一种基于历史网球赛视频分析的对战策略辅助训练方法技术

本发明专利技术提供一种基于历史网球赛视频分析的对战策略辅助训练方法，根据网球运动轨迹进行分析，得到战胜对手的击球轨迹以及相关细化数据，给出辅助建议。通过定义单拍回球质量，采集网球比赛对战数据信息并加以标记，通过颜色渲染，使二维网球轨迹带上三维信息，并通过感知网络，获得该轨迹的感知信息编码，通过记忆网络生成情景记忆、语义记忆；加上相应量化数据输入响应网络的生成预测轨迹，并与实际球员回球轨迹进行对抗，最小化监督误差，不断优化预测响应模块，形成网球对战回球辅助模型，输入对手历史网球赛数据，通过改变输入回球质量，模拟球员与对手的对战过程，得到该球员战胜对手的回球策略以及球员需要避免的失误回球以辅助球员训练。球以辅助球员训练。球以辅助球员训练。

【技术实现步骤摘要】
一种基于历史网球赛视频分析的对战策略辅助训练方法


[0001]本专利技术涉及深度学习
，特别涉及一种基于历史网球赛视频分析的对战策略辅助训练方法、系统。

技术介绍

[0002]在职业网球运动中，网球的运动速度很快，从快球运动中准确预测对手动作的能力被认为是一项了不起的壮举，考虑到目前球的速度超过130英里/小时，接受者就对手的意图做出决定并做出回应所需的时间可能会超过球的飞行时间，因此训练运动员这种能力成为提升比赛胜率的关键，再者对于赛后观看高球速视频分析从中获取指导信息较难实现，大多为人工分析标记，效率低，细化处难以发现。
[0003]在机器学习领域，研究人员对更好地理解影响快球运动决策的因素越来越感兴趣，但很少有研究将对潜在神经机制的观察转化为机器学习中的神经建模，特别是决策属性方面，该预测能力包含从感觉记忆到存储在情景记忆中的经验，以及从语义记忆中获得的知识，现有最先进的方法试图通过手工制作来捕捉底层语义，这种方法大大减低其运作效率，并且手工制作的功能只在给定的环境中捕获抽象级别的语义，无法在多个数据挖掘和知识发现任务中代表上下文，针对于此，结合网球实例，并鉴于当前比赛跟踪数据的完善，本专利技术推导出一种新的端到端深度学习方法，自主形成情景记忆以及语义记忆，预测玩家行为，进行归因分析，帮助运动员赛后分析，提供高性能指导，是本领域技术人员亟待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术目的在以提供一种基于历史网球赛视频分析的对战策略辅助训练方法、系统，以解决在网球视频可视化情境下运动员击球预测，以及在自动生成学习情景记忆、语义记忆下人工捕捉的局限性，并以此生成击球预测，归因分析，给出相应击球细节指导，便于分析对手招式并进行自我提升。其具体实施方案如下：
[0005]定义单拍回球质量，将网球赛中发球方的单拍表示为一个集合S1＝{a
i
|i＝1，2，
…
，n1}，接发球方的单拍表示为一个集合S2＝{b
j
|j＝1，2，
…
，n2}，定义某职业球员在网球赛中的单拍回球质量q
i
，得到单拍回球质量其中q
i
＞0，职业球员最终得分，q
i
＜0，职业球员最终失误失分；
[0006]结合单拍回球质量，在此基础上采集网球赛中每回合击球得分、击球角度、球员身份、击球球速、击球三维轨迹、击球类型以及球员移动二维轨迹数据，构建网球赛的球员对战数据；
[0007]将对战数据中的职业球员对手op
t
的三维击球轨迹曲线[x
1，t
，y
1，t
，z
1，t
]中的[x
1，t
，y
1，t
]以线性映射的方式绘制在二维标准网球场地图中，得到二维网球轨迹的击球图；
[0008]在只包含二维信息的网球轨迹图中，为二维轨迹赋予颜色，在同一轨迹下，不同位
置线段颜色不同，代表该位点的高度信息，通过颜色渐变算子映射至二维标准网球场地图中，经颜色渐变渲染，得到具有三维球轨迹信息的二维击球轨迹图；
[0009]基于上诉二维网球轨迹图，进行网球击球决策与归因分析，如下；
[0010]将所述职业球员对手op
t
具有三维信息的二维击球场景图片H
t
输入至由9层深度卷积神经网络构成的感知网络，获取感知信息，并对其进行编码，得到该职业球员p对于op
t
击球轨迹、球员移动的感知信息编码P
t
＝f
PN
(H
t
)；
[0011]将该感知信息编码P
t
展成向量形式并添加此时网球赛比分score
t
、对手的身份op
t
、击球球速S
t
以及击球轨迹角度α
t
的编码信息，得到此时的击球情景记忆表示EM
t
＝[FC
EM
(flatten(P
t
))，q
t
，score
t
，op
t
，S
t
，α
t
，n
t
]；
[0012]将所述职业球员p的情景记忆序列EM＝[EM1，EM2，EM3，
…
，EM
t
]通过门控循环单元进行编码；
[0013]门控循环单元的内部结构定义如下：z
t
＝σ(W
(z)
EM
t
+U
(z)
h
t
‑1+b
(z)
)r
t
＝σ(W
(r)
EM
t
+U
(r)
h
t
‑1+b
(r)
))将相似度特征向量z(c，m)＝[c，m，cοm，|c
‑
m|，c
T
W
(b)
m]经过两层前向神经网络，即G(c，m)＝σ(W
(2)
∫tanh(W
(1)
z(c，m)+b
(1)
)+b)，作为所述情景记忆注意力的门函数；
[0014]更新隐状态h
t
＝GRU(EM
t
，h
t
‑1)，计算门函数作为注意力机制加权更新所述情景记忆的隐状态得到时间步t情景向量然后更新情景记忆编码m
i
＝GRU(e
i
，m
i
‑1)，经过T
M
次传递后得到最终情景记忆编码
[0015]通过情景记忆形成语义记忆并进行存储，其中语义记忆不包含时空信息，相当于作为网球击球决策的知识储备，是一种经验积累；
[0016]将所述情景记忆编码传入门控循环单元网络，输出职业球员p的语义记忆编码其中为隐状态
[0017]将所得击球语义记忆编码SM
t
输入至由与感知网络对称结构的响应生成网络，得到该职业球员p的具有三维球轨迹信息的二维预测回球响应轨迹图
[0018]将该回球预测响应轨迹图展成向量，通过2层全连接层，得到此时预测的回球球速、回球角度编码信息，即
[0019]将所述球员p的三维回球球轨迹信息通过与所述步骤S201、S202类似的方式生成具有三维球轨迹信息的二维回球轨迹图R
t
；
[0020]将所述预测回球响应轨迹图与所述球员真实回球响应轨迹图R
t
混合，通过2层卷积神经网络展成向量形式，并添加上网球赛编码信息通过2层全连接网络，分成两路构成分类器进行分类，其中一路对于回球响应图的真实性进行预测，另一路分类器对于的回球响应类型进行分类；
[0021]将所述的生成式对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于，主要包括以下步骤：步骤S1：定义某职业球员在网球赛中的单拍回球质量，包含相关量化数据，例如双方开球至得分为止双方当前对战的拍数占双方的总拍数的百分比；步骤S2：将该球员历史网球赛中回球拍的回球质量、对手的击球相关数据(包括三维击球轨迹信息、击球得分、击球角度、对手身份、击球球速、击球三维轨迹、击球类型、潜在噪声分布以及球员移动二维轨迹数据)输入至基于神经记忆网络的生成对抗网络模型，输出该球员的预测回球轨迹图、回球分类以及回球相关数据(包括回球角度、回球球速)；步骤S3：将所述基于神经记忆网络的生成对抗网络模型，通过减少分类器的监督损失进行学习，得到该球员的网球对战回球决策模型；步骤S4：在网球比赛前将所述球员对手的历史网球赛数据输入至所述球员的网球回球决策模型，通过改变输入回球质量，得到该球员战胜对手的回球策略以及球员需要避免的失误回球以辅助球员训练。2.根据权利要求1所述的基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于：所述步骤S1中将网球赛中发球方的单拍表示为一个集合S1＝{a
i
|i＝1，2，
…
，n1}，接发球方的单拍表示为一个集合S2＝{b
j
|j＝1，2，
…
，n2}，定义某职业球员在网球赛中的单拍回球质量q
i
，包含所有量化数据，例如：单拍回球质量其中i、j分别表示开球至得分为止双方当前对战的拍数，n1、n2分别表示双方开球至得分为止对战的总拍数，若该职业球员最终得分，则q
i
＞0，若该职业球员最终失误，则q
i
＜0。3.根据权利要求1所述的基于历史网球赛视频分析的对战策略辅助训练方法，其特征在于，所述步骤S2包括以下步骤：步骤S201：将所述输入数据中的职业球员对手op
t
的三维击球轨迹曲线[x
1，t
，y
1，t
，z
1，t
]中的[x
1，t
，y
1，t
]以线性映射的方式绘制在二维标准网球场地图中，并添加对战双方当前的二维移动轨迹信息，得到二维击球轨迹图H
t
；步骤S202：将所述二维击球轨迹图添加球轨迹高度信息z
1，t
，z
1，t
的变化通过颜色渐变算子映射至二维标准网球场地图中，对二维球轨迹进行颜色渐变渲染，得到具有三维球轨迹信息的二维击球轨迹图；步骤S203：将所述职业球员对手op
t
具有三维信息的二维击球轨迹图片H
t
输入至由9层深度卷积神经网络构成的感知网络，得到该职业球员p对于op
t
击球轨迹、球员移动的感知信息编码P
t
＝f
PN
(H
t
)；步骤S204：将所述职业球员p的击球感知信息编码P
t
展成向量形式，并添加此时球员回球拍所需的回球质量q
t
、当前网球赛比分score
t
、对手的身份op
t
、对手击球球速S
t
、潜在噪声分布n
t
以及对手击球轨迹角度α
t
的编码信息，得到此时的击球情景记忆表示EM
t
＝[FC
EM
(flatten(P
t
))，q
t
，score
t
，op
t
，S
t
，α
t
，n
t
]；步骤S205：将所述职业球员p的情景记忆序列EM＝[EM1，EM2，EM3，
…
，EM
t
]通过门控循环单元进行编码，更新隐状态h
t
＝GRU...

【专利技术属性】
技术研发人员：肖嘉胤，李东，罗森滋，徐卓豪，章云，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：