一种篮球战术辅助的方法与装置与流程

本发明涉及体育比赛数据挖掘技术领域，具体包括机器学习领域、计算机视觉领域和数据可视化领域，特别是涉及一种篮球战术辅助的方法与装置。

背景技术：

众所周知，随着竞技体育信息化水平的逐步提高，大量的比赛项目积累了海量的数据和视频，在篮球队的训练和战术排布过程中，需要观看大量的数据和视频，并在大量的数据和视频中筛选符合球队训练的内容，将数据内容转化成球队训练的实战内容，因此如何在大量的数据和视频的基础上提高球队分析决策能力，提高球队快速变化的决策反应速度，把海量的和视频转化成丰富的知识，用以辅助教练和球队做出合理地决策，这个问题成为现在被广泛关注的问题。

技术实现要素：

为解决上述技术问题，本发明提供一种篮球战术辅助的方法与装置。可以根据球员比赛和练习过程进行评估和判断，方便对球队进行赛前规划和预测，或者在比赛中安排阵容和关键时刻的布防，方便教练对球员和球队进行管理、分析和评估，并制定针对性的训练计划，提升比赛的成功率。

本发明的一种篮球战术辅助的方法，包括以下步骤：

对球员比赛信息进行数据挖掘，并进行历年数据统计分析；

根据球队历年比赛数据和视频进行分析和预测；

运用数据可视化技术表示球员和球队历年和近期的赛季数据，并根据赛程进行结果预测；

对球员和球队每个时段的训练项目进行统计分析和安排。

本发明的一种篮球战术辅助的方法，所述对球员比赛信息进行数据挖掘，并进行历年数据统计分析，包括以下步骤：

根据球员每次持球数据、阵容数据、球队薪酬以及球场位置信息，利用机器学习方法建立分析模型，对球员技术进行项目排名评估，并对球员运动轨迹进行可视化分析。

本发明的一种篮球战术辅助的方法，所述根据球队历年比赛数据和视频进行分析和预测，包括以下步骤；

运用数据挖掘和机器学习方法进行分析和预测，针对反映球队能力的项目和数据，结合球队现场的比赛信息，建立机器学习模型，进行分析和预测得到得分球队热区图，以及球队各种阵型的技术特点，并可以进行比赛前阵容预测，针对比赛中现场比赛信息，做出决策。

本发明的一种篮球战术辅助的方法，所述表示球员和球队历年和近期的赛季数据，包括以下步骤；

针对单个球员或球队的比赛状态和技术水平，将其比赛数据以散点图、柱状图、热力图或直线图表示，针对多个球员或球队进行能力对比时，以柱状图、饼图或雷达图进行表示。

本发明的一种篮球战术辅助的方法，所述对球员和球队每个时段的训练项目进行统计和安排，包括以下步骤：

利用机器学习模型，结合现阶段球员竞技状态如进攻状态、防守状态和身体素质对其关联分析，根据分析结果得到影响球员竞技状态有关的训练项目。

本发明的一种篮球战术辅助的装置，所述装置包括：

球员模块，用于对球员比赛信息进行数据挖掘，并进行历年数据统计分析；

球队模块，用于根据球队历年比赛数据和视频进行分析和预测；

赛程模块，用于运用数据可视化技术表示球员和球队历年和近期的赛季数据，并根据赛程进程结果预测；

训练计划模块，用于对球员和球队每个时段的训练项目进行统计分析和安排。

本发明的一种篮球战术辅助的装置，所述球员模块用于根据球员每次持球数据、阵容数据、球队薪酬以及球场位置信息，利用机器学习方法建立分析模型，对球员技术进行项目排名评估，并对球员运动轨迹进行可视化分析。

本发明的一种篮球战术辅助的装置，所述球队模块用于运用数据挖掘和机器学习方法进行分析和预测，针对反映球队能力的项目和数据，结合球队现场的比赛信息，建立机器学习模型，进行分析和预测得到得分球队热区图，以及球队各种阵型的技术特点，并可以进行比赛前阵容预测，针对比赛中现场比赛信息，做出决策。

本发明的一种篮球战术辅助的装置，所述赛程模块用于针对单个球员或球队的比赛状态和技术水平，将其比赛数据以散点图、柱状图、热力图或直线图表示，针对多个球员或球队进行能力对比时，以柱状图、饼图或雷达图进行表示。

本发明的一种篮球战术辅助的装置，所述训练计划模块用于利用机器学习模型，结合现阶段球员竞技状态如进攻状态、防守状态和身体素质对其关联分析，根据分析结果得到影响球员竞技状态有关的训练项目。

与现有技术相比本发明的有益效果为：使用本发明提供的一种篮球战术辅助方法和装置，具有以下优点：

1、可以获得科学性的技术数据，根据比赛信息进行分割，得到有效、准确的分析结果；

2、根据比赛数据和视频资料，分析球员技术特点，进行球员评判、辅助训练；

3、根据球队赛程，针对不同阵容进行排兵布阵、团队评估，

4、根据球员的特点和球队的各种组合，辅助教练在篮球比赛进行关键时刻球权分配、阵容安排，实现最优效果，提高团队整体进攻效率和获胜概率。

附图说明

图1是决策支持系统框架结构图；

图2是分析预测部分框架图；

图3是辅助流程图；

图4是神经网络预测功能图；

图5是聚类分析功能图；

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的一种篮球战术辅助的装置，主要由球员模块、球队模块、赛程模块、训练计划模块四部分组成，其中球员和球队模块采用数据挖掘技术和机器学习方法对其进行分析和预测，将其分析结果以可视化技术进行呈现。赛程和训练计划模块针对历年的比赛数据和球员竞技状态，进行数据对比、结果预测，辅助教练制定针对性训练。

球员模块主要记录历年比赛的得分、篮板、抢断、防守等基础数据，根据历年基础数据建立一种科学的评估指标，如真实命中率、效率值、胜利贡献值，利用数据挖掘和机器学习方法，对球员运动轨迹、热区进行分析；球队模块利用更加详细地基础数据进行各种变换得到球队高阶数据，如进攻效率、防守效率、球权使用率、效率值、有效投篮命中率，并利用机器学习和数据挖掘方法，对球队技术、阵容特点进行评估和可视化分析，辅助教练进行关键时刻进行决策处理；赛程模块实时更新近期赛程和联盟赛程，进行多球员、球队能力和阵容对比分析，并对相应赛程进行结果预测分析，辅助教练提前制定比赛策略；训练计划模块包括进攻训练项目和防守训练项目，根据球队近期比赛数据和竞技状态，利用机器学习方法，关联分析影响球员竞技状态的训练项目，辅助教练分析制定最佳的训练项目和频率，并对其训练项目强度进行评估。

球员模块中，将球员的技术数据，如得分、篮板、篮板球机会、速度和距离、接球就投、触球和持球、传球、盖帽等基本数据存储至数据库，并对这些数据以总体和场均加以区分。点击相应球员进行数据调用，并利用基本数据进行统计计算，如球员场均得分、场均篮板、场均助攻、场均抢断、场均封盖等数据。并将每场比赛数据如得分、篮板、失误、助攻等项目的变化趋势以可视化图表分析展示。

球员模块中，根据球员基本数据，如投篮、助攻、抢断、篮板、罚球、接球和传球等数据，利用数理分析法建立一种反应球员综合技术的评价指标，比如目前使用较多的进攻效率、防守效率、球权使用率、真实命中率、球员贡献值等，点击相应球员，调用相应公式进行计算评价指标数值，也即球员高阶数据。并对相应球员的高阶数据进行联盟技能排名、赛季排名。将高阶数据以数据列表、饼状图、扇形图等形式对进行可视化分析，如利用饼图表示每场比赛球员进攻效率的和防守效率所占的百分比。

球员模块中，利用球员的基本数据(投篮、篮板、罚球等)和高阶数据(防守效率、进攻效率等)进行数据挖掘，运用机器学习方法中的聚类模型，通过筛选不同球员和数据项目作为该模型的输入，分析输出球员的技术特点，辅助教练或者球队经理对球员薪资评定、能力评估。

球员模块中的机器学习聚类方法，根据需要选择多名球员进行对比分析，将待评估分析的球员数据划分为n*m的矩阵，n为选择球员的个数，m为代表球员的特征向量，如球员的基本数据(得分、篮板、罚球等)、球员的高级数据(进攻效率、防守效率等)、球员薪酬等数据。将样本数据随机分成k个聚类中心，样本间的距离d为任意两样本间的欧式距离，按照就近原则将样本数据划分至各聚类中心，采用一个类归属矩阵w＝n*k,当聚类中心满足该类归属矩阵误差平方和最小化标准时，不在继续分类。若不符合标准重新分类聚类中心k,直至达到满足条件为止。使用散点图来输出每个球员的分类，教练可根据聚类效果查看具体球员的技术优劣势、适合的薪资范围等。

球员模块中，利用比赛视频和球员数据，运用神经网络模型。该神经网络模型将球场划分成离散区域，可以识别比赛视频中的所有移动的物体，按照球衣的颜色区分两队球员、球场裁判和运动的篮球，通过识别每个球员的球衣号码，将运动球员的轨迹信息进行分层，在所述层次上建立运动模型通过输入带有标识的球员号码和球员基本信息，作为数据集识别训练，输出球员的热图间和运动轨迹特征。

球队模块中，按照球队历年的首发阵容和替补阵容进行区分，将表示球队的得分、篮板、助攻、罚球、触球、传球、失误等基础数据存储至数据库，点击相应的球队，调用相应数据。同时利用数据挖掘知识并对其基本数据进行详细计算分析，如场均速度、场均距离、场均触球和场均突破、三分命中率、罚球命中率等。可通过筛选不同数据项目，如进攻、防守、篮板等，按照总体和场均形式区分输出球队的基本数据和详细数据，并将其按照由高到低的顺序依次排名。

球队模块中，点击不同球队，调用相应数据，生成相应球队成员的基本数据列表，如投篮命中率、三分命中率、罚球命中率、赛季排名等数据，针对球员个体和球队整体进行排名表示。同时点击相应球员个体时，调用相应球员个人能力分析列表，如个人身高、技术特点、球队位置等信息。点击相应球队，对球队整体命中率、失误率、篮板、进攻效率等数据进行数据可视化分析，如使用线型图分析展示球队在某一段时间内的进攻效率，使用柱状图表示球队不同球员在某一技术项目间的差异。

球队模块中，将选择不同阵容或者评估球员适合那些位置时，利用机器学习中的随机森林树方法，将每一个球员进行多分类，包括场均得分、篮板(进攻篮板、防守篮板、总篮板)、助攻、盖帽、失误、胜利贡献(防守贡献、进攻贡献)等数据。在随机森林方法训练过程中，确定要集成的决策树数目为t，依次为每一棵树随机抽取一个样本子集，一般为全集的2/3。根据在树的每个节点上随机抽取m个特征作为特征子集，最后在每个节点上选择一个最佳的特征进行最佳特征分支。通过选择每个节点的m个特征，计算输出该球员可能适合的位置，如大前锋、小前锋、得分后卫、控球后卫和中锋等位置，辅助教练进行安排球员进行一些区域的进攻和防守。

球队模块中，针对球队阵容，运用神经网络模型进行阵容预测，该模型将球场划分成多个离散区域，并对球场不同区域赋予一定的位置坐标。因为篮球的位置决定球队的阵型位置，所以构建一组神经网络，将球场不同区域的比赛模式下篮球的位置和历史对方球员的位置作为数据集，进行模型训练，输出球队可能出现的阵容位置。根据选择输入球队成员，预测输出这些球员可能出现的阵容，即在球队中的阵容位置，方便教练做出相应战术调整。

球队模块中，当比赛陷入胶着或者时间所剩无几的时候，对于一些关键球的处理是赢得比赛机器关键。通过现场球队的阵容信息和球员信息作为输入，运用神经网络模型，预测输出关键时刻传球位置，以及球权分配动态图，辅助教练决策分析。

球队模块中所运用的神经网络模型，首先利用上场球员的基本数据首先进行分类训练，分析得到球员的基本类型，再用历年的比赛视频，按照时间序列方式将比赛视频划分为多个时段，方便区分关键时刻比赛视频作为神经网络的输入。该神经网络模型自动识别移动的球员，将利用球衣号码中的数字进行区分不同阵型的球员，通过进行训练自主学习球员，评估计算输出篮球的运动位置，即运动员运动轨迹。帮助教练在关键时刻决策部署进攻或防守的最佳路线和防守球员，并根据每种策略输出布防攻略动态图及其成功的概率。如防守队员应该如何响应，进攻球员如何持球突破对手，传球队员如何选择传球球位置，接球队员如何选择路线避免封堵。

赛程模块中，包括近期本队赛程和未来赛程、历史赛程及联盟赛程，点击相应赛程列表，进行相应数据调用查询，如对手球队、比赛时间，比赛结果。也可筛选不同球队，进行球队详细数据对比，如双方球队赛季数据，球员比赛数据。利用数据可视化技术将双方球队赛季的场均得分、场均助攻、场均篮板、场均失分、场均失误等数据进行图表分析，如根据双方球队得分、篮板、助攻、罚球、三分等数据项目生成某段时间内的能力对比柱状图。

赛程模块中，未来赛程列表中，采用机器学习中的逻辑回归方法，统计常规赛中每支球队获胜场数和失败场数，以及每支球队的基本数据和综合数据，如排名、得分、防守、进攻、罚球、三分命中率、失误率、平均年龄等，作为反映球队的特征向量，进行训练计算，根据未来赛程列表输出预测可能胜利晋级球队，辅助教练提前防守规划，制定相应的训练计划。

赛程模块中，机器学习方法中的逻辑回归模型，利用历年球队、球员、赛程基本数据作为特征向量，将其转换为4个综合指标：球队综合实力、球队核心球员的实力、主教练执行能力、球队主客场优劣势。根据4个综合指标作为自变量，运用逻辑回归方法预测输出比赛胜利的球队列表，当因变量y取值1时，则表示球队晋级，取值-1则表示球队被淘汰。

训练计划列表中，统计球队和球员训练项目。针对最新的赛程计划安排，跟踪球员近三个月的各项比赛指标，如得分、助攻、抢断、篮板、罚球等数据，并对球员各项比赛指标进行计划安排，如进攻项目(移动、传接球、运球、投篮等)，防守项目(移动、抢打断、封盖、抢篮板以及身体对抗等)。

训练计划列表中，根据球员个体的差异，如球员身体状况、受伤情况、特长、技术优缺点等指标，利用机器学习中关联分析模型，分析得到影响球员或球队成绩的关键因素。教练根据分析得到的影响因素，调整球队或球员训练的项目，如步伐、传接球、上篮、运球，投篮等项目，并对一些项目进行强度评估，点击选择相应球员，同步显示训练项目、周期及强度。

训练计划中的机器学习中的关联分析模型，选取代表球员训练计划的项目为研究对象。创建篮球比赛事务的数据表d，其中d＝{a,b,c,d,e,f,g...},分别代表身高、体重、助攻、3分球、罚球、突破、抢断等数据，利用参数支持度、置信度，判断训练项目关联规则是否为强规则。假设最小支持度为40％及其以上，最小置信度为50％，扫描球员比赛事务所有数据表，生成候选1项集和频繁1项集，确定每项的支持度。从2项集开始循环，由频繁k-1项集生成频繁k项集，对k项集中每个项集检测其子集是否为频集，删除子集不在频集的项集。扫描数据库表，重新计算过滤后的k项集的支持度，丢弃掉支持度小于最小支持度的项集，生成频繁k项集，若当前k项集中只有一个项集时循环结束。最终验证其频繁项集是否满足不小于最小置信度。

训练项目列表中针对训练项目，如：步伐、传接球、上篮、运球，投篮等，利用数据可视化技术，对球队和球员整体训练项目进行分析，如利用折线图表示某段时间内球员的投篮命中率的趋势变化，根据柱状图表示球员训练前和训练后篮球技术项目的变化。辅助教练观察训练每种项目的进度、频率、强度，以便及时调整训练状态数据。

本实例通过采用人工智能模型进行预测和分析数据，帮助教练评估、预测和决策，提高整个系统运行的有效性，并可通过不断更新的比赛数据提高这些模型预测的准确性；本发明能够对不同场景下的数据和视频进行有效检测，跟踪分析多个球队和球员，通过可视化技术映射在球场任何地方的球员，并跟踪其在不同区域的球员轨迹，详细的热区图。利用这些数据加以分析、评估球员、球队在比赛中的表现，辅助教练在比赛中制定相应的策略。根据球队状态，制定针对性训练计划，提高训练效果。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。