【技术实现步骤摘要】
本专利技术属于计算机视觉数据处理，具体涉及一种基于人工智能的羽毛球发球控制方法及系统。
技术介绍
1、羽毛球是一种常见的球类体育运动。在进行羽毛球训练时，主要依靠人工陪练的方式。随着科技的发展，出现了利用自动发球机进行发球训练的方式。自动发球机是一个包括机械单元和电子单元的复杂装置，其中电子单元实现了对传感器信号的处理，能够计算出发球时的各种参数，将参数转换成控制信号输出到机械单元实现自动发球操作。但是，传统的自动发球机通常按照预先设定好的机械参数进行发球，发球模式固定单一，不利于运动员进行个性化训练。
2、随着人工智能和大数据技术的不断发展，基于计算机视觉的数据处理技术也不断完善，人们对羽毛球自动发球机的智能性也提出了更高的要求。如何对羽毛球自动发球机的电子单元进行改进，使得其能够模拟真实运动员的发球方式，并根据当前训练人员的状态和需求调整发球策略，使得羽毛球自动发球机能够更加智能化，是本专利技术要解决的技术问题。因此，本专利技术旨在提供一种基于人工智能的羽毛球发球控制方法及系统。
技术实现思路
1、本专利技术的目的在于克服现有技术中存在的上述问题，提供了一种基于人工智能的羽毛球发球控制方法及系统，该方法及系统实现了对标准羽毛球对战视频中运动员的击球分析，形成标准发球策略集和标准接球特征集；自动发球机利用标准发球策略集实现发球操作，与此同时，采集训练人员的实时接球视频，得到训练人员实时接球特征集和训练人员整体接球特征集；利用训练人员实时接球特征集确定下一颗球的发球策略
2、为了实现上述专利技术目的，本专利技术提供了以下技术方案：
3、一种基于人工智能的羽毛球发球控制方法，包括如下步骤：
4、采集标准羽毛球对战视频集，所述标准羽毛球对战视频集中包括n段不同难度等级的标准羽毛球对战视频，其中第i段标准羽毛球对战视频包括双方运动员mi个无失误的击球回合，其中i取值从1到n；对所述标准羽毛球对战视频中双方运动员的运动姿态、身体运动信息和球拍运动信息进行分析，形成n个不同难度等级的标准发球策略集和标准接球特征集；所述标准发球策略集包括发球次数mi、发球间隔时间、发球位置、发球高度、发球角度和发球力度；所述标准接球特征集包括姿态动作类别特征向量、关键点移动速度特征向量和球拍运动特征向量；当开始训练任务时，自动发球机按照某一难度等级下的标准发球策略集实现发球控制，训练人员作为接球方进行接球训练；采集训练人员的实时接球视频并分析，得到训练人员实时接球特征集和训练人员整体接球特征集；所述训练人员实时接球特征集对应于每一颗发球策略中训练人员的实时接球反应；所述训练人员整体接球特征集对应于这一轮发球策略中训练人员的整体接球反应；利用训练人员实时接球特征集确定下一颗球的发球策略并执行；利用标准接球特征集和训练人员整体接球特征集，确定下一阶段的发球策略并执行。
5、进一步地，形成n个不同难度等级的标准发球策略集，具体包括：
6、将第i段标准羽毛球对战视频中的双方运动员分别标注为运动员a和运动员b；对标准羽毛球对战视频中的运动员a进行识别跟踪，定位mi个回合中运动员a对应的mi次击球图像帧ia1~iami，分别以每次击球图像帧iami为中心，抽取对战视频中iami的后ki张图像帧，与当前击球图像帧iami共同形成总数量为ki+1的运动员a第i次击球关键帧图像集合ia_i；
7、计算mi次击球图像帧ia1~iami中的前后相邻帧之间的时间戳差值，得到mi-1次时间戳差值，作为标准发球策略集中的发球间隔时间；
8、构建羽毛球场对应的空间数据模型，建立像素坐标系和球场平面坐标系之间的坐标映射模型；
9、分别对mi次击球图像帧ia1~iami中的每一张进行半场球场区域识别并分割，得到包括运动员a的球鞋和羽毛球在内的半场球场区域图像；对所述半场球场区域图像中的运动员a的球鞋和羽毛球分别进行轮廓检测得到球鞋区域和羽毛球区域，分别计算该球鞋区域和羽毛球区域对应的2个最小外接矩形，得到球鞋质心像素坐标和羽毛球质心像素坐标，通过球鞋质心像素坐标和羽毛球质心像素坐标之间的相对位置，得到羽毛球的高度像素坐标，利用所述坐标映射模型得到球鞋地面坐标和羽毛球高度坐标，将所述球鞋地面坐标和羽毛球高度坐标分别作为标准发球策略集中的发球位置和发球高度；
10、分别对所述关键帧图像集合ia_i中的每张图像进行羽毛球识别并追踪，得到羽毛球运动关键点轨迹序列((x1,y1,t1),(x2,y2,t2),(x3,y3,t3),...,(xj,yj,tj))，其中，(xj,yj,tj)表示第j个关键点对应的横坐标、纵坐标和时间戳；利用该羽毛球运动关键点轨迹序列计算出羽毛球的飞行角度和初始速度，将所述飞行角度作为标准发球策略集中的发球角度；利用所述飞行角度和初始速度得到羽毛球的击球力度，将所述击球力度作为标准发球策略集中的发球力度；
11、按照上述方法分别对所述n段不同难度等级的标准羽毛球对战视频进行处理，得到n个不同难度等级的标准发球策略集。
12、进一步地，形成n个不同难度等级的标准接球特征集，具体包括：
13、将第i段标准羽毛球对战视频中的双方运动员分别标注为运动员a和运动员b；对标准羽毛球对战视频中的运动员b进行识别跟踪，定位mi个回合中运动员b对应的mi次击球图像帧ib1~ibmi，分别以每次击球图像帧ibmi为中心，抽取对战视频中ibmi的前后各ki张图像帧，与当前击球图像帧ibmi共同形成总数量为2ki+1的运动员b第i次击球关键帧图像集合ib_i；
14、分别对所述关键帧图像集合ib_i中的每张图像进行运动员b识别并分割，得到运动员b的人体区域图像，对所述人体区域图像进行关键点检测，得到包括鼻子、脖子、左右肩膀、左右肘部、左右手腕、左右髋部、左右膝部和左右脚踝的共计14个关键点对应的关键点空间坐标集合；
15、利用所述关键点空间坐标集合得到关节角度特征集和关节距离特征集，将所述关节角度特征集和关节距离特征集进行拼接得到姿态动作特征向量，将所述姿态动作特征向量输入到预先训练好的姿态动作识别模型中进行识别，得到对应的姿态动作类别，所述姿态动作类别包括跳跃、侧身和抬手臂；将所述关键帧图像集合ib_i中的每张图像对应的姿态动作类别按照时间戳顺序组合得到标准接球特征集中的姿态动作类别特征向量；
16、利用关键帧图像集合ib_i中的每张相邻图像的所述关键点空间坐标集合，得到每个关键点在x和y方向上的移动速度序列，作为标准接球特征集中的关键点移动速度特征向量；
17、分别对所述关键帧图像集合ib_i中的每张图像进行球拍识别并分割，得到球拍区域图像，对所述球拍区域图像进行处理，计算球拍区域对应本文档来自技高网...
【技术保护点】
1.一种基于人工智能的羽毛球发球控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述形成n个不同难度等级的标准发球策略集，具体包括：
3.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述形成n个不同难度等级的标准接球特征集，具体包括：
4.如权利要求2或3所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述训练人员实时接球特征集和训练人员整体接球特征集，具体包括：
5.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述利用训练人员实时接球特征集确定下一颗球的发球策略并执行，具体包括：若实时接球特征集中的接球结果为失败，且训练人员姿态动作类别特征向量与标准接球特征集中对应球次的运动员姿态动作类别特征向量相似度小于预设阈值Tp，则下一颗球的发球策略重复本次发球策略，否则，按照预定的标准发球策略对应的下一球次发球策略进行发球；所述利用标准接球特征集和训练人员整体接球特征集，确定下一阶段的发球策略并执行，具体包括：若训练人员整
6.一种基于人工智能的羽毛球发球控制系统，其特征在于，包括如下功能模块：
7.如权利要求6所述的一种基于人工智能的羽毛球发球控制系统，其特征在于，所述标准对战视频处理分析模块，具体包括：
8.如权利要求6所述的一种基于人工智能的羽毛球发球控制系统，其特征在于，所述标准对战视频处理分析模块，具体包括：
9.如权利要求7或8所述的一种基于人工智能的羽毛球发球控制系统，其特征在于，所述发球控制分析模块，具体包括：
10.如权利要求6所述的一种基于人工智能的羽毛球发球控制系统，其特征在于，所述发球策略调整模块，具体包括：
...【技术特征摘要】
1.一种基于人工智能的羽毛球发球控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述形成n个不同难度等级的标准发球策略集，具体包括：
3.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述形成n个不同难度等级的标准接球特征集，具体包括：
4.如权利要求2或3所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述训练人员实时接球特征集和训练人员整体接球特征集，具体包括：
5.如权利要求1所述的一种基于人工智能的羽毛球发球控制方法，其特征在于，所述利用训练人员实时接球特征集确定下一颗球的发球策略并执行，具体包括：若实时接球特征集中的接球结果为失败，且训练人员姿态动作类别特征向量与标准接球特征集中对应球次的运动员姿态动作类别特征向量相似度小于预设阈值tp，则下一颗球的发球策略重复本次发球策略，否则，按照预定的标准发球策略对应的下一球次发球策略进行发球...
【专利技术属性】
技术研发人员：刘琼，王亮，李杰臣，
申请(专利权)人：成都航空职业技术学院，
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。