一种基于视频分析的排球扣球动作检测方法

1.本发明涉及体育运动智能分析辅助技术领域，具体是一种基于视频分析的排球运动员扣球动作检测方法。


背景技术：

2.基于计算机视觉的人体目标检测日前已被广泛应用于各类生活场景中，如行人检测、行人轨迹预测、跌倒检测等。在体育运动领域，人体目标检测被用于运动分类、动作检测与运动状态评估，有效提高了识别效率、提高了评估精准度、降低了人力成本。
3.排球运动作为大球运动的一种，具有排球变化速度快，变化轨迹复杂，场地内运动员密度较大，技术种类多等特点，导致排球运动员的动作变化快，动作种类多。长期以来，用科学技术指导体育训练比较欠缺，给以往通过人眼和经验进行主观判断运动员动作和技术准确性带来巨大的困难。体育运动分析领域迫切需要通过更加快速、标准、准确的更加切实可行的解决方案来更好地实现对排球运动员的姿态识别。因此设计实现基于数字视频检测排球运动员动作检测，提取其中的精彩片段，球队教练可以利用得到的相关数据进行战术研究，将有助于提升竞赛水平的要素付诸于日常球队配合训练中，从而达到最佳的训练效果。
4.发明专利(发明人:甄新喜，申请号:cn202010262966.8，名称：一种可识别运动员的排球检测系统。)该发明公开了一种基于佩戴式的三轴加速度计的可识别运动员的排球检测系统，通过佩戴在运动员头部、腰部、手腕部和脚腕部以及场地中的ccd光敏传感器检测排球运动员姿态。但基于可穿戴式设备的姿态检测在准确度、检测效率与内存消耗方面远不如基于视觉的方式理想，此外，通过佩戴检测设备在一定程度上也会影响运动员的发挥。发明专利(发明人:周斌，申请号:cn202011306032.6，名称：一种基于改进动态时间规整算法的排球动作识别方法。)该发明公开了一种通过改进的动态时间规整算法对视频中的人体关键点时间序列与标准排球动作人体各关键点相匹配从而判定动作准确度。但是该发明其中骨架关节点数据的提取采用的模型较老，在排球这类变化速度快种类多的运动上效果并不理想，另外，该发明也没有产出对排球辅助训练有帮助的结果。
5.综上所述，当前解决方案有一定的局限性，在检测准确度、效率、内存消耗以及后续产出方面不如人意。为此，本发明提出了对排球赛事视频中运动员扣球动作检测的方法。


技术实现要素：

6.为了解决常规排球赛事中运动员精彩瞬间人工捕捉存在主观判断、效率低下等问题，本发明提供一种基于视频分析的排球运动员扣球动作检测方法。本发明首先使用深度学习的方法直接提取赛事中的运动员骨架关节点数据，然后根据运动员扣球技术规范标准识别处于扣球姿态的排球运动员。
7.本发明的技术方案如下：
8.一种基于视频分析的排球运动员扣球动作检测方法，包括如下步骤：
9.步骤1：利用基于深度学习的人体骨架关节点模型提取排球赛事视频中的排球运动员骨架关节点数据并表示为集合其中，表示第k帧中第i个排球运动员的第j个骨架关节点坐标，表示第k帧中检测到的第i个排球运动员的第j个骨架关节点，其中，测到的第i个排球运动员的第j个骨架关节点，其中，测到的第i个排球运动员的第j个骨架关节点，其中，sk为有序集合，其元素分别对应于的骨架关节点名称；
10.步骤2：根据式(1)计算第1帧中排球运动员双足的平均高度y
ave
；
[0011][0012]
步骤3：针对集合s中的每个骨架关节点数据，根据如下步骤判断排球运动员是否在扣球，具体为：
[0013]
步骤3.1：根据式(2)计算出排球运动员的双足的平均纵坐标y
ik
；
[0014][0015]
步骤3.2：根据式(3)计算第i个排球运动员的膝关节弯曲角度根据式(4)计算得肘关节弯曲角度
[0016][0017][0018][0019]
其中，表示第k帧中第i个排球运动员的第r个关节点与第s个关节点的距离，和根据式(5)计算；
[0020]
步骤3.3：根据式(6)计算排球运动员肘部与肩部的高度差，分别记为和
[0021][0022]
步骤3.4：遍历s中每个排球运动员的骨架关节点数据，判断排球运动员是否在扣球，具体为：对任意第i个排球运动员，若满足条件：
[0023]
则判断该运动员正在扣球，其中，α0为排球运动员扣球膝关节弯曲阈值，β0为排球运动员扣球手肘弯曲阈值，h0表示排球运动员扣球需要达到的高度。
[0024]
本发明的优点为：本发明能够根据运动员骨架数据自动检测出排球赛事中运动员
扣球动作，利用骨架关节点数据能够提高检测的准确性，并且能够与其他相似动作例如拦网与传球进行区分。
附图说明
[0025]
图1运动员骨架关节点对应图。
具体实施方式
[0026]
下面结合附图和实施例，对本发明进行进一步的说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
[0027]
本发明首先使用深度学习的方法直接提取赛事中的运动员骨架关节点数据，然后根据运动员扣球技术规范标准识别处于扣球姿态的排球运动员。首先收集大量相关排球赛事视频，并提取视频中排球运动员的姿态数据，用于深度网络模型训练，然后使用训练好的深度网络模型进行骨架关节点数据提取，对捕捉到的排球运动员扣球动作进行识别。
[0028]
一种基于视频分析的排球运动员扣球动作检测方法，包括如下步骤：
[0029]
步骤1：利用基于深度学习的人体骨架关节点模型提取排球赛事视频中的排球运动员骨架关节点数据并表示为集合其中，表示第k帧中第i个排球运动员的第j个骨架关节点坐标，表示第k帧中检测到的第i个排球运动员的第j个骨架关节点，其中，测到的第i个排球运动员的第j个骨架关节点，其中，测到的第i个排球运动员的第j个骨架关节点，其中，sk为有序集合，其元素分别对应于的骨架关节点名称，如图1所示，对应鼻1，对应左眼2，对应右眼3，对应左耳4，对应右耳5，对应左肩6，对应右肩7，对应左肘8，对应右肘9，对应左腕10，对应右腕11，对应左髋12，对应右髋13，对应左膝14，对应右膝15，对应左踝16，对应右踝17；
[0030]
步骤2：根据式(1)计算第1帧中排球运动员双足的平均高度y
ave
；
[0031][0032]
步骤3：针对集合s中的每个骨架关节点数据，根据如下步骤判断排球运动员是否在扣球，具体为：
[0033]
步骤3.1：根据式(2)计算出排球运动员的双足的平均纵坐标y
ik
；
[0034][0035]
步骤3.2：根据式(3)计算第i个排球运动员的膝关节弯曲角度根据式(4)计算得肘关节弯曲角度
[0036][0037][0038][0039]
其中，表示第k帧中第i个排球运动员的第r个关节点与第s个关节点的距离，和根据式(5)计算；
[0040]
步骤3.3：根据式(6)计算排球运动员肘部与肩部的高度差，分别记为和
[0041][0042]
步骤3.4：遍历s中每个排球运动员的骨架关节点数据，判断排球运动员是否在扣球，具体为：对任意第i个排球运动员，若满足条件：
[0043]
则判断该运动员正在扣球，其中，α0为排球运动员扣球膝关节弯曲阈值，本实施例中取α0＝120
°
，β0为排球运动员扣球手肘弯曲阈值，本实施例中取β0＝150
°
，h0表示排球运动员扣球需要达到的高度，本实施例中取h0＝80cm。
[0044]
本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围的不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。