【技術實現步驟摘要】
本專利技術涉及深度學習，特別是涉及應用乒乓球智慧發球機的乒乓球落點檢測方法、系統及存儲介質。
技術介紹
1、近年來，智能運動設備市場蓬勃發展，其中智能乒乓球教練機作為新興設備也呈現出迅猛增長的趨勢。據市場研究機構數據顯示，全球范圍內的知名品牌，如butterfly、joola、stiga、dhs、double?fish等，紛紛推出智能乒乓球教練機產品，預示著這一領域的競爭加劇。應用在智能乒乓球發球機上的乒乓球檢測與跟蹤，國內外學者提出了很多先進的方法。傳統的目標檢測方法包含光流法、背景差分法和幀間差分法等，即在輸入圖像上給定候選區域提取候選區域特征，最后使用分類器對提取到的特征分類。
2、隨著神經網絡的發展，針對乒乓球這種飛行小目標的檢測和跟蹤任務，目前出現很多深度學習方法來應用到這一場景。如利用transformer模型對特征進行二次處理，以提高乒乓球拍攝圖像的特征復用率。再例如，現有技術中使用yolov3作為深度學習框架，cnn作為處理圖像時的自動檢測方法來解決檢測乒乓球泛化能力弱的問題。
3、但以上針對乒乓球檢測與跟蹤方法都存在以下問題：
4、1.環境干擾對傳統算法的影響：傳統算法如光流法、背景差分法容易受到光照、背景變化等環境因素的干擾，導致乒乓球檢測的準確性和魯棒性不足。在實際比賽場景中，光線條件和背景變化較為復雜，因此傳統算法的魯棒性仍然是一個挑戰。
5、2.深度學習方法的實時性問題：當前深度學習方法在處理乒乓球這種快速移動的小目標時，往往存在計算負擔過重、難以滿足實時
6、3.缺乏應用于智能乒乓球發球機的乒乓球落點檢測方法：盡管乒乓球教練機等智能設備的市場需求迅速增長，但目前尚未有專門為這類設備設計的乒乓球落點檢測方法。這一缺失意味著在智能化設備應用方面還有很大的空間可以拓展。
技術實現思路
1、有鑒于此，本專利技術提供了應用乒乓球智慧發球機的乒乓球落點檢測方法、系統及存儲介質，以滿足算法魯棒性和實時性要求，應用在乒乓球智慧發球機上，幫助乒乓球愛好者或乒乓球運動員提高訓練效果，同時為乒乓球教練提供更科學的訓練手段。
2、為此，本專利技術采用以下技術方案：
3、本專利技術提供了一種應用乒乓球智慧發球機的乒乓球落點檢測方法，包括：
4、采集包括乒乓球桌區域的乒乓球運動視頻圖像；
5、對所述乒乓球運動視頻圖像中的乒乓球桌區域進行劃分；
6、構建并訓練基于改進yolov8的乒乓球檢測模型，并利用所述乒乓球檢測模型檢測所述乒乓球運動視頻圖像中乒乓球的飛行軌跡；所述改進yolov8包括：對yolov8中骨干網絡backbone進行修改，在res2net中的每個3x3卷積之后，將該層的特征輸入到非局部注意力模塊中，計算出該層的注意力權重，然后將該權重與下一個3x3卷積的輸入進行加權平均，得到最終的輸入；在res2net的非局部注意力模塊后加入批歸一化bn層和激活層；在backbone中的跨階段部分網絡選擇模塊cbs后加入遞歸非局部跨階段部分網絡選擇模塊rncbs模塊；
7、利用斜率判斷法判斷是否存在落點；
8、如果存在落點，則根據時間維度找到落點幀；
9、基于所述落點幀中的落點坐標與乒乓球桌區域判斷出落點區域。
10、進一步地，所述乒乓球檢測模型為輕量化網絡，包括知識蒸餾、權值量化、剪枝操作的壓縮模型以及直接訓練輕量化的網絡模型。
11、進一步地，利用斜率判斷法判斷是否存在落點，包括：
12、設t＝[(x1,y1),(x2,y2),...,(xn,yn)]保存所有乒乓球運動坐標，隨著時間維度不斷添加新檢測到的乒乓球坐標；落點判斷條件為：
13、且
14、其中的表示新保存5個斜率坐標中前三個坐標點的斜率，表示后三個點的斜率。
15、進一步地，對所述乒乓球運動視頻圖像中的乒乓球桌區域進行劃分，包括：
16、通過邊緣檢測算法，提取乒乓球桌的表單的邊緣信息。
17、進一步地，所述邊緣檢測算法為canny算法。
18、進一步地，基于所述落點幀中的落點坐標與乒乓球桌區域判斷出落點區域，包括：
19、獲取的乒乓球軌跡，判斷乒乓球的飛行趨勢；
20、如果進行乒乓球飛行趨勢有下降到桌面坐標，則進行乒乓球落點的檢測；
21、如果無法判斷出乒乓球飛行趨勢無下降，將輸出無完整乒乓球飛行信息不能進行落點檢測的提示。
22、本專利技術還提供了一種應用乒乓球智慧發球機的乒乓球落點檢測系統，包括：
23、圖像采集模塊，采集包括乒乓球桌區域的乒乓球運動視頻圖像；
24、球桌區域劃分模塊，對所述乒乓球運動視頻圖像中的乒乓球桌區域進行劃分；
25、飛行軌跡檢測模塊，構建并訓練基于改進yolov8的乒乓球檢測模型，并利用所述乒乓球檢測模型檢測所述乒乓球運動視頻圖像中乒乓球的飛行軌跡；所述改進yolov8包括：對yolov8中骨干網絡backbone進行修改，在res2net中的每個3x3卷積之后，將該層的特征輸入到非局部注意力模塊中，計算出該層的注意力權重，然后將該權重與下一個3x3卷積的輸入進行加權平均，得到最終的輸入；在res2net的非局部注意力模塊后加入批歸一化bn層和激活層；在backbone中的跨階段部分網絡選擇模塊cbs后加入遞歸非局部跨階段部分網絡選擇模塊rncbs模塊；
26、落點判斷模塊，利用斜率判斷法判斷是否存在落點；
27、落點檢測模塊，如果存在落點，則根據時間維度找到落點幀；基于所述落點幀中的落點坐標與乒乓球桌區域判斷出落點區域。
28、本專利技術還提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質內存儲有計算機指令集，計算機指令集被處理器執行時實現上述一種應用乒乓球智慧發球機的乒乓球落點檢測方法。
29、本專利技術的優點和積極效果：本專利技術用深度學習算法檢測乒乓球的飛行軌跡，使用斜率判斷法得到乒乓球落點的關鍵幀，結合色域法獲取乒乓球的準確落點。通過這種技術應用在乒乓球智慧發球機上，可以幫助記錄用戶擊回球的落點，以此幫助乒乓球愛好者或乒乓球運動員提高訓練效果，同時為乒乓球教練提供更科學的訓練手段。
本文檔來自技高網...【技術保護點】
1.一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，包括：
2.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，所述乒乓球檢測模型為輕量化網絡，包括知識蒸餾、權值量化、剪枝操作的壓縮模型以及直接訓練輕量化的網絡模型。
3.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，利用斜率判斷法判斷是否存在落點，包括：
4.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，對所述乒乓球運動視頻圖像中的乒乓球桌區域進行劃分，包括：
5.根據權利要求4所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，所述邊緣檢測算法為Canny算法。
6.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，基于所述落點幀中的落點坐標與乒乓球桌區域判斷出落點區域，包括：
7.一種應用乒乓球智慧發球機的乒乓球落點檢測系統，其特征在于，包括：
8.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存
...【技術特征摘要】
1.一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，包括：
2.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，所述乒乓球檢測模型為輕量化網絡，包括知識蒸餾、權值量化、剪枝操作的壓縮模型以及直接訓練輕量化的網絡模型。
3.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，利用斜率判斷法判斷是否存在落點，包括：
4.根據權利要求1所述的一種應用乒乓球智慧發球機的乒乓球落點檢測方法，其特征在于，對所述乒乓球運動視頻圖像中的乒乓球桌區域進行劃分，包括：
<...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。