较分析,评价训练效果和提出改进建议.这将有助于训练的创新,促进球员成长成才,为实现优质网球人才培养做出贡献.网球影像智能化重参化轨迹预测的深度学习结构,如图1上部分所示.首先,将网球比赛视频帧送入经过修剪的基于VGG风格的编解码器模型中.从帧中提取特征,然后通过一系列上采样和反卷积操作将其转换为热图.基于VGG-16和反卷积网络,使用修剪方法来减少冗余层和通道.其次,在训练和测试时间设计了一个多分支网络和一个普通网络.在训练时,在每个层中添加由11卷积
- 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:
- 网球 影像 智能化 协助 训练 竞赛 分析
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。