申请/专利权人：武汉体育学院

申请日：2024-03-21

公开（公告）日：2024-04-26

公开（公告）号：CN117935373A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/44;G06V10/50;G06V10/82;G06V10/22;G06N3/0464;G06N3/0455;G06N3/082;G06V10/764;G06V10/34;G06V10/28

优先权：

专利状态码：在审-公开

法律状态：2024.04.26#公开

摘要：本发明公开了一一种基于深度学习的篮球运动检测方法及系统，方法数据收集、数据增强、篮球运动特征提取、错误运动动作检测和篮球运动检测。本发明涉及篮球运动预测技术领域，具体是指一种基于深度学习的篮球运动检测方法及系统，本方案采用帧间差分法和背景扣除方法进行数据增强，提高了篮球运动检测的数据质量；采用光流直方图方法，更全面地捕捉到篮球运动中的局部细节；采用结合空间注意力机制的三维卷积神经网络进行篮球运动错误动作检测，为篮球运动的质量分析和训练提供了重要的基础，并为进一步提升篮球运动表现和技巧水平提供有力支持。

主权项：1.一种基于深度学习的篮球运动检测方法，其特征在于：该方法包括以下步骤：步骤S1：数据收集，用于收集篮球运动检测所需的原始录像数据，具体为从篮球运动员运动视频中，通过收集，得到篮球运动检测原始数据；步骤S2：数据增强，用于对原始录像数据进行数据质量优化，具体为对所述篮球运动检测原始数据进行视频属性调整，并采用帧间差分法和背景扣除方法进行视频增强，得到优化篮球运动检测数据集；步骤S3：篮球运动特征提取，用于提取篮球运动特征，具体为依据所述优化篮球运动检测数据集，采用光流直方图进行局部特征提取，并通过统计局部特征的分布，构建并提取篮球运动整体特征，得到篮球运动特征数据，包括以下步骤：步骤S31：三维建系；步骤S32：光流局部特征提取；步骤S33：局部特征统计；步骤S34：整体特征提取；步骤S35：篮球运动特征提取；步骤S4：错误运动动作检测，用于针对篮球运动员的错误动作进行智能检测，具体为依据所述优化篮球运动检测数据集和篮球运动特征数据，采用结合空间注意力机制的三维卷积神经网络，进行错误运动动作检测，得到篮球运动错误动作识别数据；所述结合空间注意力机制的三维卷积神经网络，包括输入层、空间注意力层、第一三维卷积池化层组、第二三维卷积池化层组、全连接层和分类输出层；步骤S5：篮球运动检测，用于依据错误运动动作检测进行具体篮球运动的检测识别，具体为通过所述错误运动动作检测，得到篮球运动错误动作识别数据，并通过得到所述篮球运动错误动作识别数据，得到篮球运动检测信息。

全文数据：

权利要求：

百度查询： 武汉体育学院 一种基于深度学习的篮球运动检测方法及系统

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