基于电子皮肤和人工智能的球的大数据分析方法与流程

本申请实施例涉及计算机技术人工智能、大数据、电子皮肤、体育用品领域，具体涉及基于电子皮肤和人工智能的球的大数据分析方法和装置。

背景技术：

随着人工智能、大数据、电子皮肤、数字孪生等技术的发展，相关技术得到了广泛的应用。特别是数字孪生技术，使得通过物理模型、传感器更新、运行历史等数据，在虚拟空间完成相对应的实体装备的全生命周期过程成为现实。各种与球类相关的运动中，例如足球，特别适合上述技术的应用，通过结合大数据和人工智能技术，我们可以对相关数据进行更细致和高质量的分析。

技术实现要素：

本申请实施例提出了基于电子皮肤和人工智能的球的大数据分析方法和装置。

第一方面，本申请实施例提供了一种基于电子皮肤和人工智能的球的大数据分析方法，其特征在于，包括：

获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据；

基于获取到的第一数据建立球的数字孪生模型。

在一些实施例中，第一数据还包括球的电子皮肤数据。

在一些实施例中，上述方法包括：

基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态。

在一些实施例中，上述方法包括：

基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位，包括球相对应的球员的身体部位、球具和/或球的部位。

在一些实施例中，上述方法包括：

基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征。

在一些实施例中，上述方法包括：

基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征。

在一些实施例中，上述方法包括：

使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。

在一些实施例中，第一数据包括球场空间数据。

第二方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如本申请实施例中上述任一的方法。

第三方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如本申请实施例中上述任一的方法。

第四方面，本申请实施例提供了基于电子皮肤和人工智能的球的大数据分析装置，其特征在于，包括：

数据获取单元，被配置成用于获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据；

数字模型单元，被配置成用于基于获取到的第一数据建立球的数字孪生模型。

在一些实施例中，第一数据还包括球的电子皮肤数据。

在一些实施例中，上述装置包括：

控球状态单元，被配置成用于基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态。

在一些实施例中，上述装置包括：

接触分析单元，被配置成用于基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位，包括球相对应的球员的身体部位、球具和/或球的部位。

在一些实施例中，上述装置包括：

控球分析单元，被配置成用于基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征。

在一些实施例中，上述装置包括：

技术分析单元，被配置成用于基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征。

在一些实施例中，上述装置包括：

球员模型单元，被配置成用于使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。

在一些实施例中，第一数据包括球场空间数据。

第五方面，本申请实施例提供了一种球，包括如本申请实施例中任一的装置。

第六方面，本申请实施例提供了一种大数据系统，包括如本申请实施例中任一的装置。

本申请实施例提供的基于电子皮肤和人工智能的球的大数据分析方法和装置，通过获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据，进而基于获取到的第一数据建立球的数字孪生模型。在一些实施方式中第一数据还包括球的电子皮肤数据，此时基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态，还可以基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位， 也可以基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征，甚至基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征，进而使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。本申请实施例提供的基于电子皮肤和人工智能的球的大数据分析方法和装置，通过以上方法提高了球的数据分析的智能程度、精确度和效率，从而使分析结果更加精确。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本申请的基于电子皮肤和人工智能的球的大数据分析方法的一个实施例的流程图；

图3是根据本申请的基于电子皮肤和人工智能的球的大数据分析方法的一个应用场景的示意图；

图4是根据本申请的基于电子皮肤和人工智能的球的大数据分析方法和装置相关的各种模型的又一个实施例的流程图；

图5是根据本申请的基于电子皮肤和人工智能的球的大数据分析装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

需要说明的是，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

需要说明的是，本文中术语“预设”， 表示预先设置的或预先训练的这两种含义。一般来说，预设模型指预先训练的模型，预设路线指预先设置的路线，预设规则指预先设置的规则。

图1示出了可以应用本申请的基于电子皮肤和人工智能的球的大数据分析方法和装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102或103上可以安装有惯性传感器（例如加速度传感计、陀螺仪、三轴组合IMU、磁传感器等）、电子皮肤（内置或外置）、定位模块或装置（例如GPS等）、雷达（例如红外激光雷达）、语音设备（例如麦克风、喇叭、扬声器等）、成像设备（摄像头、图形/图像扫描装置等）、显像设备(例如显示屏、投影仪、投屏设备、AR/VR设备、裸眼3D显像设备例如激光成像等)、文本输入类应用、空间物体识别类应用、图像物体识别类应用、语音识别类应用等。用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种球，例如足球、篮球、排球、乒乓球等。当终端设备101、102、103为软件时，可以安装在上述所列举的球中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103发送的数据进行分析和处理，生成与对应的数字孪生模型的服务器。数字孪生模型服务器可以对获取到的数据进行分析处理，从而生成与终端设备对应的模型。

需要说明的是，本申请实施例所提供的基于电子皮肤和人工智能的球的大数据分析方法可以由服务器105执行，相应地，基于电子皮肤和人工智能的球的大数据分析装置在此时设置于服务器105中。

需要指出的是，服务器105的本地也可以获取和/或存储有分析的数据，服务器105可以直接获取数据或提取本地的待分析的数据，此时，示例性系统架构100可以不包括终端设备101、102、103和网络104。

需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的基于电子皮肤和人工智能的球的大数据分析方法通常由终端设备101、102或103执行，相应地，此时基于电子皮肤和人工智能的球的大数据分析装置设置于终端设备101、102或103中。

需要指出的是，终端设备101、102或103的本地也可以获取和/或存储有待分析的数据，终端设备101、102或103可以直接获取数据或提取本地的待分析的数据，此时，示例性系统架构100可以不包括服务器105和网络104。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，示出了根据本申请的基于电子皮肤和人工智能的球的大数据分析方法的一个实施例的流程200。基于电子皮肤和人工智能的球的大数据分析方法，包括以下步骤：

步骤201，获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据。

在本实施例中，基于电子皮肤和人工智能的球的大数据分析方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接的方式从终端设备读取第一数据。在这里，第一数据包括球的运动轨迹和球的惯性传感器数据。在这里，球的运动轨迹基于惯性导航技术获得。

在一些可选的实现方式中，球的运动轨迹通过卫星定位技术获得。

在一些可选的实现方式中，第一数据还包括球的电子皮肤数据。电子皮肤可以置于球的表面，也可以置于球的内部。

在一些可选的实现方式中，第一数据包括球场空间数据。

步骤202，基于获取到的第一数据建立球的数字孪生模型。

在本实施例中，基于电子皮肤和人工智能的球的大数据分析方法的执行主体(例如图1所示的服务器)可以基于获取到的第一数据建立球的数字孪生模型。

继续参考图3，图3是根据本实施例的基于电子皮肤和人工智能的球的大数据分析方法的应用场景的一个示意图。在图3的应用场景中，智能终端301（球）向服务器302发送了第一数据。服务器302在接收到该第一数据后，基于获取到的第一数据建立球的数字孪生模型。

在一些可选的实现方式中，服务器302将基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态。球员控球状态指示球员与球发生接触，具体可以是停球、发球、接球、运球，接触可以在球员的身体与球体之间发生，也可以在球员使用的球具例如球拍与球体之间发生，具体方式取决于球的种类例如足球或乒乓球。

在一些可选的实现方式中，服务器302基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位，包括球相对应的球员的身体部位、球具和/或球的部位。在这里，接触部位包括接触面积及其形状和/或深度。在这里，以足球为例，球员与球的接触部位，可以是这些身体部位：脚背外侧、脚背内侧、脚内侧、脚背正面等等。

在一些可选的实现方式中，服务器302基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征。在这里，球员的控球技术特征包括跑动、推球、拨球、拉球、扣球、挑球等动作及其相应的时间、力量和动作结构之一或任意组合。

在一些可选的实现方式中，服务器302基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征。在这里，技术特征至少包括弹、蹭、蹉、切、挑、摆、发球力度、时间、频率等。

在一些可选的实现方式中，服务器302使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。

本申请实施例提供的基于电子皮肤和人工智能的球的大数据分析方法和装置，通过获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据，进而基于获取到的第一数据建立球的数字孪生模型。在一些实施方式中第一数据还包括球的电子皮肤数据，此时基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态，还可以基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位， 也可以基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征，甚至基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征，进而使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。本申请实施例提供的基于电子皮肤和人工智能的球的大数据分析方法和装置，通过以上方法提高了球的数据分析的智能程度、精确度和效率，从而使分析结果更加精确。

进一步参考图4，其示出了根据本申请的基于电子皮肤和人工智能的球的大数据分析方法和装置相关的各种模型的一个训练方法的实施例的流程400。该的流程400，包括以下步骤：

步骤401，基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态。

在本实施例中，球员特征模型的执行主体(例如图1所示的服务器)可以基于获取到的惯性传感器数据和电子皮肤数据识别球是否处于球员控球状态。球员控球状态指示球员与球发生接触，具体可以是停球、发球、接球、运球，接触可以在球员的身体与球体之间发生，也可以在球员使用的球具例如球拍与球体之间发生，具体方式取决于球的种类例如足球或乒乓球。

步骤402，基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位，包括球相对应的球员的身体部位、球具和/或球的部位。

在本实施例中，球员特征模型的执行主体(例如图1所示的服务器)可以基于获取到的惯性传感器数据和电子皮肤数据识别球员与球的接触部位，包括球相对应的球员的身体部位、球具和/或球的部位。在这里，接触部位包括接触面积及其形状和/或深度。在这里，以足球为例，球员与球的接触部位，可以是这些身体部位：脚背外侧、脚背内侧、脚内侧、脚背正面等等。

步骤403，基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征。

在本实施例中，球员特征模型的执行主体(例如图1所示的服务器)可以基于电子皮肤的接触面积和惯性传感器数据以及相应的时间分析球对应的球员的控球技术特征。在这里，球员的控球技术特征包括跑动、推球、拨球、拉球、扣球、挑球等动作及其相应的时间、力量和动作结构之一或任意组合。

步骤404，基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征。

在本实施例中，球员特征模型的执行主体(例如图1所示的服务器)可以基于获取到的惯性传感器数据和电子皮肤数据识别球对应的球员的技术特征。在这里，技术特征至少包括弹、蹭、蹉、切、挑、摆、发球力度、时间、频率等。

步骤405，使用已知球员的技术特征和/或控球特征，通过机器学习的方法训练球员特征模型。

在本实施例中，球员特征模型的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接的方式从本地或存储有样本数据的存储服务器中获取样本数据集合。在这里，样本数据集合中的每个样本数据包括样本球员数据和识别结果，样本球员数据包括已知球员的技术特征和/或控球特征。 在这里，球员特征模型的执行主体利用机器学习方法，将样本球员数据作为输入，将该样本球员数据对应的识别结果作为输出，对预设的初始模型进行训练得到模型。

在本实施例的一些可选方式中，上述模型的类型为CNN或RNN，CNN包括MASK-RCNN，又写作Mask R-CNN。

在本实施例中，上述执行主体可以从样本数据集合中选取样本数据，执行如下训练步骤：

首先，将选取的每一个样本球员数据经过预处理后作为初始卷积神经网络的输入，将与样本球员数据对应的分类结果作为期望输出，对初始卷积神经网络进行训练，得到与样本球员数据对应的预测识别结果。接着，基于预设损失函数，确定预设损失函数的损失值是否达到预设目标值。在响应于确定预设损失函数的损失值达到预设目标值时，可以确定初始神经网络训练完成，并将训练完成的初始神经网络确定为球员特征模型。在这里，预设损失函数可以用于表征预测识别结果与样本识别结果之间的差异。

上述执行主体在响应于确定预设损失函数的损失值未达到预设目标值时，调整初始卷积神经网络的参数，以及从上述训练样本集合中重新选取样本或增加样本规模，将调整后的初始卷积神经网络作为初始卷积神经网络，继续执行上述训练步骤。在这里，调整初始卷积神经网络的参数例如可以调整初始卷积神经网络的卷积层的数目、卷积核的大小。

从图4中可以看出，与图2所示的实施例不同的是，本实施例突出了对基于电子皮肤和人工智能的球的大数据分析方法和装置相关的各种模型的训练步骤，从而使得从数据分析过程更加准确。

进一步参考图5，作为对上述图4所示方法的实现，本申请提供了基于电子皮肤和人工智能的球的大数据分析装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的基于电子皮肤和人工智能的球的大数据分析装置500包括：

数据获取单元501，被配置成用于获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据；

数字模型单元502，被配置成用于基于获取到的第一数据建立球的数字孪生模型。

在本实施例中，基于电子皮肤和人工智能的球的大数据分析装置500中：数据获取单元501和数字模型单元502的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201和步骤202的实现方式的相关描述，在此不再赘述。

下面参考图6，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器)的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请该的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，该程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括：数据获取单元和数字模型单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，数字模型单元，还可以被描述为“被配置成用于基于获取到的第一数据建立球的数字孪生模型”的单元。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取球的第一数据，第一数据包括球的运动轨迹和球的惯性传感器数据；

基于获取到的第一数据建立球的数字孪生模型。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。