一种基于人工智能的投掷铅球成绩记录系统技术方案

本发明专利技术公开了一种基于人工智能的投掷铅球成绩记录系统，是在投掷场地内设置有准备区和成绩区，准备区内设置有投掷起始线，所述投掷场地内设置有1个摄像头；在所述投掷场地内的n个运动员按照出场顺序依次穿戴不同的号码牌，在投掷场地的一侧设置有工控机、显示屏和喇叭；在工控机上设置有包括：数据采集模块、预处理模块、号码匹配模块、计时模块、人员位置检测模块、违规检测模块、轨迹检测模块、落地点检测模块和成绩输出模块。本发明专利技术利用人工智能实现对投掷距离的智能测量，从而提高测量的准确度和公平性。度和公平性。度和公平性。

【技术实现步骤摘要】
一种基于人工智能的投掷铅球成绩记录系统


[0001]本专利技术属于人工智能领域，具体的说是一种基于人工智能的投掷铅球成绩记录系统。

技术介绍

[0002]在铅球比赛中，目前大部分针对运动员的投掷成绩都是人工计算和统计投掷距离，既费时间，也耗人力。因此设计一种快速、省时、省人力、又准确还能防止运动员作弊的投掷铅球成绩记录系统具有重要意义。

技术实现思路

[0003]本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于人工智能的投掷铅球成绩记录系统，以期能利用人工智能实现对投掷时间的智能计时、对投掷距离进行智能测量，并能对违规情况及时反馈，从而能减轻工作人员的现场参与度且成绩公平、省时省力、提高计时和测量的准确性。
[0004]本专利技术为达到上述专利技术目的，采用如下技术方案：
[0005]本专利技术一种基于人工智能的投掷铅球成绩记录系统的特点是，在投掷场地内设置有准备区和成绩区，所述准备区呈圆形，所述成绩区呈扇形，所述准备区内设置有投掷起始线，所述投掷起始线为一段弧，所述弧与成绩区扇形的弧为同心弧；所述投掷场地内设置有1个摄像头；在所述投掷场地内的n个运动员按照出场顺序依次穿戴不同的号码牌，每位运动员的前面均贴有相同数字的号码牌；在所述投掷场地的一侧设置有工控机、显示屏和喇叭；
[0006]所述工控机上设置有：数据采集模块、预处理模块、号码匹配模块、计时模块、人员位置检测模块、人员姿态检测模块、落地点检测模块、违规检测模块和成绩输出模块；
[0007]所述第n个运动员进入检测区后，所述数据采集模块利用所述摄像头采集第n个运动员的投掷视频并发送到所述预处理模块；
[0008]所述预处理模块对所接收到的当前第n个投掷视频进行剪切，提取剪切后视频每一帧的视频关键帧，再对所述视频关键帧进行裁剪旋转，从而得到第n个目标数据集；
[0009]所述号码匹配模块对第n个目标数据集中第一帧图像的号码进行识别，若号码识别的结果与喇叭播报的号码相同，则触发所述计时模块，否则，通过喇叭报错；
[0010]所述计时模块根据所述当前第n个投掷视频的第一帧图像的时间戳t0开始计时，并在落地点检测模块检测到铅球落地时结束计时，从而得到第n个运动员的投掷时间后清零；
[0011]所述人员位置检测模块对所述第n个目标数据集进行人员位置处理，得到当前第n个投掷视频中运动员的位置；
[0012]所述违规检测模块根据当前第n个投掷视频中运动员的位置，判断投掷时运动员的脚是否超出起掷线，若超出，则判断违规，否则，判断第n个运动员的当前投掷时间是否超
时，若超时，则判定违规，否则，继续计时和检测；
[0013]所述轨迹检测模块对第n个目标数据集进行轨迹追踪处理，得到当前投掷视频中铅球的移动轨迹；
[0014]所述落地点检测模块对所述第n个目标数据集进行落地点检测处理，得到当前第n个投掷视频中铅球的落地点，并计算出落地点与起掷线之间的投掷距离；
[0015]所述成绩输出模块根据号码识别的结果，将第n个运动员的投掷距离输出到所述显示屏中进行显示。
[0016]本专利技术所述的基于人工智能的投掷铅球成绩记录系统的特点也在于，所述预处理模块采用残差稠密跳接网络和仿射变化方法对投掷视频进行处理；
[0017]所述残差稠密跳接网络包括：浅层特征提取单元SFE、稠密块单元RDB、稠密特征融合单元DFF和图像上采集单元UP；
[0018]所述浅层特征提取单元SFE提取投掷视频中每一帧图像的低频信息；
[0019]所述稠密块单元RDB对低频信息经过分层提取后，得到RDB层特征图；
[0020]所述稠密特征融合单元DFF包括：全局特征融合单元GFF和全局残差学习单元GRL；
[0021]所述全局特征融合单元GFF对所述RDB层特征图进行特征提取，得到全局特征图；
[0022]所述全局残差学习单元GRL对所述RDB层特征图进行特征提取，得到局部特征图；
[0023]由所述全局特征图和局部特征图构成图像特征图；
[0024]所述图像上采集单元UP对所述图像特征图经过上采集处理后得到超分辨率图像；
[0025]利用仿射变换对所述超分辨率图像行旋转变换处理，得到矫正角度后的超分辨率图像。
[0026]所述人员位置检测模块采用Yolo网络结构对人员位置进行检测处理；所述Yolo网络结构包括Input部分、Backbone部分、Neck部分和Head部分；
[0027]所述Input部分对目标数据集进行增强，得到图像特征图；
[0028]所述Backbone部分对所述图像特征图进行最大池化处理，将不同尺度的特征图拼接后，得到拼接图像特征图；
[0029]所述Neck部分采用上采样的方式对拼接图像特征图进行融合，得到预测特征图；
[0030]所述Head部分对预测特征图进行预测框判定，得到最优预测框并作为运动员的位置。
[0031]所述轨迹检测模块采用Deep Sort算法对目标数据集进行轨迹追踪处理；
[0032]所述Deep Sort算法包括：YOLOv5目标检测算法、非极大值抑制算法、卡尔曼滤波算法和匈牙利算法；
[0033]所述YOLOv5目标检测算法用于提取目标数据集的深度特征，从而得到运动目标的候选框；
[0034]所述非极大值抑制算法用于去除所述运动目标的候选框中的重叠框，从而得到若干个运动目标检测框；
[0035]所述卡尔曼滤波算法用于对所述运动目标检测框在投掷视频中下一帧的位置和状态进行预测，得到运动目标检测框在下一时刻的状态参数；
[0036]所述匈牙利算法对相邻两帧之间若干个运动目标检测框进行最优匹配，得到运动目标检测框在投掷视频中的移动轨迹。
[0037]所述落地点检测模块采用圆拟合算法进行落地点检测处理，所述圆拟合算法包含：边缘检测算法、非极大值抑制算法、最小二乘法拟合算法；
[0038]所述边缘检测算法用于获取目标数据集中运动目标的边缘特征，从而得到运动目标的候选框；
[0039]所述非极大值抑制算法用于去除所述运动目标的候选框中的重叠框，从而得到若干个运动目标检测框；
[0040]所述最小二乘法拟合算法用于对所述运动目标检测框中的目标状态参数进行圆拟合，得到运动目标在投掷视频中的落地点与投掷起始线的距离。
[0041]与现有技术相比，本专利技术的有益效果在于：
[0042]1、本专利技术采用残差稠密跳接网络对投掷视频和仿射变换对图像进行处理，提高了投掷视频和图像的分辨率，矫正视频图像拍摄的角度，从而使投掷成绩更加准确。
[0043]2、本专利技术通过人员位置检测模块对运动员进行人员位置检测，实现了对运动员的智能位置检测，从而对现场违规情况及时反馈且证据可查；
[0044]3、本专利技术通过落地点检测模块对运动员投掷的铅球的落地点进行落地点检测，实现了对运动员投掷成绩的智能测量，从而使本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能的投掷铅球成绩记录系统，其特征是，在投掷场地内设置有准备区和成绩区，所述准备区呈圆形，所述成绩区呈扇形，所述准备区内设置有投掷起始线，所述投掷起始线为一段弧，所述弧与成绩区扇形的弧为同心弧；所述投掷场地内设置有1个摄像头；在所述投掷场地内的n个运动员按照出场顺序依次穿戴不同的号码牌，每位运动员的前面均贴有相同数字的号码牌；在所述投掷场地的一侧设置有工控机、显示屏和喇叭；所述工控机上设置有：数据采集模块、预处理模块、号码匹配模块、计时模块、人员位置检测模块、人员姿态检测模块、落地点检测模块、违规检测模块和成绩输出模块；所述第n个运动员进入检测区后，所述数据采集模块利用所述摄像头采集第n个运动员的投掷视频并发送到所述预处理模块；所述预处理模块对所接收到的当前第n个投掷视频进行剪切，提取剪切后视频每一帧的视频关键帧，再对所述视频关键帧进行裁剪旋转，从而得到第n个目标数据集；所述号码匹配模块对第n个目标数据集中第一帧图像的号码进行识别，若号码识别的结果与喇叭播报的号码相同，则触发所述计时模块，否则，通过喇叭报错；所述计时模块根据所述当前第n个投掷视频的第一帧图像的时间戳t0开始计时，并在落地点检测模块检测到铅球落地时结束计时，从而得到第n个运动员的投掷时间后清零；所述人员位置检测模块对所述第n个目标数据集进行人员位置处理，得到当前第n个投掷视频中运动员的位置；所述违规检测模块根据当前第n个投掷视频中运动员的位置，判断投掷时运动员的脚是否超出起掷线，若超出，则判断违规，否则，判断第n个运动员的当前投掷时间是否超时，若超时，则判定违规，否则，继续计时和检测；所述轨迹检测模块对第n个目标数据集进行轨迹追踪处理，得到当前投掷视频中铅球的移动轨迹；所述落地点检测模块对所述第n个目标数据集进行落地点检测处理，得到当前第n个投掷视频中铅球的落地点，并计算出落地点与起掷线之间的投掷距离；所述成绩输出模块根据号码识别的结果，将第n个运动员的投掷距离输出到所述显示屏中进行显示。2.根据权利要求1所述的基于人工智能的投掷铅球成绩记录系统，其特征是，所述预处理模块采用残差稠密跳接网络和仿射变化方法对投掷视频进行处理；所述残差稠密跳接网络包括：浅层特征提取单元SFE、稠密块单元RDB、稠密特征融合单元DFF和图像上采集单元UP；所述浅层特征提取单元SFE提取投掷视频中每一帧图像的低频信息；所述稠密块单元RDB对低频信息经过分层提取后，得到RDB层特征图；所述稠密特征融合单元DF...

【专利技术属性】
技术研发人员：唐义平，祖慈，丁美双，刘兵，李俊辰，胡平路，李帷韬，
申请(专利权)人：安徽一视科技有限公司，
类型：发明
国别省市：