[发明专利]一种基于深度学习的网球发球机发球方法在审

专利信息
申请号: 201910100405.5 申请日: 2019-01-31
公开(公告)号: CN109871794A 公开(公告)日: 2019-06-11
发明(设计)人: 姜少飞;许青青;邬天骥;彭翔;李吉泉;景立挺 申请(专利权)人: 浙江工业大学
主分类号: G06K9/00 分类号: G06K9/00;G06N3/08;G06N3/04;A63B69/38
代理公司: 杭州浙科专利事务所(普通合伙) 33213 代理人: 吴秉中
地址: 310014 *** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 发球 网球发球机 摄像头 图像采集装置 图像帧 人脸特征点位置 预处理 网球 人脸图像信息 实时动态跟踪 拍摄图像 人脸图像 神经网络 提醒信号 图像采集 网球训练 正前方 弹射 发射口 视频流 建模 人脸 射出 学习 走动 匹配 转动 拍照 锁定 捕捉 储存 视野
【说明书】:

发明公开了一种基于深度学习的网球发球机发球方法,1)网球训练前,运动员在摄像头的正前方拍照,图像采集装置获得人脸图像信息并储存在其内部;2)运动员开始训练,摄像头首先在视野范围内进行图像采集及人脸捕捉,找到与预先拍摄图像匹配的人脸图像,进行锁定;3)随着运动员的走动,图像采集装置会从摄像头的视频流中提取一系列图像帧,对图像帧进行预处理,并用于神经网络的深度学习建模,实现运动员的实时动态跟踪,然后根据人脸特征点位置转动发射口;4)网球发球机发出提醒信号,从发球口弹射出适应运动员位置的网球。本发明通过该发球方法能够实现对运动员进行定位,并能射出适应运动员位置的网球,提高了发球的精度。

技术领域

本发明涉及网球发球机的技术领域,尤其涉及的是一种基于深度学习的网球发球机发球方法。

背景技术

网球是一种有氧户外运动,现代都市人成天忙于工作、学习和生活,大多数的时间在室内中度过,需要到室外进行一些户外运动,网球就是最好的选择之一。加强网球练习是学习网球基础技术极为重要的一个步骤。而在很多网球初学教学过程中,很多还是通过他人手动给球的方式送球,极大浪费人力。针对这个问题,市面上衍生出了各种各样的网球发球机,但是这些网球发球机一般都是固定一个或者几个发球路线,并不能很好地满足训练者在球场各个位置的接球练习,并且其发球精度也不高。

发明内容

本发明针对现有技术的问题,在此提供一种基于深度学习的网球发球机发球方法。

本发明的技术方案如下:

一种基于深度学习的网球发球机发球方法,其特征在于,包括如下步骤:

1)预先在网球发球机的发球口上方设置一个摄像头,并在摄像头中装有图像采集装置;网球训练前,运动员在摄像头的正前方拍照,图像采集装置获得人脸图像信息并储存在其内部;

2)运动员开始训练,摄像头首先在视野范围内进行图像采集及人脸捕捉,找到与预先拍摄图像匹配的人脸图像,进行锁定;

3)随着运动员的走动,图像采集装置会从摄像头的视频流中提取一系列图像帧,对图像帧进行预处理,并用于神经网络的深度学习建模,通过模型输出的动态人脸特征点位置,实现运动员的实时动态跟踪;当运动员到达目标地点停止走动时,安装在摄像头中的角度计算装置根据第一帧图像得到的人脸特征点位置及最后一帧图像得到的人脸特征点位置计算出发球机发射口所需移动的角度,并通过安装的调节控制装置转动发射口,使其指向运动员移动后的位置;

4)当发球机发球口完成转向动作后,网球发球机发出提醒信号,从发球口弹射出适应运动员位置的网球。

所述一种基于深度学习的网球发球机发球方法,其特征在于,所述步骤3)具体包括:

3.1)网球训练过程中,图像采集装置从摄像头视频流中提取一系列图像帧,通过数据分析与处理装置进行预处理:包括人脸图像筛选、图像数据均衡化、图像数据归一化及图像数据增强,并得到一系列表征图像信息的特征向量组,通过内置的聚类算法模型对这些特征向量组进行处理,聚类相似的人脸信息,并把这些聚类信息与表征图像信息的特征向量组作为训练数据,输入连接的深度学习装置,进行神经网络的建模;

3.2)深度学习装置中内置四个卷积神经网络模型,分别对应人脸左眼、右眼、鼻子、嘴巴特征点位置的动态识别;所述的卷积神经网络模型架构如下:

3.2.1)依次采用两个步长为1,大小为3X3的卷积核,对输入的特征向量组进行卷积得到对应特征图一;

3.2.2)使用2X2最大池对特征图一进行下采样,得到对应特征图二;

3.2.3)依次采用两个步长为1,大小为3X3的卷积核对特征图二进行卷积,得到对应特征图三;

3.2.4)使用2X2最大池对特征图三进行下采样,得到对应特征图四;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江工业大学,未经浙江工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910100405.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top