一种基于综合体能表现竞赛内容的比赛场地检测方法及系统技术方案

本发明专利技术公开了一种基于综合体能表现竞赛内容的比赛场地检测方法及系统，该检测方法包括以下步骤：S1、根据比赛项目的要求，采集场地和设备的图像数据；S2、基于边缘检测的图像处理技术对图像数据进行处理，并对场地和设备的图像数据特征进行分类；S3、制定比赛场地三维模拟化构建方案，利用SketchUp建模软件进行比赛场地三维模拟化模型构建，并根据图像数据特征和制定的方案，对比赛场地三维模拟化模型进行测试；S4、记录模拟化构建结果，对不符合要求的地方进行标记。本发明专利技术通过建立比赛场地三维模拟化模型，直观地查看整个场地的布局和设计，使模型更加真实、具体，能够更好地预演比赛场景，检测场地设计的合理性。检测场地设计的合理性。检测场地设计的合理性。

【技术实现步骤摘要】
一种基于综合体能表现竞赛内容的比赛场地检测方法及系统


[0001]本专利技术涉及体育赛事比赛场地检测领域，具体来说，涉及一种基于综合体能表现竞赛内容的比赛场地检测方法及系统。

技术介绍

[0002]近年来许多研究人员投入到体育视频分析这个研究领域。体育视频分析研究主要服务于两个大的应用方向：其中之一是基于内容的视频检索与摘要；二是技战术分析与人体运动分析。前者的具体应用包括：语义事件标注、精彩事件提取、结构分析等等，是面向一般的普通用户，可以有效的检索一段较长的体育视频；后者是面对专业用户的，它的目标是帮助教练员制定战术，辅助运动员训练。球和运动员的轨迹提取对于体育视频的技战术分析是非常有用的线索。球场检测对体育视频分析具有非常重要的作用。体育视频场景分类、对象（包括球、运动员和标线等）检测、语义事件标注、精彩事件提取以及运动视频结构分析工作等都很大程度上依赖于球场检测的结果。比赛项目会根据赛事层级设计不同难度、不同项目数量、多种项目类别对运动员进行全面综合的体能考核。每个单元项目设计不强调单一肌肉群或单一体能维度重复做功，而是以考核运动员的运动能力为目标，通过多种方式的自重、负重为主的多次数、快速、爆发力的办法考核运动员的综合能力。
[0003]综合体能项目设计以三大体能素质：速度、力量、耐力，三大基础动作：蹲、推、拉为基本原则；综合了举重、体操、田径等许多动作进行无间歇项目设计，技能闯关项目设计以：BALANCE、JUMP、SWING、CLIMB为考核运动员综合能力的基本原则。可靠的和准确的场地区域检测对于比赛场地的分析是特别重要的。
[0004]当前的比赛场地检测方法通常使用传感器和设备进行检测，但这些设备的精度有限，可能无法准确识别出一些微小的缺陷和问题。因此，需要进一步研发更加高效和精确的检测技术和设备，以提高场地检测的准确性和有效性，且目前的比赛场地检测主要依靠人工进行，缺乏智能化处理手段。
[0005]针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

[0006]针对相关技术中的问题，本专利技术提出一种基于综合体能表现竞赛内容的比赛场地检测方法及系统，以克服现有相关技术所存在的上述技术问题。
[0007]为此，本专利技术采用的具体技术方案如下：根据本专利技术的一个方面，提供了一种基于综合体能表现竞赛内容的比赛场地检测方法，该比赛场地检测方法包括以下步骤：S1、根据比赛项目的要求，确定需要进行模拟化构建的场地和设备，并采集场地和设备的图像数据；S2、基于边缘检测的图像处理技术对图像数据进行处理，并对场地和设备的图像数据特征进行分类；
S3、制定比赛场地三维模拟化构建方案，利用SketchUp建模软件进行比赛场地三维模拟化模型构建，并根据图像数据特征和制定的方案，对比赛场地三维模拟化模型进行测试；S4、记录模拟化构建结果，对不符合要求的地方进行标记，得到检测记录和检测报告，并提供给比赛组委会。
[0008]进一步的，所述基于边缘检测的图像处理技术对图像数据进行处理，并对场地和设备的图像数据特征进行分类包括以下步骤：S21、对图像进行灰度化处理，得到灰度图像数据；S22、对灰度图像进行高斯平滑处理并计算每个像素点的梯度和方向；S23、基于梯度值大小和阈值进行非极大值抑制，将抑制后的梯度值大于设定阈值的像素点视为边缘点；S24、使用Canny边缘检测算法对提取出来的边缘点进行区域的划分，得到图像数据特征。
[0009]进一步的，所述对灰度图像进行高斯平滑处理并计算每个像素点的梯度和方向包括以下步骤：S221、读取灰度图像，定义高斯核；S222、将高斯核放置在图像的每个像素点上，并进行卷积操作；S223、在卷积的过程中，对于落在边缘的像素点，进行边界扩展处理，得到平滑处理的灰度图像；S224、利用Sobel算子计算每个灰度图像的像素点在x、y方向上的梯度，得到梯度幅值和方向信息；其中，所述利用Sobel算子计算每个灰度图像的像素点在x、y方向上的梯度，得到梯度幅值和方向信息包括以下步骤：S2241、通过将像素点与其周围像素点的灰度值做差，计算水平方向的Sobel算子，得到像素点在水平方向上的灰度差值；S2242、通过将像素点与其周围像素点的灰度值做差，计算竖直方向的Sobel算子，得到像素点在竖直方向上的灰度差值；S2243、综合水平方向上的灰度差值和竖直方向上的灰度差值，得到像素点的梯度幅值和梯度方向；梯度幅值通过计算两个方向上梯度值的平方和再开根号的方式得到；梯度方向通过计算两个方向上梯度值的比例及反正切函数得到。
[0010]进一步的，所述使用Canny边缘检测算法对提取出来的边缘点进行区域的划分，得到图像数据特征包括以下步骤：S241、对边缘点进行Canny边缘检测，得到灰度图像数据中边缘点的集合；S242、对边缘点进行聚类操作，将邻近距离的边缘点划分到同一个组中，得到边缘点组；S243、对每个边缘点的组计算其凸包和最小外接矩形，根据各个边缘点组的凸包和最小外接矩形信息，得到灰度图像数据中各个区域的特征信息。
[0011]进一步的，所述制定比赛场地三维模拟化构建方案，利用SketchUp建模软件进行
比赛场地三维模拟化模型构建，并根据图像数据特征和制定的方案，对比赛场地三维模拟化模型进行测试包括以下步骤：S31、明确综合体能表现竞赛内容的需求，采集并处理比赛场地、器材、选手的数据和信息，制定三维模拟化构建方案；S32、采集比赛场地图像数据和信息，使用SketchUp建模软件制定三维模拟化构建方案；S33、依照三维模拟化构建方案，在SketchUp中进行比赛场地三维模拟化模型构建；S34、对比赛场地三维模拟化模型构建进行测试，并判断是否满足预期需求。
[0012]进一步的，所述采集比赛场地图像数据和信息，使用SketchUp建模软件制定三维模拟化构建方案包括以下步骤：S321、采集比赛场地的平面图、高程图、器材参数和选手表现数据；S322、将平面图和高程图作为场地的基础结构，通过选择三维工具绘制场地的主体结构、座椅、梯座的空间结构及空间尺寸；S323、在比赛场地三维模型中添加器材、道具及移动物体的模型，并调整模型的比例、角度及位置参数，确保三维空间与比赛场地一致。
[0013]进一步的，所述依照三维模拟化构建方案，在SketchUp中进行比赛场地三维模拟化模型构建包括以下步骤：S331、打开SketchUp软件并创建新文档，获取所有实体，遍历其中的面、组和群组数据，根据遍历得到三种类型信息做如下步骤；S332、对面进行计算分析获得相对坐标、法线、正反面材质及洞口信息，若有洞口信息则根据需求在提取SKP数据阶段进行三角剖分得到三角形面进行存储，或直接存该含有洞口的面轮廓信息以及洞口的轮廓信息；S333、使用SUGroupGet实体提取群组内的所有实体，继续从步骤S331开始递归循环；S334、使用提取组件内的所有实体，继续从步骤S331开始递归循环；S335、通过二次开发从Skp模型文件中提取出数据，并基于SUModelGet实体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于综合体能表现竞赛内容的比赛场地检测方法，其特征在于，该比赛场地检测方法包括以下步骤：S1、根据比赛项目的要求，确定需要进行模拟化构建的场地和设备，并采集场地和设备的图像数据；S2、基于边缘检测的图像处理技术对图像数据进行处理，并对场地和设备的图像数据特征进行分类；S3、制定比赛场地三维模拟化构建方案，利用SketchUp建模软件进行比赛场地三维模拟化模型构建，并根据图像数据特征和制定的方案，对比赛场地三维模拟化模型进行测试；S31、明确综合体能表现竞赛内容的需求，采集并处理比赛场地、器材、选手的数据和信息，制定三维模拟化构建方案；S32、采集比赛场地图像数据和信息，使用SketchUp建模软件制定三维模拟化构建方案；S321、采集比赛场地的平面图、高程图、器材参数和选手表现数据；S322、将平面图和高程图作为场地的基础结构，通过选择三维工具绘制场地的主体结构、座椅、梯座的空间结构及空间尺寸；S323、在比赛场地三维模型中添加器材、道具及移动物体的模型，并调整模型的比例、角度及位置参数，确保三维空间与比赛场地一致；S33、依照三维模拟化构建方案，在SketchUp中进行比赛场地三维模拟化模型构建；S34、对比赛场地三维模拟化模型构建进行测试，并判断是否满足预期需求；S4、记录模拟化构建结果，对不符合要求的地方进行标记，得到检测记录和检测报告，并提供给比赛组委会。2.根据权利要求1所述的一种基于综合体能表现竞赛内容的比赛场地检测方法，其特征在于，所述基于边缘检测的图像处理技术对图像数据进行处理，并对场地和设备的图像数据特征进行分类包括以下步骤：S21、对图像进行灰度化处理，得到灰度图像数据；S22、对灰度图像进行高斯平滑处理并计算每个像素点的梯度和方向；S23、基于梯度值大小和阈值进行非极大值抑制，将抑制后的梯度值大于设定阈值的像素点视为边缘点；S24、使用Canny边缘检测算法对提取出来的边缘点进行区域的划分，得到图像数据特征。3.根据权利要求2所述的一种基于综合体能表现竞赛内容的比赛场地检测方法，其特征在于，所述对灰度图像进行高斯平滑处理并计算每个像素点的梯度和方向包括以下步骤：S221、读取灰度图像，定义高斯核；S222、将高斯核放置在图像的每个像素点上，并进行卷积操作；S223、在卷积的过程中，对于落在边缘的像素点，进行边界扩展处理，得到平滑处理的灰度图像；S224、利用Sobel算子计算每个灰度图像的像素点在x、y方向上的梯度，得到梯度幅值和方向信息；
其中，所述利用Sobel算子计算每个灰度图像的像素点在x、y方向上的梯度，得到梯度幅值和方向信息包括以下步骤：S2241、通过将像素点与其周围像素点的灰度值做差，计算水平方向的Sobel算子，得到像素点在水平方向上的灰度差值；S2242、通过将像素点与其周围像素点的灰度值做差，计算竖直方向的Sobel算子，得到像素点在竖直方向上的灰度差值；S2243、综合水平方向上的灰度差值和竖直方向上的灰度差值，得到像素点的梯度幅值和梯度方向；梯度幅值通过计算两个方向上梯度值的平方和再开根号的方式得到；梯度方向通过计算两个方向上梯度值的比例及反正切函数得到。4.根据权利要求2所述的一种基于综合体能表现竞赛内容的比赛场地检测方法，其特征在于，所述使用Canny边缘检测算法对提取出来的边缘点进行区域的划分，得到图像数据特征包括以下步骤：S241、对边缘点进行Canny边缘检测，得到灰度图像数据中边缘点的集合；S242、对边缘点进行聚类操作，将邻近距离的边缘点划分到同一个组中，得到边缘点组；S243、对每个边缘点的组计算其凸包和最小外接矩形，根据各个边缘点组的凸包和最小外接矩形信息，得到灰度图像数据中各个区域的特征信息。5...

【专利技术属性】
技术研发人员：孙立平，孙洪涛，
申请(专利权)人：北京奥邦菲特科技有限公司，
类型：发明
国别省市：