球类赛事的智能裁判方法和电子设备技术

本申请提供了一种球类赛事智能裁判评价方法，包括：预先构建智能裁判预测模型；获取现场赛况数据，对该现场赛况数据进行数据处理以生成待裁判数据；该现场赛况数据包括高速摄影机拍摄的赛况视频；将该待裁判数据输入该智能裁判预测模型，以获得该智能裁判预测模型对该待裁判数据的得分判别结果；判断该得分判别结果是否符合该球类赛事的国际裁判规则；若不符合，则通过纠错入口对该得分判别结果进行修正生成纠错范例；收集该纠错范例，用于对该智能裁判预测模型进行优化，并基于此提供的电子设备，利用机器学习技术实现球类赛事的智能裁判，从而可以减少现有技术中人工裁判带来的主观因素干扰，从而降低误判率。从而降低误判率。从而降低误判率。

【技术实现步骤摘要】
球类赛事的智能裁判方法和电子设备


[0001]本申请涉及体育活动智能化管理领域，具体而言，本申请涉及一种球类赛事的智能裁判方法和电子设备。

技术介绍

[0002]近些年，人工智能的快速发展，带来了许多行业的技术革命，甚于能够达到超越人类专家的技术效果。一直以来，体育赛事的裁判都是专业人士担任。作为裁判员的专家不仅需要过硬的专业知识，熟记裁判规则，还要有较好的眼里和反应敏捷度。对于高度紧张的比赛，稍有不慎，可能导致错判、误判和漏判；或者由于主观因素，导致裁判不公平。基于此，如何构建一套智能裁判方法和系统，减少人工参与裁判的因素，从而确保裁判的公平性和准确性，成为了智能体育领域亟待解决的技术问题。

技术实现思路

[0003]有鉴于此，本申请各实施例提供了一种球类赛事的智能裁判方法和电子设备，借助人工智能手段对球类赛事进行裁判打分，从而解决球类赛事裁判公平性和准确性的问题所述技术方案如下：
[0004]根据本申请实施例的一个方面，提供了一种球类赛事智能裁判评价方法，包括：预先构建智能裁判预测模型；获取现场赛况数据，对该现场赛况数据进行数据处理以生成待裁判数据；该现场赛况数据包括高速摄影机拍摄的赛况视频；将该待裁判数据输入该智能裁判预测模型，以获得该智能裁判预测模型对该待裁判数据的得分判别结果；判断该得分判别结果是否符合该球类赛事的国际裁判规则；若不符合，则通过纠错入口对该得分判别结果进行修正生成纠错范例；收集该纠错范例，用于对该智能裁判预测模型进行优化。
[0005]在一示例性实施例中，该智能裁判预测模型的构建方法包括：构建智能裁判预测模型的初始模型；获取该球类赛事的历史赛况数据，对该历史赛况数据进行数据处理，以获得历史待裁判数据；获取该球类赛事的国际裁判规则及专家经验，构建评分规则库；基于该评分规则库，对该历史待裁判数据进行标引，以获得训练数据集；将该训练数据集输入该智能裁判预测模型进行训练及调试，以获得该智能裁判预测模型。
[0006]在一示例性实施例中，该获取该球类赛事的历史赛况数据，对该历史赛况数据进行数据处理，以获得历史待裁判数据，具体包括：根据该球类赛事的国际裁判规则，确定该球类赛事的待裁判目标对象；基于该待裁判目标对象的运动轨迹，对该历史赛况数据进行切片；该切片包含复数帧连续的视频图像；检测每个切片中是否包含该裁判目标对象的裁判关键帧；提取包含该裁判关键帧的目标切片；对该目标切片进行逐帧灰度转换，以获得灰度处理后的目标切片；对该灰度处理后的目标切片进行目标检测和目标跟踪，以获得待裁判目标对象的运动轨迹；基于该待裁判目标对象的运动轨迹和国际裁判规则，对该目标切片进行裁判结果标引，以获得该历史待裁判数据。
[0007]在一示例性实施例中，该裁判目标对象的裁判关键帧包括运动员犯规行为关键帧
以及球体得分关键帧，该对该历史赛况数据进行切片，包括：基于运动员犯规行为的完整性及球体得分过程的完整性对该历史赛况数据进行切片。
[0008]在一示例性实施例中，该构建智能裁判预测模型的初始模型，具体包括：创建用于对该待裁判数据进行目标检测和目标跟踪的赛况数据分析子模型；以及创建用于对该待裁判数据进行得分判别的得分决策子模型；将该赛况数据分析子模型作为该得分决策子模型的前置模型，对该赛况数据分析子模型和该得分决策子模型进行模型集成，以生成智能裁判预测模型的初始模型。
[0009]在一示例性实施例中，该赛况数据分析子模型的构建方法，具体包括：构建基于Faster R
‑
CNN模型的空间信息学习模型；以及构建基于RNN模型的时序信息学习模型；该时序信息学习模型以该空间信息学习模型为前置模型，基于集成算法构建该赛况数据分析子模型。
[0010]在一示例性实施例中，该空间信息学习模型的构建方法，具体包括：基于ImageNet数据集对该Faster R
‑
CNN模型进行预训练，以获得预训练后的该Faster R
‑
CNN模型；将该历史待裁判数据作为Faster R
‑
CNN模型的训练集，对Faster R
‑
CNN模型进行微调，以获得该空间信息学习模型。
[0011]在一示例性实施例中，该时序信息学习模型的训练方法，包括：将该历史赛况数据作为该时序信息学习模型的训练集，对该时序信息学习模型进行训练。
[0012]在一示例性实施例中，该得分决策子模型的构建方法，具体包括：基于SVM模型构建该得分决策子模型的初始化模型；将该训练数据集作为该得分决策子模型的训练样本，对该SVM模型进行训练和调试，以获得该得分决策子模型。
[0013]根据本申请实施例的一个方面，提供了一种电子设备，包括：至少一个处理器、至少一个存储器、以及至少一条通信总线，其中，该存储器上存储有计算机程序，该处理器通过该通信总线读取该存储器中的该计算机程序；该计算机程序被该处理器执行时实现如上该的一种球类赛事的智能裁判方法。
[0014]本申请各实施例提供的技术方案带来的有益效果是：
[0015]1、通过构建智能裁判预测模型，并借助高速摄影机拍摄现场视频，并将视频传递到后端智能裁判预测模型，通过机器学习的方法实现对球类赛事的裁判结果预测，从而可以减少现有技术中人工裁判带来的主观因素干扰，从而降低误判率。
[0016]2、通过引入国际裁判规则和专家经验，从而完善评分规则库，以应对赛场上的各种非规则裁判场景，以提高模型的泛化能力和裁判预测准确度。
[0017]3、通过基于运动员犯规行为的完整性及球体得分过程的完整性对所述历史赛况数据进行切片，并筛选出含有关键帧的切片，再对被筛选出的目标切片进行目标检测和目标跟踪，并经过标引后作为模型训练集，从而将信息量较低的数据丢弃，不仅压缩了数据处理量和数据训练量，提高了模型训练效率；同时能够避免模型过拟合，提高模型泛化能力。
[0018]4、通过将智能裁判预测模型分解成赛况数据分析子模型和得分决策子模型，对应地，将裁判任务分解成两项子任务，即目标检测任务和得分决策任务，相比于单一模型实现整体裁判任务，降低智能裁判预测模型的构建难度，对快速搭建智能裁判预测模型提高了搭建效率。
[0019]5、采用历史赛况数据作为所述时序信息学习模型的训练集，对时序信息学习模型
进行训练，从而提高该时序信息学习模型对该球类赛事的完整时序的拟合能力，有助于提高作为集成模型后对待测切片的时序理解。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
[0021]图1是本申请各示例性实施例所涉及的球类赛事的智能裁判方法的实施环境示意图；
[0022]图2是根据一示例性实施例示出的一种球类赛事的智能裁判方法流程图；
[0023]图3是根据一示例性实施例示出的一种球类赛事的智能裁判评价系统示意图；
[0024]图4是根据一示例性实施例示出的构建本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种球类赛事的智能裁判方法，其特征在于，包括：预先构建智能裁判预测模型；获取现场赛况数据，对所述现场赛况数据进行数据处理以生成待裁判数据；所述现场赛况数据包括高速摄影机拍摄的赛况视频；将所述待裁判数据输入所述智能裁判预测模型，以获得所述智能裁判预测模型对所述待裁判数据的得分判别结果；判断所述得分判别结果是否符合所述球类赛事的国际裁判规则；若不符合，则通过纠错入口对所述得分判别结果进行修正生成纠错范例；收集所述纠错范例，用于对所述智能裁判预测模型进行优化。2.根据权利要求1所述的球类赛事的智能裁判方法，其特征在于：所述智能裁判预测模型的构建方法包括：构建智能裁判预测模型的初始模型；获取所述球类赛事的历史赛况数据，对所述历史赛况数据进行数据处理，以获得历史待裁判数据；获取所述球类赛事的国际裁判规则及专家经验，构建评分规则库；基于所述评分规则库，对所述历史待裁判数据进行标引，以获得训练数据集；将所述训练数据集输入所述智能裁判预测模型进行训练及调试，以获得所述智能裁判预测模型。3.根据权利要求2所述的球类赛事的智能裁判方法，其特征在于，所述获取所述球类赛事的历史赛况数据，对所述历史赛况数据进行数据处理，以获得历史待裁判数据，具体包括：根据所述球类赛事的国际裁判规则，确定所述球类赛事的待裁判目标对象；基于所述待裁判目标对象的运动轨迹，对所述历史赛况数据进行切片；所述切片包含复数帧连续的视频图像；检测每个切片中是否包含所述裁判目标对象的裁判关键帧；提取包含所述裁判关键帧的目标切片；对所述目标切片进行逐帧灰度转换，以获得灰度处理后的目标切片；对所述灰度处理后的目标切片进行目标检测和目标跟踪，以获得待裁判目标对象的运动轨迹；基于所述待裁判目标对象的运动轨迹和国际裁判规则，对所述目标切片进行裁判结果标引，以获得所述历史待裁判数据。4.根据权利要求3所述的球类赛事的智能裁判方法，其特征在于，所述裁判目标对象的裁判关键帧包括运动员犯规行为关键帧以及球体得分关键帧，所述对所述历史赛况数据进行切片，包括：基于运动员犯规行为的完整性及球体得分过程的完整性对所述历史赛况数据进行切片。5.根据权利要求2所述的球类赛事的智能裁判方法，其特征在于：所述构...

【专利技术属性】
技术研发人员：许阿义，詹瑾，
申请(专利权)人：厦门钛尚人工智能科技有限公司，
类型：发明
国别省市：