本发明涉及球类运动体感训练,尤其涉及一种球类运动体感训练方法。
背景技术:
1、球类运动包括篮球、足球、排球、羽毛球、乒乓球等等,深受人们的喜爱,随着生活水平的逐渐提高,越来越多人参与到球类运动中来。由于场地和空间限制,有时候足球、篮球、排球等爱好者会选择在有限的空间内进行球感球性的体感训练,在这种场景下,个人的训练会显得枯燥乏味,训练效果较差。
2、现有的技术中,有通过集信号发射与接收于一体的健身用足球毯,来模拟足球运动的方案,有一定的交互性与趣味性,但是只能模拟踢球的动作,玩家并没有真的在踢球,训练效果较差。
3、也有通过基于红外追踪技术的动作捕捉系统来捕捉玩家与足球的轨迹、运动信息,来对玩家的足球技巧进行评价。该技术无需障碍物等其他装置配合、评价客观公正,但是动作捕捉系统成本高,难以普及。
技术实现思路
1、本发明主要解决的技术问题是提供一种球类运动体感训练方法,解决在无法在有限空间内以低成本进行有效体感训练的问题。
2、为解决上述技术问题,本发明采用的一个技术方案是提供一种球类运动体感训练方法,包括步骤:
3、步骤s1:预设多个间隔设置的标记点;根据所述标记点构建训练模式;
4、步骤s2:选择所述训练模式进行相应的球类运动训练,获取进行所述训练模式的训练视频;
5、步骤s3:训练检测模型对所述训练视频中的球与所述标记点进行标记,输出辅助视频。
6、优选的,所述标记点从上到下、从下到上、从左到右、从右到左或从中间向四周进行依次排序;所述训练模式为球通过所述标记点的顺序。
7、优选的,由所述训练视频生成基础数据集,对所述基础数据集进行数据增加,获得训练数据集,由所述训练数据集对所述训练检测模型进行训练,通过训练完成的所述检测模型标记所述训练视频中的所述球与标记点。
8、优选的,所述训练检测模型的网络结构包括依次连接的输入端特征提取结构、输入端采样结构和输出端边界框损失函数;所述输入端特征提取结构用于提取所述训练视频中所述球和标记点的特征;所述输入端采样结构用于将所述球和标记点的特征进行参数融合,所述输出端边界框损失函数通过目标框和预测框分别标记所述标记点和球,并输出所述辅助视频。
9、优选的,所述输入端特征提取结构的算法包括:将基础数据集中的原始608×608×3图像进行切片操作,得到304×304×12的中间特征图,再将所述中间特征图进行一次32个卷积核的卷积操作,得到304×304×32的最终特征图。
10、优选的,所述输入端采样结构包括有上采样结构和下采样结构,将所述最终特征图输入至所述上采样结构中,通过所述上采样方式传递融合,得到预测特征图,将所述预测特征图输入至下采样结构中,自下而上传递强定位特征,得到强定位特征图,基于所述预测特征图和所述强定位特征图进行参数融合,完成所述训练检测模型的输入。
11、优选的,所述输出端边界框损失函数计算公式如下:
12、
13、
14、其中,distance_c2表示所述预测框与目标框的对角线距离,distance_22表示所述预测框与目标框中心点的欧式距离,iou表示1减去所述预测框与目标框的交集/并集,v为衡量长宽比一致性的参数,wp、hp和wgt、hgt分别表示所述预测框的高宽和目标框的高宽。
15、优选的,所述训练检测模型还包括判断函数,所述判断函数用于判断所述辅助视频中所述预测框与所述目标框是否重合,以判断所述球是否按设定的所述训练模式中的顺序依次经过所述标记点。
16、优选的,所述判断函数的在所述辅助视频中添加判断结果,添加的所述判断结果包括有相应的文字、图片和/或特效。
17、本发明还提供一种球类运动体感训练系统,包括训练辅助单元,视频采集单元,处理分析单元和显示单元,以实现上述的球类运动体感训练方法;所述训练辅助单元包括多个间隔设置的标记点,所述视频采集单元,与所述处理分析单元通信连接,用于获取训练人员在所述训练辅助单元上的进行球类运动训练的训练视频;并将所述训练视频发送给所述处理分析单元;所述处理分析单元,接收所述训练视频,设定训练模式,通过训练检测模型判断所述训练视频中的球类运动训练是否与所述训练模式对应,输出辅助视频;所述显示单元,所述显示单元与所述处理分析单元连接,用于显示所述辅助视频。
18、本发明的有益效果是:通过设置标记点,来构建训练模式,训练人员即可根据该训练模式进行球类运动训练,由此能够避免训练时受到场地空间限制的问题,提高在有限空间内的训练效率,并且在训练时不需要穿戴捕捉动作的设备,也不需要搭建动作捕捉系统来判断动作,极大的节约了成本。
1.一种球类运动体感训练方法,其特征在于,包括步骤:
2.根据权利要求1所述的球类运动体感训练方法,其特征在于,所述标记点从上到下、从下到上、从左到右、从右到左或从中间向四周进行依次排序;所述训练模式为球通过所述标记点的顺序。
3.根据权利要求2所述的球类运动体感训练方法,其特征在于,由所述训练视频生成基础数据集,对所述基础数据集进行数据增加,获得训练数据集,由所述训练数据集对所述训练检测模型进行训练,通过训练完成的所述检测模型标记所述训练视频中的所述球与标记点。
4.根据权利要求3所述的球类运动体感训练方法,其特征在于,所述训练检测模型的网络结构包括依次连接的输入端特征提取结构、输入端采样结构和输出端边界框损失函数;所述输入端特征提取结构用于提取所述训练视频中所述球和标记点的特征;所述输入端采样结构用于将所述球和标记点的特征进行参数融合,所述输出端边界框损失函数通过目标框和预测框分别标记所述标记点和球,并输出所述辅助视频。
5.根据权利要求4所述的球类运动体感训练方法,其特征在于,所述输入端特征提取结构的算法包括:将基础数据集中的原始608×608×3图像进行切片操作,得到304×304×12的中间特征图,再将所述中间特征图进行一次32个卷积核的卷积操作,得到304×304×32的最终特征图。
6.根据权利要求5所述的球类运动体感训练方法,其特征在于,所述输入端采样结构包括有上采样结构和下采样结构,将所述最终特征图输入至所述上采样结构中,通过所述上采样方式传递融合,得到预测特征图,将所述预测特征图输入至下采样结构中,自下而上传递强定位特征,得到强定位特征图,基于所述预测特征图和所述强定位特征图进行参数融合,完成所述训练检测模型的输入。
7.根据权利要求6所述的球类运动体感训练方法,其特征在于,所述输出端边界框损失函数计算公式如下:
8.根据权利要求7任一项所述的球类运动体感训练方法,其特征在于,所述训练检测模型还包括判断函数,所述判断函数用于判断所述辅助视频中所述预测框与所述目标框是否重合,以判断所述球是否按设定的所述训练模式中的顺序依次经过所述标记点。
9.根据权利要求8所述的球类运动体感训练方法,其特征在于,所述判断函数的在所述辅助视频中添加判断结果,添加的所述判断结果包括有相应的文字、图片和/或特效。
10.一种球类运动体感训练系统,其特征在于,包括训练辅助单元,视频采集单元,处理分析单元和显示单元,以实现权利要求1-9任一项所述的球类运动体感训练方法;