一种面向篮球中无球球员运动的可视化分析方法及系统技术方案

本发明专利技术公开了一种面向篮球中无球运动的可视化分析方法，包括：步骤1、获取球员跟踪数据集与对应的事件结果数据集；步骤2、以事件结果数据集中的进攻事件为节点，对球员跟踪数据集进行分析，获得无球球员对应的投篮期望值和传球成功率；步骤3、将投篮期望值和传球成功率导入预构建的可视化模型中，在所述可视化模型中，对导入的投篮期望值和传球成功率进行图形绘制，并对所述图形中的数据交互操作后输出显示。本发明专利技术还公开了一种无球球员运动可视化系统。本发明专利技术的方法针对进攻队伍中无球跑动球员的贡献分析，根据时间与空间之间的关系变化，生成可视化的图形信息，从而便于球队管理与技术分析。术分析。术分析。

【技术实现步骤摘要】
一种面向篮球中无球球员运动的可视化分析方法及系统


[0001]本专利技术涉及计算机
，尤其涉及一种面向篮球中面向篮球中无球球员运动的可视化分析方法及系统。

技术介绍

[0002]分析篮球运动员的行为，衡量他们的价值，对于打造一支优秀的篮球队至关重要。如果没有对一名篮球运动员进行详细评估的方法，团队经理和教练就无法根据不同类型和价值量的运动员，制定不同的策略。对于球员价值的评估方法不仅可以为团队提供建议，并且对教练制定在战术策略也起着重要的作用。
[0003]DeepHoops是一个用于评估篮球运动中球员行为价值的深度学习框架。该模型基于NBA比赛的时空跟踪数据，根据球和球员的球场位置序列，来评估进攻回合的每个时刻可能发生的结束行为的概率(例如，进球、失误、犯规等)。这些结束行为会与一个预期分值相关联，而该预期分值的变化被用来衡量球员在场上所做出的行动的价值。该技术在辅助教练员进行无球跑动分析时主要存在以下不足：预期分值的变化难以反映到具体某一名球员的贡献中，该深度学习模型的输入为某一时刻球场上所有球员以及球的位置，因此其输出的预期本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向篮球中无球球员运动的可视化分析方法，其特征在于，包括：步骤1、获取球员跟踪数据集与对应的事件结果数据集，所述球员跟踪数据包括无球球员站位数据，无球球员移动轨迹数据以及篮球位置数据；步骤2、以事件结果数据集中的进攻事件为节点，对球员跟踪数据集进行分析，获得无球球员对应的投篮期望值和传球成功率；步骤3、将所述投篮期望值和所述传球成功率导入预构建的可视化模型中，在所述可视化模型中，对导入的投篮期望值和传球成功率进行图形绘制，并对所述图形中的数据交互操作后输出显示。2.根据权利要求1所述的面向篮球中无球球员运动的可视化分析方法，其特征在于，所述进攻事件包括投篮事件，传球事件以及得分事件。3.根据权利要求1所述的面向篮球中无球球员运动的可视化分析方法，其特征在于，所述投篮期望值采用元素的智能乘积算法，将控制区域矩阵，防守情况矩阵以及投篮能力矩阵的乘积进行求和获得。4.根据权利要求3所述的面向篮球中无球球员运动的可视化分析方法，其特征在于，所述控制区域矩阵是将球场空间离散化为相同大小的网格后，导入无球球员站位数据进行构建。5.根据权利要求3所述的面向篮球中无球球员运动的可视化分析方法，其特征在于，所述防守情况矩阵是将无球球员站位数据导入维诺图后，提取防守一方球员所在维诺单元进行构建获得。6.根据权利要求3所述的面向篮球中无球球员运动的可视化分析方法，其特征在于，所述投篮能力矩阵是将球场空间离散化为相同大小的网格后，对每个网格内的投篮事件与得分事件进行计算获得...

【专利技术属性】
技术研发人员：巫英才，吴奕竑，
申请(专利权)人：浙江大学，
类型：发明
国别省市：