申请/专利权人：杭州电子科技大学

申请日：2020-11-30

公开（公告）日：2024-04-16

公开（公告）号：CN112702481B

主分类号：H04N23/50

分类号：H04N23/50;G06V10/82;G06F18/23213;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.05.11#实质审查的生效;2021.04.23#公开

摘要：本发明公开了一种基于深度学习的乒乓球轨迹跟踪装置及方法，装置包括姿态传感球拍、六轴传感器、无线传输设备、第一摄像头，第二摄像头、USB3.1传输设备、FPGA、视觉处理单元、中央处理器、显示屏、存储器、GPRS模块和网络设备。两个摄像头捕捉乒乓球画面，使用FPGA、视觉处理单元、中央处理器结合姿态传感球拍获取乒乓球轨迹，并进行轨迹分析，得到球员击球情况，使用存储器存储数据，并通过GPRS模块上传云端，实现实时查看。本发明实现实时获取乒乓球三维位置并绘制乒乓球运动轨迹，从而对球员进行击球情况分析而且设备嵌入式部署，利用资源小，操作简便。

主权项：1.一种基于神经网络的乒乓球轨迹跟踪装置，其特征在于，包括：姿态传感球拍、六轴传感器、无线传输设备、第一摄像头，第二摄像头、USB3.1传输设备、FPGA、视觉处理单元、中央处理器、显示屏、存储器、GPRS模块和网络设备，其中：所述姿态传感球拍中设置姿态传感器，获取击球状态；所述六轴传感器，安装在第一摄像头与第二摄像头上，获取摄像头俯仰角度；所述无线传输设备，在2.4GHz频段无线传输姿态传感球拍与六轴传感器数据至中央处理器；所述第一摄像头与第二摄像头为两个高速工业摄像头；所述FPGA，进行网络输入图片预处理，接收第一摄像头与第二摄像头实时图像，进行尺寸压缩与滤波算法；所述视觉处理单元，具有高DNN性能，获取FPGA预处理图片，运行基于RCNN的乒乓球目标检测网络，获得乒乓球识别结果；所述中央处理器，获取网络识别结果，接收无线传输设备传输的数据，进行乒乓球二维坐标合成，进行基于梯度下降的乒乓球桌识别，分析得出击球数据；所述存储器，存储中央处理器处理后的乒乓球轨迹数据及击球数据；所述显示屏，显示中央处理器处理结果；所述GPRS模块，连接显示屏，上传乒乓球识别轨迹及击球数据至网络设备；所述网络设备，为可联网的移动终端，查看GPRS模块上传数据；采用上述装置的基于神经网络的乒乓球轨迹跟踪方法，包括基于梯度下降的乒乓球桌识别和基于RCNN的乒乓球目标检测；所述基于梯度下降的乒乓球桌识别，包括以下步骤：S10，使用高斯平滑滤波器卷积降噪；S20，使用一阶偏导算子计算梯度，梯度幅值及相应方向计算公式： 其中，Gx为水平x方向掩码模板，G"为垂直y方向掩码模板，θ为直线角度， S30，进行非极大值抑制，提取单像素框边缘；S40，使用双阈值方式，获取图片边缘信息；S50，通过图片边缘信息点集创建直线族，并离散化直线角度θ＝-45°，0°，45°，90°；S60，按点坐标x，y与直线角度θ求直线族长度R＝xcosθ+ysinθ；S70，根据R值取局部极大值，通过乒乓球桌形状、颜色信息过滤干扰直线；S80，通过图片边缘信息获取乒乓球桌边缘直线轮廓；S90，对四条直线轮廓坐标计算交点得到乒乓球桌位置信息；所述基于RCNN的乒乓球目标检测，包括以下步骤：S11，设定图片输入尺寸为416×416，使用CSPdarknet53_tiny作为主干特征提取网络提取图像特征，根据乒乓球像素半径r，设定特征层将图片进行x次分割，得到特征层shapex,x,18；S21，获取数据集，将数据集划分为训练集、测试集和验证集，S31，在训练集上采用K-means聚类算法聚类边界框坐标，计算出单个尺度卷积层特征图的3个边界框坐标。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 一种基于深度学习的乒乓球轨迹跟踪装置及方法

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