基于深度学习的珍珠球裁判辅助判罚系统及方法

摘要

本发明涉及一种基于深度学习的珍珠球裁判辅助判罚系统及方法，属于计算机图像分析技术领域。包括红外幕墙模块、摄像机视频采集模块和中枢处理模块，判罚方法具体步骤为：（一）摄像机获取比赛时过线的视频信息；（二）红外幕墙对视频信息做标记；（三）中枢处理系统利用深度学习模型判断信号高低电位；（四）判断电压；（五）得出判罚结果。本发明珍珠球裁判辅助判罚系统将红外幕墙和摄像机结合在一起，并利用深度学习模型建立的数据库，可以较为准确的判断裁判结果，使得裁判效率提高，减少比赛争议。

说明书

技术领域

本发明涉及一种基于深度学习的珍珠球裁判辅助判罚系统及方法，属于计算机图像分析技术领域。

背景技术

珍珠球比赛在长28米、宽15米的场地上进行，场地分水区、封锁区、得分区,每队上场6人。比赛分上、下两个半场,每半场15分钟,中间休息10分钟。1、珍珠球的圆长为54至56厘米,重300至325克。珍珠球运动是从游戏中挖掘出来的民族体育项目。2、珍珠球场地长28米、宽15米,分为水区(内场区)、哈蚌区(封锁区)和威呼区(得分区)。3、每场珍珠球比赛由两队参加,每队上场7名队员。水区(内场区)内双方各有4名队员负责进攻和防守,进攻者可将球传到任何方向,向抄网内投球争取得分。哈蚌区(封锁区)内双方各有2名运动队,持哈蚌(球拍),用封、挡、夹、按等技术动作阻挡对方进攻队员向抄网内投球。威呼区(得分区)内双方各有1名手持抄网的运动员,他们的任务是用抄网抄(夺)本方队员投来的珍珠球。

而封锁区和得分区由于面积范围小，在两区间的分界线上经常容易出现错判、漏判、误判的问题，因为，攻防对抗过程中，无论是抄网还是拍子越过得分线垂直面，都是瞬间动作，仅凭裁判员视觉很难百分之百判断准确，导致裁判员不能公平公正裁判，球员和群众失去信心，使得比赛的威信降低，不能正常服务比赛，不能维护队员自身及球队集体的正当权益。

发明内容

为了解决上述技术问题，本发明提供一种基于深度学习的珍珠球裁判辅助判罚系统及方法，其具体技术方案如下：

一种基于深度学习的珍珠球裁判辅助判罚系统，包括红外幕墙模块、摄像机视频采集模块和中枢处理模块，所述红外幕墙模块与摄像机视频采集模块控制连接，红外幕墙模块通过发出的红外激光被遮挡而发出电信号给摄像机视频采集模块，摄像机视频采集模块拍摄视频上传至中枢处理模块，在中枢处理模块设有的汇总分析智能终端进行分析判断，得到最后的辅助裁判结果。

进一步的，所述红外幕墙模块中有两面红外幕墙，分布于两侧得分区和封锁区之间的分界线上，红外幕墙上设有线阵列红外半导体激光器和对应线阵列红外接收探测器，线阵列红外半导体激光器发射红外激光，对应线阵列红外接收探测器接收，有红外激光被遮挡时，对应线阵列红外接收探测器接收不到红外激光，则会发送电信号给摄像机视频采集模块。

进一步的，所述摄像机视频采集模块中设有摄像机，摄像机接通电源即始终开启，摄像机在红外幕墙模块发出电信号时给所拍摄的视频信息一个时间戳，裁判人员根据时间戳查找视频信息。

进一步的，所述中枢处理模块基于经过深度学习模型训练，具体步骤为：

步骤1：实验模拟每种不同情况下过线的比赛场景，收集各个情况下触发所述摄像机视频采集模块拍摄的视频数据，建立珍珠球过线视频数据库；

步骤2：为每个视频数据添加表示裁判类型的人工标记，将添加标签后的各视频作为视频样本；

步骤3：对视频样本进行裁判分析，包括每个视频样本的裁判情况以及人工观察是否存在犯规；

步骤4：对视频样本进行训练，将视频样本中所有的存在身体碰触现象的电压设定为0，将无身体碰触的电压设为1，遍历珍珠球过线数据库后，生成汇总分析智能终端；

步骤5：将汇总分析智能终端加载至中枢处理系统。

基于深度学习的珍珠球裁判辅助判罚方法，所述方法基于珍珠球裁判辅助判罚系统，具体包括以下步骤为：

步骤一：摄像机视频采集模块获取比赛时过线的视频信息；

步骤二：红外幕墙模块被遮挡时将摄像机视频采集模块获取的视频信息做标记，对比赛人员的动作进行裁判；

步骤三：视频信息通过无线传输给中枢处理系统，利用深度学习模型检索并识别出特征向量的状态，分离判断信号高低电位；

步骤四：判断电压为0时，存在身体碰触，引入视频信息，裁判人员进行判断违规方，当进攻方碰触则进攻方违例或犯规，当防守方触碰则防守方违例或犯规；判断电压为1时，无身体碰触现象，则不存在犯规情形；

步骤五：得出判罚结果。

本发明的有益效果是：珍珠球裁判辅助判罚系统将红外幕墙和摄像机结合在一起，并利用深度学习模型建立的数据库，可以较为准确的判断裁判结果，使得裁判效率提高，减少比赛争议，极大提高了珍珠球比赛的观赏性、规范性、公平性、教育性，为裁判员公平公正执裁增强信心、树立威信、更好服务比赛；维护了队员自身及球队集体的正当权益。

附图说明

图1是本发明的判罚方法流程图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

如图1所示，本发明的基于深度学习的珍珠球裁判辅助判罚系统，包括红外幕墙模块、摄像机视频采集模块和中枢处理模块，红外幕墙模块与摄像机视频采集模块控制连接，红外幕墙模块通过发出的红外激光被遮挡而发出电信号给摄像机视频采集模块，摄像机视频采集模块拍摄视频上传至中枢处理模块，在中枢处理模块设有的汇总分析智能终端进行分析判断，得到最后的辅助裁判结果。对于珍珠球比赛而言，球场中央的分水区裁判体系已经比较成熟，而封锁区和得分区一则区域面积小，越界或触碰是很容易出现的，二则触线情况是瞬间动作，光是依赖裁判人员是不能准确判断的，哪怕是结合视频工作量也比较大，最后的裁判结果争议也很多，目前并没有能有效解决此问题的方法。而本发明的系统摄像机视频采集模块采集视频数据，红外线幕墙在有触线情况时给视频信息一个时间信息，可以更方便裁判人员查找视频信息，观察视频情况。中枢处理模块可以通过系统分析判断是否违例或犯规，辅助裁判人员，得出更准确的判断结果。

基于深度学习的珍珠球裁判辅助判罚方法，所述基于深度学习的珍珠球裁判辅助判罚系统的判罚具体步骤为：

步骤一：摄像机视频采集模块获取比赛时过线的视频信息；

步骤二：红外幕墙模块被遮挡时将摄像机视频采集模块获取的视频信息做标记，对比赛人员的动作进行裁判；

步骤三：视频信息通过无线传输给中枢处理系统，利用深度学习模型检索并识别出特征向量的状态，分离判断信号高低电位；

步骤四：判断电压为0时，存在身体碰触，引入视频信息，裁判人员进行判断违规方，当进攻方碰触则进攻方违例或犯规，当防守方触碰则防守方违例或犯规；判断电压为1时，无身体碰触现象，则不存在犯规情形；

步骤五：得出判罚结果。

建立深度学习模型来在中枢处理系统中通过设定不同电压判断分析出裁判结果，辅助裁判出结果，避免裁判人员对于瞬间动作进行错判、漏判或误判。

中枢处理模块基于深度学习模型进行裁判分析，具体步骤为：

步骤1：实验模拟每种不同情况下过线的比赛场景，收集各个情况下触发所述摄像机视频采集模块拍摄的视频数据，建立珍珠球过线视频数据库；

步骤2：为每个视频数据添加表示裁判类型的人工标记，将添加标签后的各视频作为视频样本；

步骤3：对视频样本进行裁判分析，包括每个视频样本的裁判情况以及人工观察是否存在犯规；

步骤4：对视频样本进行训练，将视频样本中所有的存在身体碰触现象的电压设定为0，将无身体碰触的电压设为1，遍历珍珠球过线数据库后，生成汇总分析智能终端；

步骤5：将汇总分析智能终端加载至中枢处理系统。

基于深度学习模型，对于比赛的各种情况进行模拟，并建立数据库，使得所有情况都在中枢处理系统中有标准判断，从而使得中枢处理系统得出的结果更准确，效率更高。

红外幕墙模块中有两面红外幕墙，分布于两侧得分区和封锁区之间的分界线上，红外幕墙上设有线阵列红外半导体激光器和对应线阵列红外接收探测器，线阵列红外半导体激光器发射红外激光，对应线阵列红外接收探测器接收，有红外激光被遮挡时，对应线阵列红外接收探测器接收不到红外激光，则会发送电信号给摄像机视频采集模块。摄像机视频采集模块中设有摄像机，摄像机接通电源即始终开启，摄像机在红外幕墙模块发出电信号时给所拍摄的视频信息一个时间戳，裁判人员根据时间戳查找视频信息。红外幕墙模块设在得分区和封锁区之间的分界线上，即珍珠球比赛最具争议的分界线上，当触线时则会有红外激光被遮挡，而此时红外幕墙模块则会发送电信号给摄像机视频采集模块，给当时的视频一个时间戳，使得当时的视频被标记时间信息，当时就可以即时给裁判人员进行查看，也方便裁判人员后续对比较有争议的比赛情况根据时间信息进行回看每一个关键节点。使得裁判结果准确性进一步提升。

以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。