【技术实现步骤摘要】
本专利技术涉及计算机视觉和人工智能，尤其是涉及一种基于计算机视觉的投篮姿态单目视频分析系统及评价方法。
技术介绍
1、在篮球训练和比赛中，对运动员的投篮姿势进行准确评估是提高技能和比赛成绩的关键。然而，传统的投篮姿势评估方法通常依赖于教练员的经验和观察分析，以及运动员自身的反馈，这不仅费时费力，而且结果的准确性和客观性也难以保证。
2、目前也存在一些的投篮运动辅助软件，可以借助计算机视觉和人工智能技术对投篮动作中的篮球轨迹进行精细的检测和计算，从而提供诸如投篮入篮筐准确率、拍球次数、场地位置信息等数据；但它们仍存在一个显著的问题，即无法对运动员的投篮姿态数据进行深入的分析和评价。
技术实现思路
1、为解决上述
技术介绍
中提出的问题，本专利技术采取的技术方案为：
2、一种基于计算机视觉的投篮姿态评价方法，包括如下步骤：
3、s1、获取投篮姿势视频；
4、s2、使用计算机视觉模型对投篮姿势视频中的每帧图像进行分析，获得每帧图像的时刻数据、人体关键点坐标数据与篮球坐标数据；
5、s3、对步骤s2中获得的数据进行清洗，对缺失的数据进行插值、对异常的数据进行平滑处理；
6、s4、分析步骤s3中清洗后的数据，获取用于评价投篮姿态的相关时间点；
7、s5、针对步骤s4中获取的相关时间点，分析得到对应的人体姿态数据；
8、s6、结合预设的评价标准，将步骤s5中得到的人体姿态数据转化为投篮姿态的评价指标数据
9、s7、在系统界面上显示人体姿态数据和篮球轨迹信息，并给出对应的分析报告，报告内容展示评价指标数据和专项的动作改进建议。
10、在一些实施例中，步骤s1中，获取实时拍摄或用户上传的投篮姿态单目视频。
11、在一些实施例中，步骤s2中，使用的计算机视觉模型包括mediapipe blazepose模型、mediapipe hand模型和yolov8模型。
12、在一些实施例中，步骤s3中，具体地，对于缺失的数据进行线性插值处理，以填补数据中的空缺；
13、并且，对于每条数据曲线，计算其差分平均值，判断该数据是否属于异常的抖动数据，对于异常的数据进行窗口平滑处理，窗口的大小取决于数据抖动的程度，以减少数据中的波动和噪声。
14、在一些实施例中，步骤s4中，获取的用于评价投篮姿态的相关时间点包括上下肢发力点、篮球分离点、跳跃最高点与动作完成点。
15、在一些实施例中，步骤s4中，具体地，通过计算大小臂夹角、大小腿夹角、脚踝夹角曲线的趋势确定投篮姿态的上下肢发力点；
16、通过计算篮球重心与手掌的距离确定篮球分离点；
17、通过计算指尖、腕肘、脚踝的高度曲线趋势确定跳跃最高点和动作完成点。
18、在一些实施例中，步骤s5中，得到的人体姿态数据包括上肢发力点与下肢发力点的时间差、指尖压腕时长、腕肘到达最高点和脚踝到达最高点的时间差、篮球分离点的手臂角度、篮球内弹道时长、脚尖起跳与落地点距离与身体中轴偏离角度。
19、在一些实施例中，步骤s6中，投篮姿态的评价指标数据包括上下肢发力同步性、腕肘至顶指尖至底同步性、身体刚性传导、投篮手臂角度、投篮手臂加速度；
20、其中，上下肢发力同步性由上肢发力点与下肢发力点的时间差来判断；
21、腕肘至顶指尖至底同步性由指尖压腕时长、腕肘到达最高点和脚踝到达最高点的时间差来判断；
22、身体刚性传导的规范性由脚尖起跳与落地点距离、身体中轴偏离角度来判断；
23、投篮手臂角度的规范性由篮球分离点的手臂角度来判断；
24、投篮手臂加速度的规范性由篮球内弹道时长来判断。
25、本专利技术另一方面提供了一种基于计算机视觉的投篮姿态单目视频分析系统，包括数据获取模块、数据分析模块与输出模块；
26、所述数据获取模块用于获取投篮姿态单目视频，所述数据分析模块用于对获取的投篮姿势单目视频进行分析，所述输出模块用于输出分析结果；
27、并且，采用上述的基于计算机视觉的投篮姿态评价方法实现投篮姿态评价。
28、与现有技术相比，本专利技术的有益效果是：
29、本专利技术提供的基于计算机视觉的投篮姿态单目视频分析系统及评价方法，通过集成先进的图像识别和深度学习模型，自动化地分析篮球运动中的重要参数，如球的轨迹、运动员的身体姿态、关节角度和高度等。通过这些分析，可以为教练员提供科学的数据支持，为运动员提供个性化的训练建议，并最终提高运动表现和准确性。
30、本专利技术突破了原有的凭经验摸索的理论和技术指导方式，深度解析了理想动作所应具有的肢体上的时空运动变化规律，直接提出了理想投篮动作的具体时间、空间上的量化数据，并根据测得数据与理想数据的差异进行打分，具有同一性，普适性，给投篮者从意识上支配动作提供了新的内容，使其在做动作时没有认识上的盲点，知道怎样做以及为什么要这样做，从而能发掘出多数人的投篮能力，有利于提高了投篮动作的准确性、合理性，极大提升了训练效率，具有很高的实用价值和应用前景。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的投篮姿态评价方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S1中，获取实时拍摄或用户上传的投篮姿态单目视频。
3.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S2中，使用的计算机视觉模型包括mediapipe Blazepose模型、mediapipe Hand模型和yolov8模型。
4.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S3中，具体地，对于缺失的数据进行线性插值处理，以填补数据中的空缺；
5.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S4中，获取的用于评价投篮姿态的相关时间点包括上下肢发力点、篮球分离点、跳跃最高点与动作完成点。
6.根据权利要求5所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S4中，具体地，通过计算大小臂夹角、大小腿夹角、脚踝夹角曲线的趋势确定投篮姿态的上下肢发力点；
7.根据权利要求6所述的基于计算机视
8.根据权利要求7所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤S6中，投篮姿态的评价指标数据包括上下肢发力同步性、腕肘至顶指尖至底同步性、身体刚性传导、投篮手臂角度、投篮手臂加速度；
9.一种基于计算机视觉的投篮姿态单目视频分析系统，其特征在于，包括数据获取模块、数据分析模块与输出模块；
...【技术特征摘要】
1.一种基于计算机视觉的投篮姿态评价方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤s1中，获取实时拍摄或用户上传的投篮姿态单目视频。
3.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤s2中，使用的计算机视觉模型包括mediapipe blazepose模型、mediapipe hand模型和yolov8模型。
4.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤s3中，具体地，对于缺失的数据进行线性插值处理，以填补数据中的空缺；
5.根据权利要求1所述的基于计算机视觉的投篮姿态评价方法，其特征在于，步骤s4中，获取的用于评价投篮姿态的相关时间点包括上下肢发力点、篮球分离点、跳跃最高点与动作完成点。
...
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。