[發明專利]乒乓球軌跡捕捉分析方法及分析系統

在審

• 申請號: 202010946287.2
• 申請日: 2020-09-10
• 公開（公告）號: CN112085761A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 賀琪欲;張海波;楊躒;許楠;張文
• 申請（專利權）人: 上海龐勃特科技有限公司
• 主分類號: G06T7/20
• 分類號: G06T7/20;G06T17/00
• 代理公司: 北京科石知識產權代理有限公司 11595
• 代理人: 李艷霞

1.一種乒乓球軌跡捕捉分析方法，其特征在于，包括以下步驟：

基于稀疏卷積神經網絡對采集到的圖像中的乒乓球進行檢測，得到乒乓球檢測結果；

對雙目圖像中的多個乒乓球進行匹配、重建和篩選，得到有效運動目標乒乓球的空間坐標點；

利用有效運動目標乒乓球的空間坐標點，得到有效乒乓球軌跡；

根據有效乒乓球軌跡對乒乓球訓練效果和競技對打技戰術進行分析。

2.根據權利要求1所述的乒乓球軌跡捕捉分析方法，其特征在于，所述步驟基于稀疏卷積神經網絡對采集到的圖像中的乒乓球進行檢測的具體過程為：

雙目立體視覺子系統以固定幀率同步觸發兩臺相機對乒乓球運動過程的圖像進行采集，該圖像包括左相機圖像和右相機圖像；

將兩臺相機對應采集到的左相機圖像和右相機圖像分別輸入到不同線程中的稀疏卷積神經網絡中；

利用稀疏卷積神經網絡分別對左相機圖像和右相機圖像中的乒乓球進行檢測，得到左相機中的乒乓球的坐標點和右相機圖像中的乒乓球的坐標點。

3.根據權利要求2所述的乒乓球軌跡捕捉分析方法，其特征在于，所述稀疏卷積神經網絡的獲得過程為：

利用獲取的目標場景圖像構建數據集，并對數據集中每幅圖像中包含的所有檢測目標進行標注；

根據檢測目標在圖像中的比例范圍，優化基準卷積神經網絡N的結構，得到優化后的卷積神經網絡N_i；

在構建的數據集上對優化后的卷積神經網絡N_i進行損失函數添加稀疏正則化項的預訓練，得到卷積神經網絡N_t；

對卷積神經網絡N_t進行卷積神經網絡稀疏化，得到稀疏化的卷積神經網絡

在數據集D上對稀疏化的卷積神經網絡進行微調訓練，得到最終的稀疏卷積神經網絡N_s。

4.根據權利要求1所述的乒乓球軌跡捕捉分析方法，其特征在于，所述步驟對雙目圖像中的多個乒乓球進行匹配、重建和篩選的具體過程為：

對雙目多目標圖像進行匹配，得到有效坐標點匹配對的組合；

對有效坐標點匹配對的組合進行三維重建，得到同時出現在雙目立體視覺子系統中的乒乓球的空間坐標點；

利用三維重建得到的同時出現在雙目立體視覺子系統中的乒乓球的空間坐標點進行多目標篩選，得到有效運動目標乒乓球的空間坐標點。

5.根據權利要求4所述的乒乓球軌跡捕捉分析方法，其特征在于，所述步驟對雙目多目標圖像進行匹配，得到有效坐標點匹配對的組合的具體過程為：

利用雙目立體視覺子系統的標定參數將坐標點PL[i],i＝1,2,3,L,m]轉換成左相機校正圖中的坐標點PRL[i],i＝1,2,3,L,m，將坐標點PR[j],j＝1,2,3,L,n轉換成右相機校正圖中的坐標點PRR[j],j＝1,2,3,L,n；

遍歷搜索所有左相機校正圖中的坐標點PRL[i]與右相機校正圖中的坐標點PRR[j]的組合；

計算每對組合中坐標點PRL[i]與PRR[j]之間的極線距離PE；

判斷極線距離PE是否滿足極線約束；

遍歷滿足極線約束的坐標點匹配對(PRL[i]，PRR[j])的組合Record，通過唯一性約束和次序約束從組合Record中篩選出k個有效的坐標點匹配對的組合。