【技术实现步骤摘要】
本专利技术涉及动作分析领域，特别是涉及一种羽毛球动作分析方法与系统。
技术介绍
1、羽毛球是一种隔网竞技运动，其对抗依赖于运动员的进攻击球与防守，在竞技运动中分析其技术就变得尤为重要。其技术问题主要包括打法技术、战术策略、身体与心理素质等。在打法技术方面，羽毛球比赛中，选手需要掌握各种不同的打法技术，如正手、反手、扣杀、挑球、下压球、高远球等等。不同的打法技术需要选手具备不同的技术动作和手腕力量，同时还需要对比赛的节奏、对手的状态等进行实时调整，才能够在比赛中占据优势。因此，进行羽毛球的技术分析对于评估羽毛球运动员的能力、进而指导其能力提升具有重要意义。然而目前多数羽毛球的分析多采用人工逐个观看的方式，耗费人力物力，因此亟需一种高效而准确的系统辅助羽毛球运动员进行动作识别与分析。
2、专利申请号为cn114882591的“一种基于深度学习的羽毛球比赛动作分析系统”的专利，在说明书中记载有“提供一种基于深度学习的羽毛球比赛动作分析系统，本专利技术提供了视角提取单元通过网络资源收集羽毛球比赛视频，在羽毛球视频片段提取基础上制作元视频数据集，通过定位单元对球员的动作定位和动作识别研究，通过击球定位单元对羽毛球动作定位通过执拍手臂挥动幅度判别的方法，通过动作识别单元对球员击球动作结合羽毛球动作定位程序和识别程序，从而达到使击球动作的识别更具有实际意义，增强视频裁剪的自动化”，其对羽毛球训练的动作分析做出了一定的贡献。
3、现有技术往往在动作的分析层面没有完成对具体动作的识别与时序定位，难以提高动作分析的精度与深度
4、另一个问题是一些使用时序动作定位的系统没有选择合适的深度学习模型，在动作分类方面没有达到理想的效果。在时序动作定位技术中，动作分类是非常重要的一步，它决定了后续分析和应用的方向。如果击球动作的分类效果不佳，会影响到后续的羽毛球技术的分析质量。
技术实现思路
1、本专利技术的目的是提供一种羽毛球动作分析方法与系统，能够更加准确地识别和定位羽毛球比赛视频中的各种技术动作，从而提高技术分析的准确性和深度。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种羽毛球动作分析方法，所述羽毛球动作分析方法包括：
4、获取训练数据；所述训练数据包括羽毛球比赛视频和羽毛球比赛视频中每个动作的特征数据对应的标签；所述特征数据包括rgb和光流特征；所述标签包括动作标签和背景标签；所述动作标签包括挑球、扣球、高远球、搓球、平抽球、吊球、推球、勾球、接杀球和放网前球；
5、基于所述训练数据以损失函数最小为目的对训练模型进行训练，得到动作定位模型；所述训练模型是基于机器学习建立的；
6、将待识别羽毛球比赛视频输入至所述动作定位模型，得到待识别羽毛球比赛视频中每个动作的特征数据对应的标签。
7、可选地，获取训练数据，具体包括：
8、获取羽毛球比赛视频；
9、将所述羽毛球比赛视频转换为图像序列；
10、对所述图像序列进行特征提取，得到关键帧；
11、采用视频编辑软件基于所述关键帧对所述羽毛球比赛视频中每个动作的起始时间和结束时间进行标注，得到多个动作片段；
12、提取每个动作片段的特征数据；
13、分析每个动作片段的特征数据确定每个动作片段的特征数据的标签。
14、可选地，所述损失函数为：
15、
16、
17、
18、
19、其中，表示训练模型输出的动作片段为第c个动作标签的概率；表示训练模型输出的动作片段为背景标签的概率；表示前背景损失；表示背景类背景损失；表示动作感知背景损失；yfg表示动作片段在羽毛球比赛视频对应的动作标签；ybg表示动作片段在羽毛球比赛视频对应的背景标签；s表示动作标签总数；λfg表示前背景损失的权重；λbg表示背景类背景损失的权重；λabg表示动作感知背景损失的权重。
20、可选地，提取每个动作片段的特征数据，具体包括：
21、采用inflated3d convnet模型提取每个动作片段的特征数据。
22、一种羽毛球动作分析系统，所述羽毛球动作分析系统应用于上述所述的羽毛球动作分析方法，所述羽毛球动作分析系统包括：
23、获取模块，用于获取训练数据；所述训练数据包括羽毛球比赛视频和羽毛球比赛视频中每个动作的特征数据对应的标签；所述特征数据包括rgb和光流特征；所述标签包括动作标签和背景标签；所述动作标签包括挑球、扣球、高远球、搓球、平抽球、吊球、推球、勾球、接杀球和放网前球；
24、训练模块，用于基于所述训练数据以损失函数最小为目的对训练模型进行训练，得到动作定位模型；所述训练模型是基于机器学习建立的；
25、预测模块，用于将待识别羽毛球比赛视频输入至所述动作定位模型，得到待识别羽毛球比赛视频中每个动作的特征数据对应的标签。
26、可选地，所述获取模块，具体包括：
27、获取单元，用于获取羽毛球比赛视频；
28、转换单元，用于将所述羽毛球比赛视频转换为图像序列；
29、关键帧提取单元，用于对所述图像序列进行特征提取，得到关键帧；
30、标注单元，用于采用视频编辑软件基于所述关键帧对所述羽毛球比赛视频中每个动作的起始时间和结束时间进行标注，得到多个动作片段；
31、特征数据提取单元，用于提取每个动作片段的特征数据；
32、分析单元，用于分析每个动作片段的特征数据确定每个动作片段的特征数据的标签。
33、一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述的羽毛球动作分析方法。
34、一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如上述所述的羽毛球动作分析方法。
35、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
36、本专利技术公开一种羽毛球动作分析方法与系统，该方法包括：获取训练数据；基于所述训练数据以损失函数最小为目的对训练模型进行训练，得到动作定位模型；本专利技术能够更加准确地识别和定位羽毛球比赛视频中的各种技术动作，从而提高技术分析的准确性和深度。所述训练模型是基于机器学习建立的；将待识别羽毛球比赛视频输入至所述动作定位模型，得到待识别羽毛球比赛视频中每个动作的特征数据对应本文档来自技高网...
【技术保护点】
1.一种羽毛球动作分析方法，其特征在于，所述羽毛球动作分析方法包括：
2.根据权利要求1所述的羽毛球动作分析方法，其特征在于，获取训练数据，具体包括：
3.根据权利要求1所述的羽毛球动作分析方法，其特征在于，所述损失函数为：
4.根据权利要求3所述的羽毛球动作分析方法，其特征在于，提取每个动作片段的特征数据，具体包括：
5.一种羽毛球动作分析系统，其特征在于，所述羽毛球动作分析系统应用于所述权利要求1-4中任意一项所述的羽毛球动作分析方法，所述羽毛球动作分析系统包括：
6.根据权利要求5所述的羽毛球动作分析系统，其特征在于，所述获取模块，具体包括：
7.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4中任一项所述的羽毛球动作分析方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被执行时实现如权利要求1至4中任一项所述的羽毛球动作分析方法。
【技术特征摘要】
1.一种羽毛球动作分析方法，其特征在于，所述羽毛球动作分析方法包括：
2.根据权利要求1所述的羽毛球动作分析方法，其特征在于，获取训练数据，具体包括：
3.根据权利要求1所述的羽毛球动作分析方法，其特征在于，所述损失函数为：
4.根据权利要求3所述的羽毛球动作分析方法，其特征在于，提取每个动作片段的特征数据，具体包括：
5.一种羽毛球动作分析系统，其特征在于，所述羽毛球动作分析系统应用于所述权利要求1-4中任意一项所述的羽毛球动作分析方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。