[发明专利]一种基于卷积神经网络的篮球进球得分判断方法及系统

说明书

本发明一种基于卷积神经网络的篮球进球得分判断方法，包括以下步骤：获取比赛视频片段及其标注数据，标注数据包括进球数据和得分数据；利用比赛视频片段及其进球数据训练获得进球分类模型，利用比赛视频片段及其得分数据训练获得得分分类模型；获取待判定视频片段，将待判定视频片段输入进球分类模型，获得进球分类结果，根据进球分类结果获取进球片段；将进球片段输入得分分类模型，获得相应的得分。本发明能够获取待判定视频片段进球分类结果，输出相应得分。

技术领域

本发明涉及视频检测领域，具体涉及一种基于卷积神经网络的篮球进球得分判断方法及系统。

背景技术

现今对篮球比赛视频中进球进行判定的方法如下：

人工判断：通过人来全程观看篮球比赛视频，在观看过程中人工判断是否进球，利用该方法进行判定的准确率最高，但是具有工作效率过低、时间成本太高，尤其是现在各级别篮球比赛每天就有几十到几百场，无法实现全人工筛选所有视频中的进球。

《基于图像处理的篮球进球判定方法及系统》(CN107303428A)中提出检测各图像帧中篮球的空间位置，且根据各个图像帧中篮球的空间位置的连线确定篮球的运动轨迹，根据篮球的运动轨迹是否经过篮筐的空间位置判断球员投篮是否进球的方法。但该方法存在要求摄像机镜头固定位置不动，然后才能利用篮球的运动轨迹是否经过篮筐来判断是否进球的缺陷；而且往往由于视角的问题导致出现误判，比如三不沾投篮，虽然篮球经过了篮筐区域，但是并未进球，而该方法仅仅依靠篮球的运动轨迹，往往会将该类投篮误判为进球。

《一种基于视频的篮球进球检测方法和装置》(CN105701460B)中提出构建基于卷积神经网络和递归神经网络的递归卷积神经网络模型，并利用具有标签的篮球视频的图片库样本集对递归卷积神经网络模型进行训练；从而利用训练好的递归卷积神经网络模型处理待检测篮球视频的图像，获得输出向量；根据该输出向量来判断当前篮球视频中是否出现了进球。该方法用到了递归卷积神经网络，而该类网络往往由于梯度消失问题而难于训练；同时该方法只能对单个视频片段进行处理，判断该视频片段是否是进球片段，而不能处理实时视频流。且现有对篮球进球的检测技术均只能检测篮球进球情况，无法判断篮球进球得分，故需要对现有技术做进一步改进。

发明内容

本发明针对现有技术中的缺点，提供了一种基于卷积神经网络的篮球进球得分判断方法及系统。

为了解决上述技术问题，本发明通过下述技术方案得以解决：

一种基于卷积神经网络的篮球进球得分判断方法，包括以下步骤：

获取比赛视频片段及其标注数据，并按照预设的比例将比赛视频片段及其标注数据划分为训练集、验证集和测试集，所述标注数据包括进球数据和得分数据；

构建进球分类模型，利用训练集中比赛视频片段及其进球数据训练进球分类模型，获得多个进球中间分类模型，并利用验证集和测试集对各进球中间分类模型进行验证测试，根据验证测试结果获取最优的进球中间分类模型作为进球分类模型输出；构建得分分类模型，利用训练集中比赛视频片段及其得分数据训练得分分类模型，获得多个得分中间分类模型，并利用验证集和测试集对各得分中间分类模型进行验证测试，根据验证测试结果获取最优的得分中间分类模型作为得分分类模型输出；

获取待判定视频片段，将所述待判定视频片段输入进球分类模型，获得进球分类结果，根据所述进球分类结果从待判定视频片段中提取进球片段；

将所述进球片段输入得分分类模型，获得相应的得分。

作为本发明一种基于卷积神经网络的篮球进球得分判断方法的改进：

所述进球数据包括进球和不进球，得分数据包括1分球、2分球和3分球。

作为本发明一种基于卷积神经网络的篮球进球得分判断方法的进一步改进：