用于体育分析中的队伍分类的方法和装置与流程

本公开总体上涉及基于机器的数据处理，并且更具体地，涉及体育分析中的队伍分类。

背景技术：

1、体育在许多级别上进行，这些级别从青少年体育到国家和国际职业级别的体育而变化。在许多级别的竞赛中，通常收集运动员和队伍标识，以将统计信息与运动员/队伍相关联并且纪念过去的运动员和队伍表现。许多粉丝在体育比赛期间使用队伍标签来跟踪远动员和队伍在比赛期间的进展。

技术实现思路

技术特征：

1.一种装置，包括：

2.如权利要求1所述的装置，其中，所述多个按顺序的神经网络层包括至少四个按顺序的神经网络层，并且所述多个注意力模块包括至少三个注意力模块。

3.如权利要求1所述的装置，其中，为了确定通道维度中的所提取的特征，所述处理器电路系统用于：

4.如权利要求3所述的装置，其中，为了确定空间维度中的所提取的特征，所述处理器电路系统用于：

5.如权利要求4所述的装置，其中，所述处理器电路系统用于通过组合通道维度中的所提取的特征和空间维度中的所提取的特征来标识所述躯干区域中的所提取的特征。

6.如权利要求1所述的装置，其中，所述处理器电路系统用于估计所述身体标志并生成与所述多个按顺序的神经网络层并行的所述上部热图掩码。

7.如权利要求1所述的装置，其中，所述区域是上部躯干区域。

8.如权利要求1所述的装置，其中，所述处理器电路系统用于针对类别对计算相关性系数，其中每个类别是队伍分类。

9.如权利要求1所述的装置，其中，所述处理器电路系统用于基于所述投票分数将标签与所述图像数据相关联。

10.如权利要求9所述的装置，其中，所述标签用于标识穿制服的人员的存在。

11.如权利要求1所述的装置，其中，所述处理器电路系统用于对地平面中的运动员进行分组，并且确定来自所述多个相机的运动员对应关系，所述指令用于关联来自所述多个相机的所述图像数据的运动员的边界框。

12.如权利要求11所述的装置，其中，所述处理器电路系统用于基于当前边界框的面积、所述图像数据中的最大边界框的面积、所述当前边界框的宽度和所述当前边界框的高度来计算所述投票分数。

13.如权利要求12所述的装置，其中，所述处理器电路系统用于针对所述当前边界框中的运动员将队伍标签与所述图像数据相关联。

14.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质包括指令，所述指令当被执行时，使得至少一个处理器用于：

15.如权利要求14所述的非暂态计算机可读存储介质，其中，所述多个按顺序的神经网络层包括至少四个按顺序的神经网络层，并且所述多个注意力模块包括至少三个注意力模块。

16.如权利要求14所述的非暂态计算机可读存储介质，其中，为了确定通道维度中的所提取的特征，所述指令当被执行时，使所述至少一个处理器用于：

17.如权利要求16所述的非暂态计算机可读存储介质，其中，为了确定空间维度中的所提取的特征，所述指令当被执行时，使所述至少一个处理器用于：

18.如权利要求17所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：通过组合通道维度中的所提取的特征和空间维度中的所提取的特征来标识所述躯干区域中的所提取的特征。

19.如权利要求14所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：估计所述身体标志并生成与所述多个按顺序的神经网络层并行的所述上部热图掩码。

20.如权利要求14所述的非暂态计算机可读存储介质，其中，所述区域是上部躯干区域。

21.如权利要求14所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：针对类别对来计算相关性系数，其中每个类别是队伍分类。

22.如权利要求14所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：基于所述投票分数将标签与所述图像数据相关联。

23.如权利要求22所述的非暂态计算机可读存储介质，其中，所述标签用于标识穿制服的人员的存在。

24.如权利要求14所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：对地平面中的运动员进行分组，并且确定来自所述多个相机的运动员对应关系，所述指令用于关联来自所述多个相机的所述图像数据的运动员的边界框。

25.如权利要求24所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：基于当前边界框的面积、所述图像数据中的最大边界框的面积、所述当前边界框的宽度和所述当前边界框的高度来计算所述投票分数。

26.如权利要求25所述的非暂态计算机可读存储介质，其中，所述指令当被执行时，使所述至少一个处理器用于：针对所述当前边界框中的运动员将队伍标签与所述图像数据相关联。

27.一种方法，包括：

28.如权利要求27所述的方法，其中，所述多个按顺序的神经网络层包括至少四个按顺序的神经网络层，并且所述多个注意力模块包括至少三个注意力模块。

29.如权利要求27所述的方法，其中，确定通道维度中的所提取的特征进一步包括：

30.如权利要求29所述的方法，其中，确定空间维度中的所提取的特征进一步包括：

31.如权利要求30所述的方法，进一步包括：通过组合通道维度中的所提取的特征和空间维度中的所提取的特征来标识所述躯干区域中的所提取的特征。

32.如权利要求27所述的方法，进一步包括：估计所述身体标志并生成与所述多个按顺序的神经网络层并行的所述上部热图掩码。

33.如权利要求27所述的方法，其中，所述区域是上部躯干区域。

34.如权利要求27所述的方法，进一步包括：针对类别对计算相关性系数，其中每个类别是队伍分类。

35.如权利要求27所述的方法，进一步包括：基于所述投票分数将标签与所述图像数据相关联。

36.如权利要求35所述的方法，其中，所述标签用于标识穿制服的人员的存在。

37.如权利要求27所述的方法，进一步包括：对地平面中的运动员进行分组，并且确定来自所述多个相机的运动员对应关系；以及关联来自所述多个相机的所述图像数据的运动员的边界框。

38.如权利要求37所述的方法，进一步包括：基于当前边界框的面积、所述图像数据中的最大边界框的面积、所述当前边界框的宽度和所述当前边界框的高度来计算所述投票分数。

39.如权利要求38所述的方法，进一步包括：针对所述当前边界框中的运动员将队伍标签与所述图像数据相关联。

40.一种装置，包括：

41.如权利要求40所述的装置，其中，所述多个按顺序的神经网络层包括至少四个按顺序的神经网络层，并且所述多个注意力模块包括至少三个注意力模块。

42.如权利要求40所述的装置，其中，为了确定通道维度中的所提取的特征，所述姿势引导迭代注意力网络电路系统用于：

43.如权利要求42所述的装置，其中，为了确定空间维度中的所提取的特征，所述姿势引导迭代注意力网络电路系统用于：

44.如权利要求43所述的装置，其中，所述姿势引导迭代注意力网络电路系统用于通过组合通道维度中的所提取的特征和空间维度中的所提取的特征来标识所述躯干区域中的所提取的特征。

45.如权利要求40所述的装置，其中，所述姿势引导迭代注意力网络电路系统用于估计所述身体标志并生成与所述多个按顺序的神经网络层并行的所述上部热图掩码。

46.如权利要求40所述的装置，其中，所述区域是上部躯干区域。

47.如权利要求40所述的装置，其中，所述成对相关性计算电路系统用于针对类别对计算相关性系数，其中每个类别是队伍分类。

48.如权利要求40所述的装置，其中，所述多相机投票分数计算电路系统用于基于所述投票分数将标签与所述图像数据相关联。

49.如权利要求48所述的装置，其中，所述标签用于标识穿制服的人员的存在。

50.如权利要求40所述的装置，进一步包括运动员关联电路系统，所述运动员关联电路系统用于对地平面中的运动员进行分组，并且确定来自所述多个相机的运动员对应关系，所述运动员关联电路系统用于关联来自所述多个相机的所述图像数据的运动员的边界框。

51.如权利要求50所述的装置，其中，所述多相机投票分数计算电路系统用于基于当前边界框的面积、所述图像数据中的最大边界框的面积、所述当前边界框的宽度和所述当前边界框的高度来计算所述投票分数。

52.如权利要求51所述的装置，其中，所述多相机投票分数计算电路系统用于针对所述当前边界框中的运动员将队伍标签与所述图像数据相关联。

53.一种设备，包括：

54.如权利要求53所述的设备，其中，所述多个按顺序的神经网络层包括至少四个按顺序的神经网络层，并且所述多个注意力模块包括至少三个注意力模块。

55.如权利要求53所述的设备，其中，为了确定通道维度中的所提取的特征，所述用于提取的装置用于：

56.如权利要求55所述的设备，其中，为了确定空间维度中的所提取的特征，所述用于提取的装置用于：

57.如权利要求56所述的设备，其中，所述用于提取的装置用于：通过组合通道维度中的所提取的特征和空间维度中的所提取的特征来标识所述躯干区域中的所提取的特征。

58.如权利要求53所述的设备，其中，所述用于提取的装置用于：估计所述身体标志并生成与所述多个按顺序的神经网络层并行的所述上部热图掩码。

59.如权利要求53所述的设备，其中，所述区域是上部躯干区域。

60.如权利要求53所述的设备，其中，所述用于选择的装置用于针对类别对计算相关性系数，其中每个类别是队伍分类。

61.如权利要求53所述的设备，其中，所述用于计算的装置用于：基于所述投票分数将标签与所述图像数据相关联。

62.如权利要求61所述的设备，其中，所述标签用于标识穿制服的人员的存在。

63.如权利要求53所述的设备，进一步包括用于分组的装置，所述用于分组的装置对地平面中的运动员进行分组并且确定来自所述多个相机的运动员对应关系；所述用于分组的装置用于关联来自所述多个相机的所述图像数据的运动员的边界框。

64.如权利要求63所述的设备，其中，所述用于计算的装置用于：基于当前边界框的面积、所述图像数据中的最大边界框的面积、所述当前边界框的宽度和所述当前边界框的高度来计算所述投票分数。

65.如权利要求64所述的设备，其中，所述用于计算的装置用于：针对所述当前边界框中的运动员将队伍标签与所述图像数据相关联。

66.一种装置，包括：

技术总结
一种装置，包括处理器电路系统，该处理器电路系统用于：从自多个相机获得的图像数据提取特征，特征的提取使用多个按顺序的神经网络层来执行；响应于多个按顺序的神经网络层中的每个神经网络层提取特征、经由多个注意力模块来标识图像数据的躯干区域中的所提取的特征；从图像数据估计身体标志以定位区域；基于图像数据的几何中心来生成上部热图掩码；基于根据所提取的特征和所生成的热图掩码确定的交叉熵损失、逐像素损失和三元组损失、针对图像数据来计算损失函数；基于多个类别对之间的所计算的相关性来选择最低相关的类别；以及针对与最低相关的类别相关联的组来计算投票分数。

技术研发人员：刘宸宁,栗强,李文龙,方亦凯,郑航,陈建生
受保护的技术使用者：英特尔公司
技术研发日：
技术公布日：2024/2/21