申请/专利权人：东华大学

申请日：2023-06-07

公开（公告）日：2023-10-27

公开（公告）号：CN116958859A

主分类号：G06V20/40

分类号：G06V20/40;G06V40/20;G06V10/80;G06V10/82;G06N3/0464;G06N3/08;G06T17/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.11.14#实质审查的生效;2023.10.27#公开

摘要：本发明的一个技术方案是提供了一种基于视频的高尔夫挥杆评测方法，其特征在于，包括关键帧提取网络以及挥杆动作对比分析模块。本发明的另一个技术方案是提供了一种基于上述的高尔夫挥杆评测方法实现的高尔夫挥杆评测系统，其特征在于，分为展现层、通讯层、服务层和数据层，包括用户管理功能模块、视频管理功能模块和AI挥杆动作对比分析功能模块。本发明所需设备仅一部智能手机，根据挥杆关键事件对比分析挥杆动作，能够更迅速准确地定位动作的问题所在，且对骨架模型进行3D重建，可以多角度查看挥杆动作与职业球员的差异。同时能够提供量化数据分析，例如部分关节的角度，并能以与职业球员的骨骼点距离作为标准度评分。

主权项：1.一种基于视频的高尔夫挥杆评测方法，其特征在于，包括关键帧提取网络以及挥杆动作对比分析模块，其中：关键帧提取网络的输入是一个视频帧序列It∈R3×H×W，其中，It是第t帧图像，T是序列的长度，H、W分别表示每帧图像的高和宽；关键帧提取网络利用MobileNetV2网络对视频帧序列I中的每一帧图像进行处理，提取其图像特征；随后，关键帧提取网络对提取的图像特征进行全局平均池化，使每一帧的信息用一个向量表示，即ft∈R1280；关键帧提取网络利用多尺度的时序MLPFormer对图像特征序列f进行处理，输出融合时序信息的嵌入特征Fc；最后，关键帧提取网络对于每一帧使用全连接层进行分类，预测事件类et，对于视频帧序列I，得到et∈RC，其中，C表示事件类的数量，其中，对于每一类，将得到预测概率分数最高的帧表示为对应的关键事件；挥杆动作对比分析模块进一步包括动作对比单元和标准度评分单元：动作对比单元利用关键帧提取网络得到的关键帧图片和VideoPose3D人体姿态估计算法得到的2D、3D人体骨骼点坐标，然后对比普通球手和职业球员的挥杆关键事件动作图片、3D骨架模型以及身体关键部位的关节角度，以最直观的形式呈现；标准度评分单元在动作对比单元提供的差异呈现的基础上，提供有具体数据显示的标准度评分，分别针对每个关键事件的动作对职业球员和普通球员的骨骼点进行距离计算。

全文数据：

权利要求：

百度查询： 东华大学 基于视频的高尔夫挥杆评测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD