热门比赛
[0001]
本发明涉及运动器材的技术领域，尤其是用于自动确定网球范围内的方法和系统。
背景技术：
[0002]
自动确定网球何时超出界限的技术通常称为网球“ Eagle Eye ”。传统的鹰眼通常在排列在场上的每个相机上包含两个相机（双眼视觉），以确定图像上物体（网球）的深度信息。为了使曲线适合三维坐标系，无需参考对象来判断距离。因此，在开始识别识别之前，需要对双眼视觉摄像机进行校准，以使其适应体育场的环境，这是非常昂贵的。 。
技术实施元素：
[0003]
鉴于上述先前艺术中存在的问题，本发明提出了一种自动确定网球不超出界限的方法和系统。通过单眼视觉，只需要一台相机，并且无需校准相机，从而节省了人力和物质资源，并大大降低了成本。成本。
[0004]
为了解决上述技术问题，本发明是通过以下技术解决方案实施的：
[0005]
本发明提供了一种自动确定网球超出界限的方法，其中包括以下步骤：
[0006]
S11：使用相机捕获游戏录像；
[0007]
S12：识别并在S11捕获的摄像机捕获的比赛录像中找到并找到网球，并获得网球定位结果M1；
[0008]
S13：使用S12中网球定位结果M1的网球运动曲线来预测网球着陆点的二维坐标；
[0009]
S14：根据网球登陆点的二维坐标与S13的网球线之间的二维坐标之间的空间关系，确定网球是否超出了边界。
[0010]
最好是，S12进一步包括：
[0011]
S121：使用框架差异方法在游戏图片中获得网球的候选区域A；
[0012]
S122：使用颜色定位算法在游戏图片中获取网球的候选区域B；
[0013]
S123：找到候选区域A和候选区域B的相交以获得网球定位结果M1。
[0014]
最好是在S123之后，它还包括：
[0015]
S124：根据网球定位结果M1，将运动轨迹曲线拟合至最小平方方法，并将其扩展以获得网球轨迹面积D，并计算网球定位结果中网球球的平均面积C；
[0016]
S125：在候选区域a重新法官。如果定位结果不在M1中，而是在D中，并且区域和C之间的误差在预设范围内，则将定位结果添加到M1。
[0017]
最好是，S13进一步包括：
[0018]
S131：将网球定位中的网球划分为S12的衰落，不确定的时期和增加的时期；
[0019]
S132：对于不确定期间的网球点，通过轮询迭代方法将它们归类为下降期和上升期，并且每种迭代的误差都是通过最小二乘法计算的，以找到最小误差的两条曲线；
[0020]
S133：S132中两条曲线的相交点是网球的预测着陆点。
[0021]
最好，S131进一步包括：
[0022]
设置经验阈值M，计算网球定位结果M1的网球曲线的斜率，然后计算M1和上一个M1之间的差异为D1。 D1的绝对值小于M，这是一个不确定的时期。否则，如果D1为负，则是一个下降的时期。 ，如果D1是常规的，那是上升期。
[0023]
优选地，经验阈值M为0.2。
[0024]
本发明还提供了一个系统，用于自动确定网球是否超出了界限，其中包括：相机，网球标识和定位模块，网球着陆点预测模块和一个网球球与边界判断模块中的网球；在哪里，
[0025]
相机捕获了游戏录像；
[0026]
网球识别和定位模块在相机捕获的游戏图片中标识并定位网球，并获得网球的定位结果；
[0027]
网球登陆点预测模块可以通过网球球定位的网球运动曲线导致网球球的定位和定位模块，预测网球击球点的二维坐标。
[0028]
网球是否超出界限模块，确定网球是否基于网球鲍尔着陆点的二维坐标与网球着陆点预测模块中的二维坐标与网球线之间的空间关系。
[0029]
优选地，网球识别和定位模块还包括：候选区A模块，候选区域B模块和交点模块；在哪里，
[0030]
候选区域一个模块使用框架差异方法在游戏图片中获取网球的候选区域A；
[0031]
候选区域B模块使用彩色定位算法在游戏图片中获取网球的候选区域B；
[0032]
交点模块找到候选区域A和候选区域B的交点以获得网球定位结果M1。
[0033]
优选地，网球识别和定位模块还包括：运动轨迹拟合模块，网球平均面积计算模块和定位结果重新判断模块；在哪里，
[0034]
运动轨迹拟合模块使用最小二乘方法根据网球定位结果M1拟合运动轨迹曲线，并将其扩展以获得网球轨迹区域D；
[0035]
平均网球区计算模块计算网球定位结果中的平均网球区域C；
[0036]
定位结果重新判断模块重新判断了每个定位在候选区域a。如果定位结果不在M1中，而是在D中，并且区域和C之间的误差在预设范围内，则将定位结果添加到M1中。
[0037]
优选地，网球着陆点预测模块进一步包括：网球划分模块，获取模块的误差最小曲线和获得模块的相交；
[0038]
网球分类模块将网球定位结果分为一个衰落，不确定的时期和上升的时间；
[0039]
误差最小曲线采集模块将不确定期间的网球点分为下降期间，并通过轮询和迭代进行上升，并通过最小二乘方法计算每种迭代的误差，以找到最小误差的两个点。曲线;
[0040]
获得模块的交点点获得了两条曲线的交点，最小误差曲线获得模块的最小误差，这是网球球的预测着陆点。
[0041]
与现有技术相比，本发明具有以下优势：
[0042]
（1）用于自动确定网球何时通过本发明提供的界限的方法和系统只能通过单眼视觉，二维坐标重建和预测来完成，并且不需要校准，并且非常需要校准降低成本；
[0043]
（2）自动确定网球本发明提供的界限的方法和系统是否适用于没有高准确性要求的业余和半职业玩家；
[0044]
（3）自动确定网球何时超出本发明提供的边界的方法和系统，使用两阶段的框架差异方法与颜色算法结合起来以定位球体，从而进一步确保定位精度；
[0045]
（4）自动确定网球本发明提供的界限的方法和系统首先将球点分为三个部分：上升期，下降期和不确定的时期；其次，将不确定时期的球点分配到上升期。或在下降期间，获得了多种分配方法；选择最小误差的分配方法作为最终方法。最后，可以获得每个球点属于上升或下降的时期。在曲线中，通常很难判断不确定的时期是否属于上升期或下降期。通过获得多种分配方法和多个优化，并计算每种方法的误差，即可以获得最合适的一条曲线分配方法，从而使结果更加准确。
[0046]
当然，任何实施本发明的产品都不一定需要同时实现上述所有优势。
图纸的描述
[0047]
本发明的实施方案将在下面的附带图纸结合下进行进一步描述：
[0048]
图1是一种自动确定网球根据本发明的实施方案而超出边界的方法的流程图。
[0049]
图2是用于自动确定网球根据本发明的实施方案的方法的示意图。
[0050]
图3是用于自动确定网球根据本发明的实施方案自动确定的系统的示意图。
[0051]
标签描述：1摄像头，2个纽带识别和定位模块，3键登陆点预测模块，4个偏离判断模块。
详细的实现
[0052]
以下是本发明实施方案的详细描述。该实施例是根据本发明的技术解决方案实现的，并提供详细的实现模式和特定的操作过程。但是，本发明的保护范围不仅限于以下实施。例子。
[0053]
图1显示了用于自动确定网球根据本发明的实施方案的界限的流程图，图2是一种用于自动确定网球超出边界的方法的示意图。
[0054]
请参阅图1和图2。自动确定网球在此实施方案中超出界限的方法包括以下步骤：
[0055]
S11：使用相机捕获游戏录像；
[0056]
为了提高准确性，通常建议使用每秒超过240帧的相机；只能使用一台相机。
[0057]
S12：在相机在S11中捕获的游戏录像中识别并找到网球，并获得网球定位结果M1；
[0058]
S13：使用S12中网球定位结果M1的网球运动曲线来预测网球着陆点的二维坐标；
[0059]
S14：根据网球登陆点的二维坐标与S13的网球线之间的二维坐标之间的空间关系，确定网球是否超出了边界。
[0060]
在首选实施例中，S12进一步包括：
[0061]
S121：使用框架差异方法在游戏图片中获得网球的候选区域A；
[0062]
S122：使用颜色定位算法在游戏图片中获取网球的候选区域B；
[0063]
S123：找到候选区域A和候选区域B的相交以获得网球定位结果M1。
[0064]
此外，在S123中的网球定位结果M1中可能有很多丢失的信息。因此，为了进一步提供准确性，S123还包括：
[0065]
S124：根据网球定位结果M1，运动轨迹曲线由最小平方法拟合并扩展以获得网球
对于轨迹区域D，计算网球定位结果中网球的平均面积C；
[0066]
S125：在候选区域a重新法官。如果定位结果不在M1中网球常出界是头重，而是在D中，并且区域和C之间的误差在预设范围内，则将定位结果添加到M1。
[0067]
在现有技术中，可以通过判断框架差异方法和对象的颜色来找到游戏图片中的网球，但它们都有一些问题。框架差异方法的判断太宽了，通常会发现其他字段上的球和其他物体。判断网球是需要的，而灯光下的某些球的颜色不在判断颜色的门槛之内。简而言之，框架差异方法将增加选项，而颜色判断将消除最初需要的领域。因此，上述实施例结合了两种方法。首先，将符合两个标准的球绘制成曲线，然后将符合运动状态判断的点添加到曲线中以获得相对准确的曲线。
[0068]
在首选的实施例中，在S12中发现移动球后，可以绘制球的运动曲线，然后可以进一步安装曲线以找到球的着陆点。在S13中，首次分割着登录之前和之后的网球运动曲线。细分球的明显趋势变化非常容易，但是在遇到非常接近着陆点的点时，很难分割。因此，首先将这些难以判断的球点划分，以便有三组数据：在着陆点之前，在着陆点之后以及难以判断的球点。然后继续尝试着陆点的分配。例如，这次让第一组取出一个不容易判断的球点，第二次让第二组获得两个不容易判断的球点，依此类推。最后，通过计算最小二乘方法来计算每种组合的误差，并选择最小误差的组合作为最终分割方法。具体而言，在特定的实施例中，S13进一步包括：
[0069]
S131：将网球定位的网球划分为S12导致S12到下降期（在着陆点之前），不确定的时期（不容易判断的球点）和上升时期（在着陆点之后）；
[0070]
来不确定性周期，否则D1为负，然后在降低的时期，如果D1为正，那是上升的时期。 ;
[0071]
S132：对于不确定的周期中的网球点，它们通过轮询迭代方法分类为下降期和上升期，并且每次迭代的误差都是通过最小二乘方法计算的，以找到最小误差的两条曲线；
[0072]
S133：这两条曲线与S132中最小误差的相交是网球的预测着陆点。
[0073]
图3显示了自动确定网球何时超出边界的系统的示意图。
[0074]
请参阅图3。用于自动确定该实施例中的网球是否超出界限的系统包括：1，网球标识和定位模块2，网球着陆点预测3和网球球3 - 结合判断模块4；其中，相机1用于捕获游戏场景。 ;网球标识和定位模块2用于在相机1位置捕获的游戏录像中识别和定位网球，以获得网球位置的结果；网球着陆点预测模块3用于使用网球位置的网球运动曲线在网球识别和定位模块2中预测网球着陆点的二维坐标；网球不超出界限判断模块4用于根据点预测模块3中的网球降落来预测网球着陆点，这是网球球登陆点的二维坐标与网球球与网球界的空间关系网球线确定网球是否超出了边界。
[0075]
在首选实施方案中，网球识别和定位模块2进一步包括：候选区域A模块，候选区域B模块和相交模块；其中，使用框架差异方法A，使用候选区域一个模块在游戏图片中获得网球的候选区域；候选区域B模块用于使用颜色定位算法在游戏图片中获取网球的候选区域B；交点模块用于找到候选区域A和候选区域B的相交，以获得网球定位结果M1。
[0076]
在首选实施方案中，网球识别和定位模块还包括：运动轨迹拟合模块网球常出界是头重，网球平均面积计算模块和定位结果重新判断模块；其中，运动轨迹拟合模块用于通过最小二乘方法计算网球定位结果M1用于拟合运动轨迹曲线并扩展以获得网球轨迹区域D；网球平均面积计
计算模块用于计算网球定位结果中的平均网球区域C；如果定位结果不在M1中，则使用定位结果重新判断模块在候选区域A中重新法官，而在D中，则该区域和C。如果错误在预设范围内，则定位结果添加到M1中。
[0077]
在首选实施方案中，网球着陆点预测模块进一步包括：网球划分模块，获得模块的最小误差曲线和获得模块的交点；
[0078]
网球分区模块用于将网球定位结果中的网球划分为降落期（在着陆点之前），不确定的时期（不容易判断的球点）和上升时间（在着陆点之后）；
[0079]
最小误差曲线采集模块用于在不确定的期间内通过轮询迭代方法对网球点进行分类，并通过最小二乘方法计算每种迭代的误差，以找到两条曲线，以最小错误;
[0080]
交点采集模块用于获得最小误差曲线。两条曲线与采集模块中最小误差的交点是网球的预测着陆点。
[0081]
为了确保判断的准确性，传统的鹰眼对相机质量有很高的要求。每个相机将包含两个摄像机（双眼视觉），以确定图像中对象（网球）的深度信息，以便可以在三维图像中使用。将曲线安装在坐标系上，并且在识别之前，需要对双眼视觉摄像机进行校准，以便它可以适应体育场的环境。一组设备的成本约为100,000元，但是对于业余和半专业参与者来说，没有准确的要求。太高了网球常出界是头重，这个价格显然太贵了。在本发明的上述实施方案中，自动确定网球是否仅需要一个相机才能完成的方法和系统是基于二维坐标，并且不需要校准，因此集合的成本可以以约5,000元来控制设备的设备，从而大大降低了设备的成本。
[0082]
这里披露的仅是本发明的首选实施例。在本规范中选择和详细描述了这些实施方案，以更好地解释本发明的原理和实际应用，并且无意限制本发明。在描述范围内，在艺术范围内熟练的人进行的任何修改和变化均应属于本发明保护的范围。
标签： 网球出界专利技术 电子表格自动判断对错专利技术 网球自动捡球机专利技术 网球判断题专利技术 如何判断项目是否可行专利技术 羽毛球出界判断专利技术 r下标出界专利技术 excel自动判断填充专利技术 判断目标是否有效的标准是什么