[发明专利]一种基于深度学习的网球发球机发球方法

说明书

本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；