乒乓球技战术分析方法及分析装置与流程
本申请属于数据分析技术领域,具体涉及一种乒乓球技战术分析方法及分析装置。
背景技术:
乒乓球运动深受广大体育运动爱好者的喜爱,是世界上最流行的体育运动之一。乒乓球运动由于其激烈的比赛性质及高关注度,许多专业的乒乓球队开始利用数据分析的方法来分析比赛战术,以提高球队实力。然而,现有数据分析技术既不能满足对高水平运动员竞技对打的技战术分析需求,也不能满足在复杂的多乒乓球训练过程中对训练效果的分析与评价需求。
技术实现要素:
为至少在一定程度上克服相关技术中存在的问题,本申请提供了一种乒乓球技战术分析方法及分析装置。
根据本申请实施例的第一方面,本申请提供了一种乒乓球技战术分析方法,其包括以下步骤:
以乒乓球桌的顶面中心为原点,建立空间位置坐标系;
获取有效运动目标;。
对有效运动目标进行缓存,并根据乒乓球对打飞行的物理规律获取有效乒乓球轨迹;
将有效乒乓球轨迹保存在数据库中;
对数据库中的有效乒乓球轨迹进行单组轨迹特征分析;
利用数据库中的有效乒乓球轨迹和单组轨迹特征分析结果,进行乒乓球训练效果分析和竞技对打技战术分析。
上述乒乓球技战术分析方法中,所述空间位置坐标系的原点为乒乓球桌的顶面中心,x轴的正方向为沿乒乓球桌的宽度方向指向乒乓球桌的前侧,y轴的正方向为沿乒乓球桌的长度方向指向乒乓球桌的右侧,z轴的正方向为垂直于乒乓球桌向上的方向;利用双目立体视觉系统获取的有效运动目标的坐标为t(x,y,z)。
进一步地,所述步骤对有效运动目标进行缓存,并根据乒乓球对打飞行的物理规律获取有效乒乓球轨迹的具体过程为:
将有效运动目标t(x,y,z)输入到运动状态分析模块缓存,运动状态分析模块中设置缓存队列q;
判断缓存队列q中是否有运动目标;如果缓存队列q中没有运动目标,则将本次有效运动目标t(x,y,z)压入缓存队列q;如果缓存队列q中有运动目标,则进一步判断本次有效运动目标t(x,y,z)与缓存队列q中最后一个运动目标的时间间隔;如果该时间间隔大于时间阈值thresh_t,则清空缓存队列q后将本次有效运动目标t(x,y,z)压入缓存队列q,否则直接将本次有效运动目标t(x,y,z)压入缓存队列q;
判断缓存队列q中缓存的多个有效运动目标是否构成有效乒乓球轨迹;如果为无效乒乓球轨迹,则清空缓存队列q;
如果缓存队列q中缓存的多个有效运动目标构成有效乒乓球轨迹,则判断缓存队列q中的乒乓球轨迹是否满足截止条件;
如果缓存队列q中的乒乓球轨迹满足截止条件,则将缓存队列q中的所有空间点作为有效乒乓球轨迹traj输出。
更进一步地,所述步骤判断缓存队列q中缓存的多个有效运动目标是否构成有效乒乓球轨迹时,需要能够构成有效乒乓球轨迹的空间点同时满足以下条件:
所有空间点在合理空间范围内;其中,合理空间范围为大于乒乓球桌范围预设值的一个立方体包含的范围;
相对于乒乓球桌的长度方向,空间点对应的乒乓球始终保持同一运动方向;
相对于乒乓球桌的长度方向,空间点对应的乒乓球在过网前不出现反弹。
更进一步地,所述步骤判断缓存队列q中的乒乓球轨迹是否满足截止条件中,如果缓存队列q中的乒乓球轨迹满足以下条件之一,则判定缓存队列q中的乒乓球轨迹满足截止条件;
相对于乒乓球桌的长度方向,以乒乓球从左侧飞向右侧为例,乒乓球第一次在右侧出现反弹,需满足以下条件:
式中,zi表示缓存队列q中任一空间点在z轴方向的坐标,z_thresh表示反弹阈值,z_thresh的取值范围为(0.02,0.12],z_thresh的单位为米,其根据相机的采集帧率进行设置;
相对于乒乓球桌的长度方向,以乒乓球从左侧飞向右侧为例,第一次在右侧出现超出乒乓球桌范围的空间点。
进一步地,所述步骤对数据库中的有效乒乓球轨迹进行单组轨迹特征分析的具体过程为:
从数据库中选取若干组乒乓球轨迹,对每一组乒乓球轨迹,利用拟合算法计算单组轨迹的过网时刻y方向的球速v_net、过网高度h_net、角度angle_net和落点(x_rebound,y_rebound),利用深度神经网络计算乒乓球的旋转速度(wx,wy,wz)。
更进一步地,所述利用拟合算法计算单组轨迹的过网时刻y方向的球速v_net、过网高度h_net、角度angle_net和落点(x_rebound,y_rebound)的具体过程为:
将具有n个空间点的单组乒乓球轨迹traj表征为一个n*4的矩阵txyz,其中第一维表征空间点的序号,第二维则是记录每个点的时间和空间位置坐标(t,x,y,z);
分别做矩阵txyz的x-t,y-t,z-t的二次拟合,得到拟合系数ax,bx,cx,ay,by,cy,az,bz,cz;
二次拟合方程表示为:
根据y-t的二次拟合方程得到y=0时对应的两个解,根据矩阵txyz中t的取值范围确定y=0时t的值t0,其中,t0满足以下关系:
计算过网时刻y方向的球速v_net、过网高度h_net和角度angle_net,这三个量均为过网时刻的瞬间值,分别表示为:
其中,球速v_net为过网时刻y方向的速度,角度为速度方向与y方向的夹角;
根据z-t的二次拟合方程得到z=0时对应的两个解,根据矩阵txyz中t的取值范围确定z=0.02米时t的值t1,其中,t1满足以下关系:
计算落点(x_rebound,y_rebound)的坐标;
更进一步地,所述利用深度神经网络计算乒乓球的旋转速度(wx,wy,wz)的具体过程为:
将矩阵txyz输入到深度lstm网络中,得到lstm的状态向量s:
s=lstm_state(txyz),
将lstm的状态向量s输入到m层旋转估计深度神经网络中,输出乒乓球的旋转速度(wx,wy,wz);
其中,m层旋转估计深度神经网络的最后一层不使用激活函数,除最后一层外,全部使用relu函数作为激活函数;
从lstm的状态向量s到乒乓球的旋转速度(wx,wy,wz)的m层旋转估计深度神经网络表示为:
式中,weighti和biasi均为第i+1层网络参数,layer(i)为第i+1层网络输出,(wx,wy,wz)为输出的旋转速度。
更进一步地,所述利用数据库中的有效乒乓球轨迹和单组轨迹特征分析结果进行乒乓球训练效果分析的过程为:
将根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i),以及训练过程中的球速、过网高度、角度、落点和旋转速度以统计分布的形式进行呈现;
对训练目标的相应参数进行比对,以实现对训练效果的直观评价。
更进一步地,所述利用数据库中的有效乒乓球轨迹和单组轨迹特征分析结果进行竞技对打技战术分析的具体过程为:
将根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i)组成输入向量s_in:
s_in=[v_net_i,h_net_i,angle_net_i,x_rebound_i,y_rebound_i,wx_i,wy_i,wz_i];
将输入向量s_in输入到n层技战术分析深度神经网络中,得到输出向量s_out;
其中,输出向量s_out包括选手应对输入来球球路时的习惯回球球路及该次回球对胜负影响的关键程度imp_o(imp_o∈[0,1]);
其中,习惯回球球路包括速度v_net_o、过网高度h_net_o、角度angle_net_o和落点(x_rebound_o,y_rebound_o)和旋转速度(wx_o,wy_o,wz_o);s_out=[v_net_o,h_net_o,angle_net_o,x_rebound_o,y_rebound_o,wx_o,wy_o,wz_o,imp_o]其中,n层技战术分析深度神经网络的最后一层不使用激活函数,除最后一层外,全部使用relu函数作为激活函数;
从输入向量s_in到输出向量s_out的n层技战术分析深度神经网络表示为:
式中,weight20和bias20均为第1层网络参数,weight2j和bias2j均为第j+1层网络参数,layer(j)为第j+1层网络输出,s_out为输出向量。
根据本申请实施例的第二方面,本申请还提供了一种乒乓球技战术分析装置,其包括:
存储器和处理器,
所述处理器被配置为基于存储在存储器中的指令,执行上述任一项所述的乒乓球技战术分析方法。
根据本申请的上述具体实施方式可知,至少具有以下有益效果:本申请乒乓球技战术分析方法通过获取有效运动目标,进而获取有效乒乓球轨迹,对有效乒乓球轨迹进行单组轨迹特征分析,并利用数据库中的有效乒乓球轨迹和单组轨迹特征分析结果,进行乒乓球训练效果分析和竞技对打技战术分析,本申请能够满足对高水平运动员竞技对打的乒乓球轨迹的技战术分析需求的同时,还能够满足在复杂的多乒乓球训练过程中对训练效果的分析与评价需求。
应了解的是,上述一般描述及以下具体实施方式仅为示例性及阐释性的,其并不能限制本申请所欲主张的范围。
附图说明
下面的所附附图是本申请的说明书的一部分,其示出了本申请的实施例,所附附图与说明书的描述一起用来说明本申请的原理。
图1为本申请实施例提供的一种乒乓球技战术分析方法的流程图。
图2为本申请实施例提供的一种乒乓球技战术分析方法中乒乓球桌及空间位置坐标系的俯视图。
图3本申请实施例提供的一种乒乓球技战术分析方法中有效乒乓球轨迹获取方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚明白,下面将以附图及详细叙述清楚说明本申请所揭示内容的精神,任何所属技术领域技术人员在了解本申请内容的实施例后,当可由本申请内容所教示的技术,加以改变及修饰,其并不脱离本申请内容的精神与范围。
本申请的示意性实施例及其说明用于解释本申请,但并不作为对本申请的限定。另外,在附图及实施方式中所使用相同或类似标号的元件/构件是用来代表相同或类似部分。
关于本文中所使用的“第一”、“第二”、…等,并非特别指称次序或顺位的意思,也非用以限定本申请,其仅为了区别以相同技术用语描述的元件或操作。
关于本文中所使用的方向用语,例如:上、下、左、右、前或后等,仅是参考附图的方向。因此,使用的方向用语是用来说明并非用来限制本创作。
关于本文中所使用的“包含”、“包括”、“具有”、“含有”等等,均为开放性的用语,即意指包含但不限于。
关于本文中所使用的“及/或”,包括所述事物的任一或全部组合。
关于本文中的“多个”包括“两个”及“两个以上”;关于本文中的“多组”包括“两组”及“两组以上”。
关于本文中所使用的用语“大致”、“约”等,用以修饰任何可以细微变化的数量或误差,但这些微变化或误差并不会改变其本质。一般而言,此类用语所修饰的细微变化或误差的范围在部分实施例中可为20%,在部分实施例中可为10%,在部分实施例中可为5%或是其他数值。本领域技术人员应当了解,前述提及的数值可依实际需求而调整,并不以此为限。
某些用以描述本申请的用词将于下或在此说明书的别处讨论,以提供本领域技术人员在有关本申请的描述上额外的引导。
图1为本申请实施例提供的一种乒乓球技战术分析方法的流程图。
如图1所示,本申请提供的乒乓球技战术分析方法包括以下步骤:
s1、以乒乓球桌的顶面中心为原点,建立空间位置坐标系。
如图2所示,假设乒乓球桌长度方向的左侧为aa侧,其右侧为bb侧,以乒乓球桌的顶面中心为原点o,以沿乒乓球桌的宽度方向指向乒乓球桌的前侧为x轴的正方向,以沿乒乓球桌的长度方向指向乒乓球桌bb侧为y轴的正方向,以垂直于乒乓球桌向上的方向为z轴的正方向,建立空间位置坐标系oxyz。
s2、获取有效运动目标。
具体地,利用双目立体视觉系统获取有效运动目标t(x,y,z)。
其中,双目立体视觉系统获取有效运动目标的方法属于现有技术,在此不再赘述。
s3、如图3所示,对有效运动目标进行缓存,并根据乒乓球对打飞行的物理规律获取有效乒乓球轨迹。
具体地,可以将有效运动目标t(x,y,z)输入到运动状态分析模块缓存,运动状态分析模块中设置缓存队列q,运动状态分析模块根据乒乓球对打飞行的物理规律获取有效乒乓球轨迹traj,其具体过程为:
s31、判断缓存队列q中是否有运动目标;
如果缓存队列q为空,则表示缓存队列q中没有运动目标,将本次有效运动目标t(x,y,z)压入缓存队列q中。
如果缓存队列q不为空,则表示缓存队列q中有运动目标,进一步判断本次有效运动目标t(x,y,z)与缓存队列q中最后一个运动目标的时间间隔;如果该时间间隔大于时间阈值thresh_t,则清空缓存队列q后将本次有效运动目标t(x,y,z)压入缓存队列q,否则直接将本次有效运动目标t(x,y,z)压入缓存队列q中。
s32、判断缓存队列q中缓存的多个有效运动目标是否构成有效乒乓球轨迹;
如果缓存队列q中缓存的多个有效运动目标构成有效乒乓球轨迹,则进入步骤s33。
如果缓存队列q中缓存的多个有效运动目标不构成有效乒乓球轨迹,则清空缓存队列q,之后重新输入有效运动目标t(x,y,z)。
假设缓存队列q中任一空间点的坐标为qi(xi,yi,zi),i∈[1,n],其中,n表示缓存队列q中空间点的个数,则能够构成有效乒乓球轨迹的空间点需要同时满足以下条件:
s321、所有空间点在合理空间范围内;
其中,合理空间范围为大于乒乓球桌范围预设值的一个立方体包含的范围。例如,在空间位置坐标系中,可以将合理空间范围设置为:
位于xoy平面上、底面中心在原点o的立方体包含的范围,该立方体的长度为3.0m,宽度为1.8m,高度为1m。
s322、相对于乒乓球桌的长度方向,空间点对应的乒乓球始终保持同一运动方向;
即乒乓球对应的各空间点的坐标满足:
s323、相对于乒乓球桌的长度方向,空间点对应的乒乓球在过网前不出现反弹;
以乒乓球从aa侧飞向bb侧为例,乒乓球在aa侧不出现反弹的条件为:
第i个点非反弹,
其中,第i个点反弹的条件为:
式(1)中,z_thresh表示反弹阈值,z_thresh的取值范围为(0.02,0.12],z_thresh的单位为米,其根据相机的采集帧率进行设置。例如,相机的采集帧率为120hz时,z_thresh的取值可以为0.06米。
s33、判断缓存队列q中的乒乓球轨迹是否满足截止条件;
如果缓存队列q中的乒乓球轨迹满足截止条件,则将缓存队列q中的所有空间点作为有效乒乓球轨迹traj输出;否则,重新输入有效运动目标t(x,y,z)。
其中,如果缓存队列q中的乒乓球轨迹满足以下条件之一,则判定缓存队列q中的乒乓球轨迹满足截止条件;
s331、相对于乒乓球桌的长度方向,以乒乓球从aa侧飞向bb侧为例,乒乓球第一次在bb侧出现反弹,需满足以下条件:
式(2)中,z_thresh表示反弹阈值,z_thresh的取值范围为(0.02,0.12],z_thresh的单位为米,其根据相机的采集帧率进行设置。例如,相机的采集帧率为120hz时,z_thresh的取值可以为0.06米。
s332、相对于乒乓球桌的长度方向,以乒乓球从aa侧飞向bb侧为例,第一次在bb侧出现超出乒乓球桌范围的空间点。
s4、将有效乒乓球轨迹traj保存在数据库d中。
s5、对数据库d中的有效乒乓球轨迹进行单组轨迹特征分析。
根据需求从数据库d中选取若干组乒乓球轨迹,对每一组乒乓球轨迹,利用拟合算法计算单组轨迹的过网时刻y方向的球速v_net、过网高度h_net、角度angle_net和落点(x_rebound,y_rebound)等信息,利用深度神经网络计算乒乓球的旋转速度(wx,wy,wz),其具体过程为:
具有n个空间点的单组乒乓球轨迹traj可以表征为一个n*4的矩阵txyz,其中第一维表征空间点的序号,第二维则是记录每个点的时间和空间位置坐标(t,x,y,z)。
s51、分别做矩阵txyz的x-t,y-t,z-t的二次拟合,得到拟合系数ax,bx,cx,ay,by,cy,az,bz,cz
二次拟合方程可以表示为:
s52、根据y-t的二次拟合方程得到y=0时对应的两个解,根据矩阵txyz中t的取值范围确定y=0时t的值t0,其中,t0满足以下关系:
s53、计算过网时刻y方向的球速v_net、过网高度h_net和角度angle_net,这三个量均为过网时刻的瞬间值,分别表示为:
其中,球速v_net为过网时刻y方向的速度,角度为速度方向与y方向的夹角。
s54、根据z-t的二次拟合方程得到z=0时对应的两个解,根据矩阵txyz中t的取值范围确定z=0.02米时t的值t1,其中,t1满足以下关系:
s55、计算落点(x_rebound,y_rebound)的坐标;
s56、利用深度神经网络计算乒乓球的旋转速度(wx,wy,wz),其具体过程为:
s561、将矩阵txyz输入到深度lstm网络(longshort-termmemory,长短期记忆网络)中,得到lstm的状态向量s:
s=lstm_state(txyz)(6)
将lstm的状态向量s输入到m层旋转估计深度神经网络中,输出乒乓球的旋转速度(wx,wy,wz)。
其中,m层旋转估计深度神经网络的最后一层不使用激活函数,除最后一层外,全部使用relu函数作为激活函数。
从lstm的状态向量s到乒乓球的旋转速度(wx,wy,wz)的m层旋转估计深度神经网络可表示如下:
式(7)中,weighti和biasi均为第i+1层网络参数,layer(i)为第i+1层网络输出,(wx,wy,wz)为输出的旋转速度。
s6、利用n组有效乒乓球轨迹traj_i(i=1,2,l,n)和根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i),进行技战术分析,其具体过程为:
s61、根据应用场景区分技战术分析需求,其中,技战术分析需求包括乒乓球训练效果分析和竞技对打技战术分析。
s62、如果为乒乓球训练效果分析,则将根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i),以及训练过程中的球速、过网高度、角度、落点和旋转速度以统计分布的形式进行呈现,以便于训练目标的相应参数进行比对,从而实现对训练效果的直观评价。
s63、如果为竞技对打技战术分析,则将根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i)组成输入向量,并输入技战术分析深度神经网络中,技战术分析深度神经网络输出选手应对不同来球球路时的习惯回球球路(具体包括速度、过网高度、角度、落点、旋转速度),以及影响每个球胜负的几拍关键球路,以方便对竞技对打过程中的技战术进行针对性分析,其具体过程为:
s631、根据每组轨迹traj_i计算得到的过网时刻y方向的球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i)组成输入向量s_in:
s_in=[v_net_i,h_net_i,angle_net_i,x_rebound_i,y_rebound_i,wx_i,wy_i,wz_i];
将输入向量s_in输入到n层技战术分析深度神经网络中,得到输出向量s_out。
其中,输出向量s_out包括选手应对输入来球球路时的习惯回球球路及该次回球对胜负影响的关键程度imp_o(imp_o∈[0,1])。
其中,习惯回球球路包括速度v_net_o、过网高度h_net_o、角度angle_net_o和落点(x_rebound_o,y_rebound_o)和旋转速度(wx_o,wy_o,wz_o)。s_out=[v_net_o,h_net_o,angle_net_o,x_rebound_o,y_rebound_o,wx_o,wy_o,wz_o,imp_o其中,n层技战术分析深度神经网络的最后一层不使用激活函数,除最后一层外,全部使用relu函数作为激活函数。从输入向量s_in到输出向量s_out的n层技战术分析深度神经网络可以表示为:
式(8)中,weight20和bias20均为第1层网络参数,weight2j和bias2j均为第j+1层网络参数,layer(j)为第j+1层网络输出,s_out为输出向量。
利用技战术分析深度神经网络,可以通过包含球速v_net_i、过网高度h_net_i、角度angle_net_i和落点(x_rebound_i,y_rebound_i)和旋转速度(wx_i,wy_i,wz_i)输入向量s_in,得到输出向量s_out,其物理含义为:针对该输入向量s_in对应的来球球路,选手的习惯回球球路是输出向量s_out中的回球球路,该次回球对胜负影响的关键程度为输出向量中的imp_o。
本申请乒乓球技战术分析方法能够在连续对打或训练过程中获取有效乒乓球轨迹,并利用拟合算法计算单组轨迹的球速、过网高度、角度、落点等信息,利用深度神经网络计算乒乓球的旋转速度信息;本申请能够满足对高水平运动员竞技对打的乒乓球轨迹的技战术分析需求,同时也能满足在复杂的多乒乓球训练过程中对训练效果的分析与评价需求。
在示例性实施例中,本申请实施例还提供了一种乒乓球技战术分析装置,其包括存储器和处理器,处理器被配置为基于存储在存储器中的指令,执行本申请中任一个实施例中的乒乓球技战术分析方法。
其中,存储器可以为系统存储器或固定非易失性存储介质等,系统存储器可以存储有操作系统、应用程序、引导装载程序、数据库以及其他程序等。
在示例性实施例中,本申请实施例还提供了一种计算机存储介质,是计算机可读存储介质,例如,包括计算机程序的存储器,上述计算机程序可由处理器执行,以完成本申请中任一个实施例中的乒乓球技战术分析方法。
上述的本申请实施例可在各种硬件、软件编码或两者组合中进行实施。例如,本申请的实施例也可表示在数据信号处理器中执行上述方法的程序代码。本申请也可涉及计算机处理器、数字信号处理器、微处理器或现场可编程门阵列执行的多种功能。可根据本申请配置上述处理器执行特定任务,其通过执行定义了本申请揭示的特定方法的机器可读软件代码或固件代码来完成。可将软件代码或固件代码发展表示不同的程序语言与不同的格式或形式。也可表示不同的目标平台编译软件代码。然而,根据本申请执行任务的软件代码与其他类型配置代码的不同代码样式、类型与语言不脱离本申请的精神与范围。
以上所述仅表示本申请示意性的具体实施方式,在不脱离本申请的构思和原则的前提下,任何本领域的技术人员所做出的等同变化与修改,均应属于本申请保护的范围。
起点商标作为专业知识产权交易平台,可以帮助大家解决很多问题,如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】与客服一对一沟通,为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除