【技術(shù)實(shí)現(xiàn)步驟摘要】
本專(zhuān)利技術(shù)涉及動(dòng)作識(shí)別，尤其涉及基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法及系統(tǒng)。
技術(shù)介紹
1、動(dòng)作識(shí)別
是一個(gè)利用計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)和圖像處理技術(shù)來(lái)識(shí)別和分析人類(lèi)動(dòng)作的領(lǐng)域。動(dòng)作識(shí)別技術(shù)能夠通過(guò)分析視頻或?qū)崟r(shí)圖像數(shù)據(jù)來(lái)識(shí)別特定的人體動(dòng)作和行為模式。這項(xiàng)技術(shù)廣泛應(yīng)用于多個(gè)領(lǐng)域，包括安全監(jiān)控、人機(jī)交互、體育分析和醫(yī)療康復(fù)。
2、其中，基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法是一種應(yīng)用于體育比賽中，特別是籃球和足球等，用于自動(dòng)識(shí)別和判定運(yùn)球時(shí)是否存在犯規(guī)動(dòng)作的技術(shù)手段。其目的是提高比賽的公正性和準(zhǔn)確性，通過(guò)減少人為判斷錯(cuò)誤來(lái)提升比賽質(zhì)量。旨在通過(guò)自動(dòng)化手段快速、準(zhǔn)確地識(shí)別運(yùn)球中的非法接觸、雙手運(yùn)球、腳步錯(cuò)誤等犯規(guī)行為，從而達(dá)到提高裁判判斷效率的目的。
3、傳統(tǒng)方法在處理動(dòng)作判定時(shí)缺乏對(duì)比賽環(huán)境和動(dòng)作上下文的綜合分析，導(dǎo)致無(wú)法全面理解比賽強(qiáng)度和球員之間的互動(dòng)作用。缺少動(dòng)態(tài)調(diào)整視頻捕獲幀率的能力，以及在視頻數(shù)據(jù)整合方面的技術(shù)支持，導(dǎo)致動(dòng)作捕捉的不完整和視角的局限性。未能有效利用深度學(xué)習(xí)模型分析動(dòng)作序列，限制了對(duì)復(fù)雜動(dòng)作特征的提取和識(shí)別能力。傳統(tǒng)方法在動(dòng)作模式的時(shí)間序列分析上缺乏靈活性，難以區(qū)分正常與異常動(dòng)作，影響了判定的準(zhǔn)確性。缺乏有效的模型優(yōu)化和更新機(jī)制，使得難以適應(yīng)新的數(shù)據(jù)模式，限制了其長(zhǎng)期應(yīng)用的效能和適應(yīng)性。導(dǎo)致了傳統(tǒng)方法在實(shí)際操作中的局限，影響了動(dòng)作判定的效率和準(zhǔn)確率。
技術(shù)實(shí)現(xiàn)思路
1、本專(zhuān)利技術(shù)的目的是解決現(xiàn)有技術(shù)中存在的缺點(diǎn)，而提出的基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法
2、為了實(shí)現(xiàn)上述目的，本專(zhuān)利技術(shù)采用了如下技術(shù)方案：基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，包括以下步驟：
3、s1：基于比賽場(chǎng)景數(shù)據(jù)，采用隨機(jī)森林算法，對(duì)球員位置、運(yùn)動(dòng)速度和比賽階段數(shù)據(jù)進(jìn)行分類(lèi)，分析比賽強(qiáng)度和球員之間的關(guān)鍵作用，構(gòu)建環(huán)境和動(dòng)作的分析模型，生成環(huán)境與上下文分析記錄；
4、s2：基于所述環(huán)境與上下文分析記錄，運(yùn)用幀率轉(zhuǎn)換算法，分析當(dāng)前場(chǎng)景下的運(yùn)動(dòng)強(qiáng)度和動(dòng)作頻率，自動(dòng)調(diào)整視頻捕獲的幀率，并匹配動(dòng)作的速度變化，生成調(diào)整后的視頻數(shù)據(jù)；
5、s3：基于所述調(diào)整后的視頻數(shù)據(jù)，采用圖像拼接算法和三維重建模型，對(duì)多個(gè)攝像頭的視頻幀進(jìn)行時(shí)間同步和空間校正，建立無(wú)縫視圖并提供動(dòng)作場(chǎng)景，生成全景動(dòng)作視圖；
6、s4：基于所述全景動(dòng)作視圖，利用時(shí)空?qǐng)D卷積網(wǎng)絡(luò)模型，將運(yùn)動(dòng)序列轉(zhuǎn)換為圖結(jié)構(gòu)，分析節(jié)點(diǎn)間的空間關(guān)系和邊的時(shí)間連續(xù)性，對(duì)動(dòng)作序列進(jìn)行深度學(xué)習(xí)，并提取關(guān)鍵動(dòng)作特征，生成時(shí)空特征分析結(jié)果；
7、s5：基于所述時(shí)空特征分析結(jié)果，采用動(dòng)態(tài)時(shí)間彎曲算法，對(duì)比差異化時(shí)間序列中的動(dòng)作模式，通過(guò)時(shí)間軸的非線性調(diào)整匹配關(guān)聯(lián)動(dòng)作，識(shí)別標(biāo)準(zhǔn)動(dòng)作與異常動(dòng)作的差異，生成相似度分析結(jié)果；
8、s6：基于所述相似度分析結(jié)果，結(jié)合所述環(huán)境與上下文分析記錄，使用貝葉斯網(wǎng)絡(luò)模型，根據(jù)已有動(dòng)作特征和環(huán)境因素，計(jì)算目標(biāo)動(dòng)作構(gòu)成犯規(guī)的概率值，生成犯規(guī)概率評(píng)估記錄；
9、s7：基于所述犯規(guī)概率評(píng)估記錄，采用在線學(xué)習(xí)算法，分析模型在應(yīng)用中的表現(xiàn)，并根據(jù)反饋數(shù)據(jù)調(diào)整算法參數(shù)，優(yōu)化模型結(jié)構(gòu)，并匹配至新的數(shù)據(jù)模式，生成優(yōu)化后的判定模型。
10、作為本專(zhuān)利技術(shù)的進(jìn)一步方案，所述環(huán)境與上下文分析記錄包括球員位置坐標(biāo)、球員運(yùn)動(dòng)速度和平均速度、比賽階段、球員間交互頻率和強(qiáng)度指標(biāo)，所述調(diào)整后的視頻數(shù)據(jù)包括調(diào)整的幀率信息、對(duì)應(yīng)的時(shí)間戳、每幀的分辨率、動(dòng)作捕捉的關(guān)鍵幀標(biāo)識(shí)，所述全景動(dòng)作視圖包括從差異角度拼接而成的全方位視圖、每個(gè)角度視圖對(duì)應(yīng)的空間校正參數(shù)、三維重建生成的動(dòng)作深度圖，所述時(shí)空特征分析結(jié)果包括動(dòng)作序列的節(jié)點(diǎn)連接圖、每個(gè)節(jié)點(diǎn)的空間位置參數(shù)、動(dòng)作序列的時(shí)間延續(xù)性指標(biāo)、關(guān)鍵動(dòng)作特征的向量表示，所述相似度分析結(jié)果包括標(biāo)準(zhǔn)動(dòng)作與觀測(cè)動(dòng)作的時(shí)間序列匹配度、非線性時(shí)間調(diào)整后的關(guān)聯(lián)度評(píng)分、異常動(dòng)作的差異特征標(biāo)識(shí)，所述犯規(guī)概率評(píng)估記錄包括目標(biāo)動(dòng)作的犯規(guī)概率值、關(guān)聯(lián)環(huán)境因素和動(dòng)作特征的權(quán)重參數(shù)、概率計(jì)算的置信區(qū)間。
11、作為本專(zhuān)利技術(shù)的進(jìn)一步方案，基于比賽場(chǎng)景數(shù)據(jù)，采用隨機(jī)森林算法，對(duì)球員位置、運(yùn)動(dòng)速度和比賽階段數(shù)據(jù)進(jìn)行分類(lèi)，分析比賽強(qiáng)度和球員之間的關(guān)鍵作用，構(gòu)建環(huán)境和動(dòng)作的分析模型，生成環(huán)境與上下文分析記錄的步驟具體為：
12、s101：基于比賽場(chǎng)景數(shù)據(jù)，采用隨機(jī)森林算法，對(duì)球員位置、運(yùn)動(dòng)速度和比賽階段數(shù)據(jù)進(jìn)行分析，識(shí)別關(guān)鍵影響因素，并對(duì)因素進(jìn)行關(guān)鍵性排序，生成關(guān)鍵特征數(shù)據(jù)集；
13、s102：基于所述關(guān)鍵特征數(shù)據(jù)集，應(yīng)用k均值聚類(lèi)算法，根據(jù)關(guān)聯(lián)性對(duì)球員的運(yùn)動(dòng)模式和互動(dòng)行為進(jìn)行分組，識(shí)別比賽中的關(guān)鍵動(dòng)態(tài)和球員間的交互模式，生成分組后的互動(dòng)集；
14、s103：基于所述分組后的互動(dòng)集，利用主成分分析，結(jié)合球員位置、速度、比賽階段和球員間的互動(dòng)，建立環(huán)境和動(dòng)作的分析模型，生成環(huán)境與上下文分析記錄。
15、作為本專(zhuān)利技術(shù)的進(jìn)一步方案，基于所述環(huán)境與上下文分析記錄，運(yùn)用幀率轉(zhuǎn)換算法，分析當(dāng)前場(chǎng)景下的運(yùn)動(dòng)強(qiáng)度和動(dòng)作頻率，自動(dòng)調(diào)整視頻捕獲的幀率，并匹配動(dòng)作的速度變化，生成調(diào)整后的視頻數(shù)據(jù)的步驟具體為：
16、s201：基于所述環(huán)境與上下文分析記錄，采用幀率轉(zhuǎn)換算法，根據(jù)運(yùn)動(dòng)強(qiáng)度和動(dòng)作頻率的實(shí)時(shí)分析，自動(dòng)調(diào)整視頻幀率，并匹配當(dāng)前場(chǎng)景的動(dòng)作速度變化，生成幀率調(diào)整策略；
17、s202：基于所述幀率調(diào)整策略，使用自適應(yīng)流控制技術(shù)，根據(jù)實(shí)時(shí)場(chǎng)景的需求調(diào)整視頻捕獲的幀率，并驗(yàn)證捕捉的關(guān)鍵動(dòng)作與場(chǎng)景變化匹配性，生成場(chǎng)景視頻數(shù)據(jù)集；
18、s203：基于所述場(chǎng)景視頻數(shù)據(jù)集，采用h.265視頻編碼技術(shù)，對(duì)視頻數(shù)據(jù)進(jìn)行壓縮處理，優(yōu)化文件大小并保留動(dòng)作細(xì)節(jié)，生成調(diào)整后的視頻數(shù)據(jù)。
19、作為本專(zhuān)利技術(shù)的進(jìn)一步方案，基于所述調(diào)整后的視頻數(shù)據(jù)，采用圖像拼接算法和三維重建模型，對(duì)多個(gè)攝像頭的視頻幀進(jìn)行時(shí)間同步和空間校正，建立無(wú)縫視圖并提供動(dòng)作場(chǎng)景，生成全景動(dòng)作視圖的步驟具體為：
20、s301：基于所述調(diào)整后的視頻數(shù)據(jù)，采用尺度不變特征轉(zhuǎn)換算法，對(duì)每幀圖像進(jìn)行特征點(diǎn)的檢測(cè)和表示，應(yīng)用隨機(jī)抽樣一致性算法，對(duì)特征點(diǎn)進(jìn)行匹配和優(yōu)化，去除非匹配點(diǎn)，生成優(yōu)化后的視頻幀集；
21、s302：基于所述優(yōu)化后的視頻幀集，利用視覺(jué)slam技術(shù)，對(duì)匹配的特征點(diǎn)重建場(chǎng)景的三維模型，通過(guò)序列化圖像的關(guān)鍵幀提取和運(yùn)動(dòng)估計(jì)，構(gòu)建三維點(diǎn)云表示，生成三維重建場(chǎng)景模型；
22、s303：基于所述三維重建場(chǎng)景模型，采用泊松圖像編輯，對(duì)多角度重建的三維模型進(jìn)行整合，進(jìn)行場(chǎng)景無(wú)縫銜接和視角統(tǒng)一，生成全景動(dòng)作視圖。
23、作為本專(zhuān)利技術(shù)的進(jìn)一步方案，基于所述全景動(dòng)作視圖，利用時(shí)空?qǐng)D卷積網(wǎng)絡(luò)模型，將運(yùn)動(dòng)序列轉(zhuǎn)換為圖結(jié)構(gòu)，分析節(jié)點(diǎn)間的空間關(guān)系和邊的時(shí)間連續(xù)性，對(duì)動(dòng)作序列進(jìn)行深度學(xué)習(xí)，并提取關(guān)鍵動(dòng)作特征，生成時(shí)空特征分析結(jié)果的步驟具體為：
24、s401：基于所述全景動(dòng)作視圖，運(yùn)用圖像分割技術(shù)確定動(dòng)作關(guān)鍵區(qū)域，利用關(guān)鍵點(diǎn)檢測(cè)算法，標(biāo)定動(dòng)作關(guān)鍵位置本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，所述環(huán)境與上下文分析記錄包括球員位置坐標(biāo)、球員運(yùn)動(dòng)速度和平均速度、比賽階段、球員間交互頻率和強(qiáng)度指標(biāo)，所述調(diào)整后的視頻數(shù)據(jù)包括調(diào)整的幀率信息、對(duì)應(yīng)的時(shí)間戳、每幀的分辨率、動(dòng)作捕捉的關(guān)鍵幀標(biāo)識(shí)，所述全景動(dòng)作視圖包括從差異角度拼接而成的全方位視圖、每個(gè)角度視圖對(duì)應(yīng)的空間校正參數(shù)、三維重建生成的動(dòng)作深度圖，所述時(shí)空特征分析結(jié)果包括動(dòng)作序列的節(jié)點(diǎn)連接圖、每個(gè)節(jié)點(diǎn)的空間位置參數(shù)、動(dòng)作序列的時(shí)間延續(xù)性指標(biāo)、關(guān)鍵動(dòng)作特征的向量表示，所述相似度分析結(jié)果包括標(biāo)準(zhǔn)動(dòng)作與觀測(cè)動(dòng)作的時(shí)間序列匹配度、非線性時(shí)間調(diào)整后的關(guān)聯(lián)度評(píng)分、異常動(dòng)作的差異特征標(biāo)識(shí)，所述犯規(guī)概率評(píng)估記錄包括目標(biāo)動(dòng)作的犯規(guī)概率值、關(guān)聯(lián)環(huán)境因素和動(dòng)作特征的權(quán)重參數(shù)、概率計(jì)算的置信區(qū)間。
3.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于比賽場(chǎng)景數(shù)據(jù)，采用隨機(jī)森林算法，對(duì)球員位置、運(yùn)動(dòng)速度和比賽階段數(shù)據(jù)進(jìn)行分類(lèi)，分析比賽強(qiáng)度和球員之間的關(guān)鍵作用，構(gòu)建環(huán)境和動(dòng)作的分析
4.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述環(huán)境與上下文分析記錄，運(yùn)用幀率轉(zhuǎn)換算法，分析當(dāng)前場(chǎng)景下的運(yùn)動(dòng)強(qiáng)度和動(dòng)作頻率，自動(dòng)調(diào)整視頻捕獲的幀率，并匹配動(dòng)作的速度變化，生成調(diào)整后的視頻數(shù)據(jù)的步驟具體為：
5.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述調(diào)整后的視頻數(shù)據(jù)，采用圖像拼接算法和三維重建模型，對(duì)多個(gè)攝像頭的視頻幀進(jìn)行時(shí)間同步和空間校正，建立無(wú)縫視圖并提供動(dòng)作場(chǎng)景，生成全景動(dòng)作視圖的步驟具體為：
6.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述全景動(dòng)作視圖，利用時(shí)空?qǐng)D卷積網(wǎng)絡(luò)模型，將運(yùn)動(dòng)序列轉(zhuǎn)換為圖結(jié)構(gòu)，分析節(jié)點(diǎn)間的空間關(guān)系和邊的時(shí)間連續(xù)性，對(duì)動(dòng)作序列進(jìn)行深度學(xué)習(xí)，并提取關(guān)鍵動(dòng)作特征，生成時(shí)空特征分析結(jié)果的步驟具體為：
7.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述時(shí)空特征分析結(jié)果，采用動(dòng)態(tài)時(shí)間彎曲算法，對(duì)比差異化時(shí)間序列中的動(dòng)作模式，通過(guò)時(shí)間軸的非線性調(diào)整匹配關(guān)聯(lián)動(dòng)作，識(shí)別標(biāo)準(zhǔn)動(dòng)作與異常動(dòng)作的差異，生成相似度分析結(jié)果的步驟具體為：
8.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述相似度分析結(jié)果，結(jié)合所述環(huán)境與上下文分析記錄，使用貝葉斯網(wǎng)絡(luò)模型，根據(jù)已有動(dòng)作特征和環(huán)境因素，計(jì)算目標(biāo)動(dòng)作構(gòu)成犯規(guī)的概率值，生成犯規(guī)概率評(píng)估記錄的步驟具體為：
9.根據(jù)權(quán)利要求1所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述犯規(guī)概率評(píng)估記錄，采用在線學(xué)習(xí)算法，分析模型在應(yīng)用中的表現(xiàn)，并根據(jù)反饋數(shù)據(jù)調(diào)整算法參數(shù)，優(yōu)化模型結(jié)構(gòu)，并匹配至新的數(shù)據(jù)模式，生成優(yōu)化后的判定模型的步驟具體為：
10.基于AI的運(yùn)球犯規(guī)動(dòng)作判定系統(tǒng)，其特征在于，根據(jù)權(quán)利要求1-9任一項(xiàng)所述的基于AI的運(yùn)球犯規(guī)動(dòng)作判定方法，所述系統(tǒng)包括場(chǎng)景環(huán)境分析模塊、視頻幀率調(diào)整模塊、全景視圖構(gòu)建模塊、時(shí)空特征分析模塊、相似度分析模塊、犯規(guī)概率與模型優(yōu)化模塊；
...【技術(shù)特征摘要】
1.基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，所述環(huán)境與上下文分析記錄包括球員位置坐標(biāo)、球員運(yùn)動(dòng)速度和平均速度、比賽階段、球員間交互頻率和強(qiáng)度指標(biāo)，所述調(diào)整后的視頻數(shù)據(jù)包括調(diào)整的幀率信息、對(duì)應(yīng)的時(shí)間戳、每幀的分辨率、動(dòng)作捕捉的關(guān)鍵幀標(biāo)識(shí)，所述全景動(dòng)作視圖包括從差異角度拼接而成的全方位視圖、每個(gè)角度視圖對(duì)應(yīng)的空間校正參數(shù)、三維重建生成的動(dòng)作深度圖，所述時(shí)空特征分析結(jié)果包括動(dòng)作序列的節(jié)點(diǎn)連接圖、每個(gè)節(jié)點(diǎn)的空間位置參數(shù)、動(dòng)作序列的時(shí)間延續(xù)性指標(biāo)、關(guān)鍵動(dòng)作特征的向量表示，所述相似度分析結(jié)果包括標(biāo)準(zhǔn)動(dòng)作與觀測(cè)動(dòng)作的時(shí)間序列匹配度、非線性時(shí)間調(diào)整后的關(guān)聯(lián)度評(píng)分、異常動(dòng)作的差異特征標(biāo)識(shí)，所述犯規(guī)概率評(píng)估記錄包括目標(biāo)動(dòng)作的犯規(guī)概率值、關(guān)聯(lián)環(huán)境因素和動(dòng)作特征的權(quán)重參數(shù)、概率計(jì)算的置信區(qū)間。
3.根據(jù)權(quán)利要求1所述的基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于比賽場(chǎng)景數(shù)據(jù)，采用隨機(jī)森林算法，對(duì)球員位置、運(yùn)動(dòng)速度和比賽階段數(shù)據(jù)進(jìn)行分類(lèi)，分析比賽強(qiáng)度和球員之間的關(guān)鍵作用，構(gòu)建環(huán)境和動(dòng)作的分析模型，生成環(huán)境與上下文分析記錄的步驟具體為：
4.根據(jù)權(quán)利要求1所述的基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述環(huán)境與上下文分析記錄，運(yùn)用幀率轉(zhuǎn)換算法，分析當(dāng)前場(chǎng)景下的運(yùn)動(dòng)強(qiáng)度和動(dòng)作頻率，自動(dòng)調(diào)整視頻捕獲的幀率，并匹配動(dòng)作的速度變化，生成調(diào)整后的視頻數(shù)據(jù)的步驟具體為：
5.根據(jù)權(quán)利要求1所述的基于ai的運(yùn)球犯規(guī)動(dòng)作判定方法，其特征在于，基于所述調(diào)整后的視頻數(shù)據(jù)，采用圖像...
【專(zhuān)利技術(shù)屬性】
技術(shù)研發(fā)人員：楊炳杰，林鵬，肖建承，
申請(qǐng)(專(zhuān)利權(quán))人：廣州華夏匯海科技有限公司，
類(lèi)型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。