应用乒乓球智慧发球机的乒乓球落点检测方法、系统及存储介质技术方案

本发明专利技术公开了应用乒乓球智慧发球机的乒乓球落点检测方法、系统及存储介质，涉及深度学习技术领域，针对企业级用户使用；企业级用户需要有乒乓球智慧发球机、摄像头、改进YOLOv8的处理器。本发明专利技术采用基于改进的YOLO v8模型，将乒乓球的坐标检测、斜率法判断关键帧与落点判断相结合，基于Jetson nano和单个工业摄像头进行检测，节省了大量的成本，能够顺利完成完整乒乓球的落点检测。并且针对小物体检测精确率低的问题，提出进YOLO v8的主干网络和斜率法结合乒乓球桌区域判断方法，不仅提高模型检测的精度，而且能够提高乒乓球落点检测准确率，给用户更好的体验。

【技术实现步骤摘要】

本专利技术涉及深度学习，特别是涉及应用乒乓球智慧发球机的乒乓球落点检测方法、系统及存储介质。

技术介绍

1、近年来，智能运动设备市场蓬勃发展，其中智能乒乓球教练机作为新兴设备也呈现出迅猛增长的趋势。据市场研究机构数据显示，全球范围内的知名品牌，如butterfly、joola、stiga、dhs、double fish等，纷纷推出智能乒乓球教练机产品，预示着这一领域的竞争加剧。应用在智能乒乓球发球机上的乒乓球检测与跟踪，国内外学者提出了很多先进的方法。传统的目标检测方法包含光流法、背景差分法和帧间差分法等，即在输入图像上给定候选区域提取候选区域特征，最后使用分类器对提取到的特征分类。

2、随着神经网络的发展，针对乒乓球这种飞行小目标的检测和跟踪任务，目前出现很多深度学习方法来应用到这一场景。如利用transformer模型对特征进行二次处理，以提高乒乓球拍摄图像的特征复用率。再例如，现有技术中使用yolov3作为深度学习框架，cnn作为处理图像时的自动检测方法来解决检测乒乓球泛化能力弱的问题。

3、但以上针对乒乓球检测与跟踪方法都存本文档来自技高网...

【技术保护点】

1.一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，包括：

2.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，所述乒乓球检测模型为轻量化网络，包括知识蒸馏、权值量化、剪枝操作的压缩模型以及直接训练轻量化的网络模型。

3.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，利用斜率判断法判断是否存在落点，包括：

4.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，对所述乒乓球运动视频图像中的乒乓球桌区域进行划分，包括：

5.根据权利要求4所述的一...

【技术特征摘要】

1.一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，包括：

2.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，所述乒乓球检测模型为轻量化网络，包括知识蒸馏、权值量化、剪枝操作的压缩模型以及直接训练轻量化的网络模型。

3.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，利用斜率判断法判断是否存在落点，包括：

4.根据权利要求1所述的一种应用乒乓球智慧发球机的乒乓球落点检测方法，其特征在于，对所述乒乓球运动视频图像中的乒乓球桌区域进行划分，包括：

<...

【专利技术属性】
技术研发人员：宁涛，付猛，张晋，周帅帅，
申请(专利权)人：大连民族大学，
类型：发明
国别省市：