[发明专利]一种基于强化学习的冰壶运动现场分析和辅助决策方法

说明书

本发明公开了一种基于强化学习的冰壶运动现场分析和辅助决策方法，属于深度学习领域的人工智能和计算机视觉方向，建立了冰壶比赛情景和态势的数字化模型，设立了冰壶运动现场分析和辅助决策系统，主要解决实际运动场景下的冰壶运动现场分析和辅助决策的问题。算法主要包括：冰壶比赛态势感知设计、冰壶场地数字化提取方法和冰壶比赛决策分析：在冰壶比赛态势感知模块感知冰壶实际运动位置与速度，并获取静止状态，冰壶场地数字化提取模块，通过实际场地与拍摄数据之间的位置映射，获取关键时刻的冰壶的精确位置及其类别，冰壶比赛决策分析模块根据其类别和位置信息，通过强化学习算法，进行模拟计算，给出下一步的建议击打位置，辅助进行冰壶战术决策。这种基于强化学习的冰壶运动现场分析和辅助决策方法方法，在实际冰壶比赛训练时测试效果优异，使用价值高，可扩展性强。

技术领域

本发明属于深度学习领域，是图像处理领域中的一项重要应用，尤其是涉及一种基于强化学习的冰壶运动现场分析和辅助决策方法。

技术背景

随着冰雪运动的发展，冰壶运动越来越受到重视。作为一项技巧和谋略相结合的奥运比赛项目，借助计算机的力量来规划冰壶比赛策略显得尤为重要。

目前主流的冰壶辅助决策方法在精度和速度方面已经有了不错的效果，然而这些方法都是在数字化冰壶比赛场景下进行模拟与规划，应用的实际冰壶比赛上还有一定的差距，这与实际比赛智能化策略推荐的需求之间有巨大的矛盾。因此，亟需一种能够针对实际冰壶运动现场分析和辅助决策的方法。

冰壶运动现场分析和辅助决策的目的是在正式冰壶比赛运动场景下，通过算法感知冰壶实际运动位置与速度，并根据冰壶状态获取关键比赛状态，并在其获取的冰壶位置的基础上，模拟计算出下一个壶的建议击打位置，辅助进行冰壶战术决策。

我们提出的目标检测和强化学习的冰壶运动现场分析和辅助决策方法在实际冰壶比赛中能够根据比赛态势，给出相应击打策略和击打后态势模拟，有效地促进了冰壶比赛训练的效果，推动我国冰雪运动的进一步发展。

发明内容

本发明提出了一种基于强化学习的冰壶运动现场分析和辅助决策方法。该方法以深度卷积神经网络为基础，结合了目标检测、强化学习等技术，较为准确的进行冰壶运动现场分析和辅助决策，该方法可以在不同冰壶比赛场景下有效的进行工作。

其技术解决方案是：

基于强化学习的冰壶运动现场分析和辅助决策方法，所述方法包括：

步骤1)，将冰壶比赛视频处理成图片，形成比赛状态图片，比赛状态图片的集合构成训练样本；

步骤2)，设计基于异物入侵检测的冰壶比赛态势感知模块，其中包含冰壶进入前置线检测与冰壶出界检测；

步骤3)，设立基于yolo-v4的冰壶位置检测网络；

步骤4)，在预先准备的冰壶数据集中，将网络进行训练，得到训练完的目标检测模型，用该模型获取冰壶的像素位置；

步骤5)，冰壶场地数字化提取，获取关键时刻的冰壶在比赛场地对应的精确位置及其类别；

步骤6)，冰壶比赛决策分析，基于强化学习进行模拟计算，获取当前比赛状态的最佳击打建议和击打后态势，辅助进行冰壶战术决策。

所述步骤1)中冰壶比赛训练数据采集的是国家轮椅冰壶队日常训练比赛过程，借助labelme进行标注，从而获得冰壶数据集。

所述步骤2)中先通过GMM背景建模进行粗过滤，再借助异物入侵检测的方法，来获取冰壶进入视野的时间和消失于视野的时间，借助位于两条前置线中间的两个摄像头，以及斜俯视摄像头，借助目标跟踪的方法，测量冰壶的阶段性平均速度，在无遮挡情况下，斜俯视摄像头可辅助捕捉冰壶运动状态，计算实时速度变化。

所述步骤3)中对Yolo-v4进行修改，以适应冰壶类别判断以及冰壶中心点的定位。