System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及视频识别,具体涉及一种羽毛球视频的分析方法、装置、电子设备及存储介质。
技术介绍
1、为了满足羽毛球教练针对球员单打视频中的动作进行统计分析,需要提取羽毛球视频中的羽毛球运动轨迹。由于羽毛球的运动速度特别快,在视频照片中非常容易失去纹理特征,甚至可能显示的就是一个白点或者光团,造成羽毛球的识别非常困难。因此,现有的羽毛球视频的分析方法,较难识别羽毛球视频中的羽毛球运动轨迹。
技术实现思路
1、有鉴于此,有必要提供一种羽毛球视频的分析方法、装置、电子设备及存储介质,用以解决羽毛球视频中的羽毛球运动轨迹难识别的技术问题。
2、为了解决上述问题,一方面,本专利技术提供了一种羽毛球视频的分析方法,包括:
3、获取羽毛球视频,基于所述羽毛球视频,提取包含时空语义的元视频数据集;
4、将所述元视频数据集输入至训练好的添加有cbam注意力机制的时序分段网络模型,基于cbam注意力机制提取羽毛球的运动区域,并基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹。
5、在一种可能的实现方式中,所述基于cbam注意力机制提取羽毛球的运动区域,包括:
6、基于帧差法对所述元视频数据集中相邻两帧图片的移动目标进行筛选,得到羽毛球的运动区域。
7、在一种可能的实现方式中,所述基于帧差法对所述元视频数据集中相邻两帧图片的移动目标进行筛选,得到羽毛球的运动区域,包括:
8、将所述元视频数据集中相邻两
9、确定所述两张二值图像之间运动区域的补码;
10、基于所述补码确定相邻两帧图片之间运动物体重叠区域内的像素;
11、基于所述运动物体重叠区域内的像素,确定羽毛球的运动区域。
12、在一种可能的实现方式中,所述基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹,包括:
13、基于时序分段网络模型,确定所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离;
14、基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定所述羽毛球的距离成本矩阵;
15、基于所述羽毛球的距离成本矩阵,确定多个目标跟踪模块,基于所述多个目标跟踪模块确定羽毛球运动轨迹。
16、在一种可能的实现方式中,所述基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定所述羽毛球的距离成本矩阵,包括:
17、基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定羽毛球轨迹的方向向量,以及不同羽毛球轨迹之间的距离;
18、基于所述羽毛球轨迹的方向向量,以及不同羽毛球轨迹之间的距离,确定羽毛球的距离成本矩阵。
19、在一种可能的实现方式中,所述基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定所述羽毛球的距离成本矩阵,包括:
20、基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定羽毛球轨迹的特征矢量;
21、基于所述羽毛球轨迹的特征矢量,确定所述羽毛球的距离成本矩阵。
22、在一种可能的实现方式中,所述基于所述多个目标跟踪模块确定羽毛球运动轨迹,包括:
23、基于所述多个目标跟踪模块,对每个羽毛球轨迹内的特征点,以及不同羽毛球轨迹间的特征点进行检测,得到羽毛球轨迹内的特征点检测结果和羽毛球轨迹间的特征点检测结果;
24、将所述羽毛球轨迹内的特征点检测结果进行数据关联后,得到初始关联结果;
25、将所述初始关联结果,与所述羽毛球轨迹间的特征点检测结果进行数据关联,确定羽毛球运动轨迹。
26、另一方面,本专利技术还提供一种羽毛球视频的分析装置,包括:
27、获取模块,用于获取羽毛球视频,基于所述羽毛球视频,提取包含时空语义的元视频数据集;
28、轨迹识别模块,用于将所述元视频数据集输入至训练好的添加有cbam注意力机制的时序分段网络模型,基于cbam注意力机制提取羽毛球的运动区域,并基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹。
29、另一方面,本专利技术还提供一种电子设备,包括存储器和处理器,其中,
30、所述存储器,用于存储程序;
31、所述处理器,与所述存储器耦合,用于执行所述存储器中存储的所述程序,以实现如上述任意一项所述的羽毛球视频的分析方法。
32、另一方面,本专利技术还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的羽毛球视频的分析方法。
33、采用上述实现方式的有益效果是:本专利技术提供的羽毛球视频的分析方法、装置、电子设备及存储介质,通过将包含时空语义的元视频数据集输入至训练好的添加有cbam注意力机制的时序分段网络模型,基于cbam注意力机制提取羽毛球的运动区域,并基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹。本专利技术在对元视频中的羽毛球轨迹进行识别时,在第一阶段对识别区域进行cbam注意力机制的建议,可以提取羽毛球颜色特征和运动特征,减少后续识别的工作量,在第二阶段对每个区域的物体进行分类识别,减少周边物体的干扰,通过两侧检测的方式,解决羽毛球视频中的羽毛球运动轨迹难识别的技术问题。
本文档来自技高网...【技术保护点】
1.一种羽毛球视频的分析方法,其特征在于,包括:
2.根据权利要求1所述的羽毛球视频的分析方法,其特征在于,所述基于CBAM注意力机制提取羽毛球的运动区域,包括:
3.根据权利要求2所述的羽毛球视频的分析方法,其特征在于,所述基于帧差法对所述元视频数据集中相邻两帧图片的移动目标进行筛选,得到羽毛球的运动区域,包括:
4.根据权利要求1-3任一项所述的羽毛球视频的分析方法,其特征在于,所述基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹,包括:
5.根据权利要求4所述的羽毛球视频的分析方法,其特征在于,所述基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定所述羽毛球的距离成本矩阵,包括:
6.根据权利要求4所述的羽毛球视频的分析方法,其特征在于,所述基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离,确定所述羽毛球的距离成本矩阵,包括:
7.根据权利要求4所述的羽毛球视频的分析方法,其特征在
8.一种羽毛球视频的分析装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,其中,
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的羽毛球视频的分析方法。
...【技术特征摘要】
1.一种羽毛球视频的分析方法,其特征在于,包括:
2.根据权利要求1所述的羽毛球视频的分析方法,其特征在于,所述基于cbam注意力机制提取羽毛球的运动区域,包括:
3.根据权利要求2所述的羽毛球视频的分析方法,其特征在于,所述基于帧差法对所述元视频数据集中相邻两帧图片的移动目标进行筛选,得到羽毛球的运动区域,包括:
4.根据权利要求1-3任一项所述的羽毛球视频的分析方法,其特征在于,所述基于时序分段网络模型将相邻的所述运动区域进行扩展,得到羽毛球运动轨迹,包括:
5.根据权利要求4所述的羽毛球视频的分析方法,其特征在于,所述基于所述元视频数据集的相邻两帧图片中具有相同方向的羽毛球之间的距离,以及所述羽毛球与球员之间的距离...
【专利技术属性】
技术研发人员:孟关良,吴浥桐,陆敏强,刘功聚,马静,张瀛月,王琳,
申请(专利权)人:浙江体育职业技术学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。