一种基于视觉轨迹的羽毛球落点判定与举证方法及系统与流程

本技术涉及计算机视觉处理，尤其涉及一种基于视觉轨迹的羽毛球落点判定与举证方法及系统。

背景技术：

1、相关技术中，随着计算机视觉与智能体育技术的快速发展，基于视频分析的羽毛球智能裁判与训练辅助系统逐渐应用于比赛判罚、训练统计等场景。该类系统通常通过摄像设备采集羽毛球运动视频，利用目标检测与轨迹跟踪算法获取羽毛球运动轨迹，并结合场地标定参数建立图像空间与规则场地空间之间的映射关系，实现羽毛球落点检测、界内外判定及辅助举证。现有部分方案进一步结合轨迹预测、透视映射以及深度学习检测技术，提高落点判定的自动化程度。

2、然而，现有羽毛球落点判定方法在实际应用中仍存在一定局限性。由于终端设备计算资源有限，传统方法多依赖连续帧命中、固定阈值或单一运动特征进行触地判断，当存在运动模糊、遮挡或采样间隔增大时，容易造成轨迹断裂，导致触地事件漏检。同时，检测步长与触发参数通常采用固定配置，无法根据不同采样密度和计算负载进行自适应调整，难以兼顾实时性与检测准确性。此外，现有方法通常采用统一场地区域模型同时完成触地检测与规则判罚，难以有效区分触发观察区域与实际比赛有效区域，容易导致边缘球、压线球等场景出现误判或漏判。同时，触地后的慢放回放、规则场地图渲染等举证过程可能占用推理资源，影响系统实时运行；在多球训练场景下，静止羽毛球及轨迹跳变还可能造成虚假触地检测。

3、综上，相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本技术实施例的主要目的在于提出一种基于视觉轨迹的羽毛球落点判定与举证方法及系统，以实现羽毛球触地时刻与落点位置的精准判定及判定过程的可追溯举证，从而提高羽毛球落点判定的准确性、可靠性和可信度。

2、为实现上述目的，本技术实施例的一方面提出了一种基于视觉轨迹的羽毛球落点判定与举证方法，所述方法包括以下步骤：

3、获取羽毛球视频对应的稀疏采样视觉轨迹数据；所述稀疏采样视觉轨迹数据包括视频帧标识数据、球心位置坐标数据、检测时间序列数据及轨迹置信度数据；

4、基于场地标定参数和所述稀疏采样轨迹数据，建立图像空间与规则场地空间的映射关系；

5、对所述稀疏采样轨迹数据进行触地候选检测，结合检测步长调整策略及触地状态判定机制，确定触地时刻；

6、基于所述触地时刻对应的轨迹运动特征进行触地点识别，得到目标触地点；

7、基于所述目标触地点及所述映射关系进行坐标转换，并进行规则区域匹配，得到羽毛球落点结果；

8、基于所述羽毛球落点结果生成规则判定信息，并构建对应的举证回放数据，输出落点判定结果。

9、在一些实施例中，所述基于场地标定参数和所述稀疏采样轨迹数据，建立图像空间与规则场地空间的映射关系，包括：

10、基于羽毛球场地角点标定数据，确定图像空间与规则场地空间之间的单应变换参数；

11、基于所述单应变换参数及场地角点标定结果，确定规则场地空间对应的主比赛区域及外扩触地区域；所述外扩触地区域用于触地观察门禁，所述主比赛区域用于界内、出界及压线判定；

12、基于所述单应变换参数对所述稀疏采样视觉轨迹数据进行坐标映射，得到规则场地空间下的轨迹坐标数据；

13、基于所述主比赛区域、所述外扩触地区域及所述轨迹坐标数据，建立所述图像空间与所述规则场地空间之间的映射关系。

14、在一些实施例中，所述对所述稀疏采样轨迹数据进行触地候选检测，结合检测步长调整策略及触地状态判定机制，确定触地时刻，包括：

15、基于所述稀疏采样轨迹数据提取羽毛球运动轨迹变化特征，生成触地候选检测序列；

16、基于当前检测步长与预设基准步长之间的差异关系，对触地检测对应的累计命中阈值、漏检容忍阈值及观察等待参数进行调整，生成步长适配检测参数；

17、基于所述步长适配检测参数对所述触地候选检测序列进行状态判定，确定触地观察状态；其中，在进入触地观察状态之前，当检测到羽毛球球心位于所述外扩触地区域内时，累计有效命中次数，发生漏检时保持已累计的有效命中次数；当所述有效命中次数满足所述累计命中阈值时，确定进入所述触地观察状态；

18、基于所述触地观察状态对应的运动轨迹片段进行触地候选时刻检测，并根据候选时刻对应的运动特征确定触地时刻。

19、在一些实施例中，所述基于所述触地观察状态对应的运动轨迹片段进行触地候选时刻检测，并根据候选时刻对应的运动特征确定触地时刻，包括：

20、基于所述运动轨迹片段提取垂直坐标极值点、局部速度变化点及轨迹收敛点，生成触地候选时刻集合；

21、基于所述触地候选时刻集合提取对应的触前减速特征、触后反弹特征、轨迹收敛特征及位移稳定特征，得到候选评价特征；

22、基于所述候选评价特征对所述触地候选时刻集合进行评分排序，确定目标触地候选时刻；

23、基于所述目标触地候选时刻结合触地状态边界条件进行校验，当检测到羽毛球球心离开所述外扩触地区域、获得触后有效采样或连续漏检次数超过所述漏检容忍阈值时，确定触地观察窗口关闭，并将当前评分最高的目标触地候选时刻确定为所述触地时刻。

24、在一些实施例中，所述运动轨迹片段的获取包括：

25、在首次检测到羽毛球球心进入所述外扩触地区域之前，从所述稀疏采样视觉轨迹数据中持续提取具有向下运动趋势的轨迹采样点，得到触前下落尾段数据；

26、响应于首次检测到所述羽毛球球心进入所述外扩触地区域，对所述触前下落尾段数据进行冻结，并获取所述羽毛球球心进入所述外扩触地区域后的区域内轨迹段；

27、按照检测时间序列将所述触前下落尾段数据与所述区域内轨迹段进行合并，得到所述运动轨迹片段。

28、在一些实施例中，所述基于所述触地时刻对应的轨迹运动特征进行触地点识别，得到目标触地点，包括：

29、基于所述触地时刻对应的轨迹片段提取羽毛球球心位置变化特征，生成触地点候选集合；

30、基于所述触地点候选集合提取对应的垂直方向极值特征、速度变化特征及轨迹收敛特征，生成触地点评价特征；

31、基于所述触地点评价特征对所述触地点候选集合进行匹配筛选，确定目标触地点候选位置；

32、基于所述目标触地点候选位置结合触地时刻对应的图像坐标信息进行位置校正，得到目标触地点。

33、在一些实施例中，所述基于所述目标触地点及所述映射关系进行坐标转换，并进行规则区域匹配，得到羽毛球落点结果，包括：

34、基于所述目标触地点对应的图像坐标及所述映射关系进行坐标映射，得到规则场地坐标；

35、基于所述规则场地坐标与主比赛区域进行空间匹配，确定所述目标触地点对应的区域属性；

36、基于所述规则场地坐标与场地边线之间的位置关系进行边界判定，确定所述目标触地点对应的边线状态；

37、基于所述区域属性及所述边线状态生成羽毛球落点结果。

38、在一些实施例中，所述基于所述规则场地坐标与场地边线之间的位置关系进行边界判定，确定所述目标触地点对应的边线状态，包括：

39、基于所述规则场地坐标确定对应的边线检测对象，并获取主比赛区域对应的外框边线集合；

40、计算所述规则场地坐标与所述外框边线集合中各边线之间的距离，得到边线距离数据；

41、基于所述边线距离数据与预设压线阈值进行比较，确定所述目标触地点对应的压线状态；

42、基于所述压线状态生成所述目标触地点对应的边线状态信息。

43、在一些实施例中，所述基于所述羽毛球落点结果生成规则判定信息，并构建对应的举证回放数据，输出落点判定结果，包括：

44、基于所述羽毛球落点结果确定对应规则判定类型，生成规则判定信息；所述规则判定信息包括落点区域、边线状态及判定依据；

45、基于所述触地时刻对应的视频帧数据及场地映射数据，分别生成触地点回放数据和规则场景映射数据；

46、基于所述触地点回放数据与所述规则场景映射数据进行关联融合，构建双通道举证回放数据；

47、基于所述双通道举证回放数据与所述规则判定信息进行整合处理，输出羽毛球落点判定结果。

48、为实现上述目的，本技术实施例的另一方面提出了一种基于视觉轨迹的羽毛球落点判定与举证系统，所述系统包括：

49、数据获取模块，用于获取羽毛球视频对应的稀疏采样视觉轨迹数据；

50、空间映射模块，用于基于场地标定参数和所述稀疏采样轨迹数据，建立图像空间与规则场地空间的映射关系；

51、触地检测模块，用于对所述稀疏采样轨迹数据进行触地候选检测，结合检测步长调整策略及触地状态判定机制，确定触地时刻；

52、触点识别模块，用于基于所述触地时刻对应的轨迹运动特征进行触地点识别，得到目标触地点；

53、落点判定模块，用于基于所述目标触地点及所述映射关系进行坐标转换，并进行规则区域匹配，得到羽毛球落点结果；

54、举证输出模块，用于基于所述羽毛球落点结果生成规则判定信息，并构建对应的举证回放数据，输出落点判定结果。

55、为实现上述目的，本技术实施例的另一方面提出了一种电子设备，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

56、为实现上述目的，本技术实施例的另一方面提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法。

57、为实现上述目的，本技术实施例的另一方面提出了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述的方法。

58、本技术实施例至少包括以下有益效果：本技术提供一种基于视觉轨迹的羽毛球落点判定与举证方法及系统,该方案通过获取羽毛球视频对应的稀疏采样视觉轨迹数据，并结合场地标定参数建立图像空间与规则场地空间之间的映射关系，实现了视频空间轨迹与实际比赛场地坐标的关联，提高了羽毛球运动轨迹分析与落点定位的准确性；通过对视觉轨迹进行触地候选检测，并结合检测步长调整策略及触地状态判定机制确定触地时刻，能够降低复杂运动状态下因采样间隔、运动速度变化等因素导致的触地时刻偏差，提高落点检测的稳定性；进一步基于触地时刻对应的轨迹运动特征进行触地点识别，并通过坐标转换及规则区域匹配确定羽毛球落点结果，实现了对落点区域的自动化判定，减少了人工观察带来的主观误差，提高了判定效率和一致性；同时，基于落点结果生成规则判定信息并构建举证回放数据，实现了落点判定过程的可追溯化和可视化举证，便于裁判复核、赛事分析及争议处理，从而提升羽毛球比赛智能判定系统的准确性、实时性和可靠性。