一种基于视觉技术判断羽毛球击球训练的方法及装置与流程
本发明涉及羽毛球训练，特别涉及一种基于视觉技术判断羽毛球击球训练的方法及装置。
背景技术：
1、羽毛球运动需要快速移动、灵活反应和协调动作，能有效锻炼学生的速度、敏捷性、协调性和耐力，有助于学生全面发展身体素质。将羽毛球纳入初中体育考试项目，能够增加学生对羽毛球的关注度，激发学生对羽毛球运动的兴趣，有助于推广羽毛球运动，丰富校园文化生活。
2、根据考试规则，考生应连续运用正手高远球技术、反手挑球技术，按顺序依次击球，将球击到有效区域为成功。现有技术中没有羽毛球击球训练全流程方案，特别是实现正反手击球的判定、地面干扰球的过滤以及有效击球的判定。
技术实现思路
1、本发明要解决的技术问题，在于提供一种基于视觉技术判断羽毛球击球训练的方法及装置，基于计算机视觉技术，场地预先标定，使用深度卷积神经网络模型识别出人、球、拍以及人体关键点位置，再根据逻辑过滤地面干扰球、判断击球位置、判断正反手击球，从而实时有效的统计考生有效击球个数。
2、第一方面，本发明提供了一种基于视觉技术判断羽毛球击球训练的方法，包括：
3、区域标定过程：
4、通过第一摄像头实时获取第一半场的第一图像，标定击球前准备区域；
5、通过第二摄像头实时获取第二半场的第二图像，标定击球得分有效区域；
6、击球前判断过程：
7、通过深度卷积神经网络模型检测脚部矩形框box，将box与击球前准备区域做iou计算，大于第一阈值则判断在准备区域内；
8、静态球干扰过滤过程：
9、初始化一列表，用于保存最近n帧检测到的羽毛球检测框坐标信息，后续每一帧检测到的羽毛球检测框，都与列表中每一帧的每个羽毛球检测框的坐标信息进行比较，根据比较结果判断为静态球还是运动中的球；判断完毕后将当前帧羽毛球检测框坐标信息保存到列表，同时删除列表中的第一帧数据；
10、正反手击球判断过程：
11、通过深度卷积神经网络模型检测球拍的面积a与球的面积b，并计算a和b的面积交集i，判断i/b是否大于第二阈值，如果是则为击球；
12、通过深度卷积神经网络模型检测大拇指、小拇指、手腕和手肘；
13、如果大拇指的点在手腕上方且在小拇指的指定侧则判断为正手击球；手腕与手肘距离大于第三阈值则判断为反手击球；
14、球落地有效判断过程：
15、当检测到运动中的球至少连续两帧的纵坐标不变或者变化小于指定值，则判断球已经着地，将着地后的球坐标记为p点，然后利用二维平面的向量叉积判断p点是否在击球得分有效区域内，是则认定球落地有效。
16、第二方面，本发明提供了一种基于视觉技术判断羽毛球击球训练的装置，包括：
17、区域标定模块，用于通过第一摄像头实时获取第一半场的第一图像，标定击球前准备区域；通过第二摄像头实时获取第二半场的第二图像，标定击球得分有效区域；
18、击球前判断模块，用于通过深度卷积神经网络模型检测脚部矩形框box，将box与击球前准备区域做iou计算，大于第一阈值则判断在准备区域内；
19、静态球干扰过滤模块，用于初始化一列表，用于保存最近n帧检测到的羽毛球检测框坐标信息，后续每一帧检测到的羽毛球检测框，都与列表中每一帧的每个羽毛球检测框的坐标信息进行比较，根据比较结果判断为静态球还是运动中的球；判断完毕后将当前帧羽毛球检测框坐标信息保存到列表，同时删除列表中的第一帧数据；
20、正反手击球判断模块，用于通过深度卷积神经网络模型检测球拍的面积a与球的面积b，并计算a和b的面积交集i，判断i/b是否大于第二阈值，如果是则为击球；
21、通过深度卷积神经网络模型检测大拇指、小拇指、手腕和手肘；
22、如果大拇指的点在手腕上方且在小拇指的指定侧则判断为正手击球；手腕与手肘距离大于第三阈值则判断为反手击球；
23、球落地有效判断模块，用于当检测到运动中的球至少连续两帧的纵坐标不变或者变化小于指定值，则判断球已经着地，将着地后的球坐标记为p点，然后利用二维平面的向量叉积判断p点是否在击球得分有效区域内，是则认定球落地有效。
24、本发明实施例中提供技术方案，至少具有如下技术效果：
25、基于计算机视觉技术，包括矩形框iou算法、二维平面的向量叉积、羽毛球落地帧判断以及地面静态干扰球过滤等，使羽毛球击球训练考核更加高效、智能、客观。正反手击球通过计算机视觉技术中的关键点坐标判断是否违规，减少了人为判断的主观性；羽毛球落点判断由于地面很多干扰球，如果靠人为判断很有可能因为注意力分散而导致误判地面上哪个是落地的球，降低误判率。
26、上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
技术特征：
1.一种基于视觉技术判断羽毛球击球训练的方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于：所述球落地有效判断过程中，利用二维平面的向量叉积判断p点是否在击球得分有效区域内，具体包括：
3.根据权利要求1所述的方法，其特征在于：所述静态球干扰过滤过程中，与列表中每一帧的每个羽毛球检测框的坐标信息进行比较，具体为计算后续每一帧检测到的羽毛球检测框与列表中每一帧的每个羽毛球检测框的坐标信息的iou，大于第四阈值时认定为静态球。
4.根据权利要求3所述的方法，其特征在于：第四阈值为0.9。
5.根据权利要求1所述的方法，其特征在于：第一阈值为0.9，第二阈值为0.9，第三阈值根据小臂的长度设定，n的取值为5。
6.一种基于视觉技术判断羽毛球击球训练的装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于：所述球落地有效判断过程中，利用二维平面的向量叉积判断p点是否在击球得分有效区域内，具体包括：
8.根据权利要求6所述的装置，其特征在于：所述静态球干扰过滤过程中，与列表中每一帧的每个羽毛球检测框的坐标信息进行比较，具体为计算后续每一帧检测到的羽毛球检测框与列表中每一帧的每个羽毛球检测框的坐标信息的iou，大于第四阈值时认定为静态球。
9.根据权利要求8所述的装置，其特征在于：第四阈值为0.9。
10.根据权利要求6所述的装置，其特征在于：第一阈值为0.9，第二阈值为0.9，第三阈值根据小臂的长度设定，n的取值为5。
技术总结
本发明公开了一种基于视觉技术判断羽毛球击球训练的方法及装置，涉及羽毛球训练技术领域。所述方法包括区域标定过程、击球前判断过程、静态球干扰过滤过程、正反手击球判断过程以及球落地有效判断过程。本发明提供的一种基于视觉技术判断羽毛球击球训练的方法及装置，采用深度卷积神经网络模型识别出人、球、拍以及人体关键点位置，并基于计算机视觉技术，包括矩形框IOU算法、二维平面的向量叉积、羽毛球落地帧判断以及地面静态干扰球过滤等，实现羽毛球击球训练过程的智能判断，使羽毛球击球训练考核更加高效、智能、客观。
技术研发人员：刘文浓,章珠明,汪鸿彬,胡灿峰
受保护的技术使用者：恒鸿达（福建）体育科技有限公司
技术研发日：
技术公布日：2024/9/23