基于目标检测与追踪的排球技术统计分析系统.pdf

Jun.20232023年6 月JOURNALOFDONGUANUNIVERSTTYOFTECHNOLOGYVol.30No.3第30 卷第3期学院学报东莞理基于目标检测与追踪的排球技术统计分析系统王家创朱静?*林静旖包希哲3(1.广州大学电子与通信工程学院，广东广州510006；2.广州大学实验中心，广东广州510 0 0 6；3.广州医科大学体育部，广东广州510 0 0 6）摘要：随着人工智能技术的兴起，排球技术统计的准确性要求也在逐步提升。而排球技术统计与分析数据，对指导训练、比赛和进行相关的排球科研等工作具有重要指导意义。本文提出了一种基于目标检测与追踪的排球技术统计分析系统，基于YOLOv5和Imp-DeepSORT检测追踪连续移动的排球及队员，对单视角排球比赛视频进行检测分析，将关键点（如：击球点、落地点）进行单应性变换把模型中的坐标转化为二维比赛场地的二维坐标数据，将得到的数据进行自适应统计、分析。该系统可以从一场比赛中获得关键的数据特征包括A、B两队各项数据及二传球来向对比赛结果的影响可对比赛获胜方进行预测，这有助于教练和球员可以更好地从一场比赛中获得关键的数据特征，分析对手，提高训练效率及队伍实力。关键词：排球技术统计与分析；目标检测；目标追踪；YOLOv5；二传中图分类号：TP391；G 8 19文献标志码：A文章编号：10 0 9-0 312（2 0 2 3）0 3-0 0 55-0 6随着科技的进步，越来越多的计算机技术应用广泛于体育运动的各个领域，越来越多的高科技设备被引人到了各项体育运动中1-4，其中技术统计系统几乎是应用性最广的科技方式之一。排球比赛的技术统计5-7 数据，对指导训练、比赛和进行相关的排球科研工作具有重要指导意义，能为教学训练和比赛方案的制定，提供量化依据。其中，技术、战术统计，可在日常教学训练中进行，分析训练队伍存在的缺陷，同时摸清对手的战术，而临场比赛的统计，更能为教练提供更多的数据依据戴承石等人8】曾对全国排球联赛技术统计平台现状展开调查，认为操作员的自身专业素质和能力对统计结果的影响较大、技术统计平台工作量大且复杂、特性专业不突出改进余地大；陈贞祥等人9】提出基于“全数据模式”技术统计，通过专家评分的方式梳理确定“全数据模式”的量化指标，对不同专位运动员竞技表现评定计算；再以Vote值赋值计算后运用非整次WRSR秩和比法进行计算排名对方法进行验证。得出不同专位运动员的排名方法和最佳阵容评定的相关结论。意大利公司开发的DataVolley排球专业技术统计软件，在全世界排球开展较好的国家普遍应用，但该软件的数据采集方式单一（支持键盘采集），脚本描述语言的设计不够高效。且软件需要人工录人相关数据，不能有录入错误，否则会因人工失误导致数据结果不正确，软件使用需要操作员有较高的英语水平。Linna Hua 等人10】运用theassociation rules algorithm 和 classification and pre-dictiontechnology设计的统计分析系统可以用计算机记录和分析比赛数据，但仍然需要给定数据刘冰等人【】提出“BVSS”软件系统，可以完成常规技术统计，能在统计过程中完成大多数专题统计需要记录的内容，进行数据、图表和图形的分析输出，缺点是仍需要手动录人相关比赛信息。吴勇等人【12】提出将关联技术引人到模型化技术统计当中，建立了排球比赛中关联技术统计分析模型，对排球比赛时技术性能发挥情况进行临场技术统计。基于以上现状，本文提出基于单机位视频流排球比赛视频技术统计分析系统，结合目标检测与追踪技术，完成球的检测、跟踪、统计与分析。无需人工记录统计比赛数据，只需要在比赛场地正中视角拍摄的视频，即可在本系统中完成统计收稿日期：2 0 2 3-0 3-0 5基金项目：2 0 2 2 年大学生创新创业训练计划项目省级创新训练项目（s202211078141）。作者简介：王家创（2 0 0 1一），男，广东揭阳人，主要从事目标检测与追踪技术研究，Email：2 0 1950 0 0 2 2 g z h u.e d u.c n*通讯作者：朱静（198 0 一），女，天津人，实验师，主要从事计算机视觉算法领域研究，Email：z h u j i n g g z h u.e d u.c n。20233年56东莞理工学院学报与分析。1排球技术统计分析系统1.1YOLOv5+Imp-DeepSORT检测与追踪球员与球使用YOLOv5训练检测器结合Imp-DeepSORT算法实现在排球领域对球和球员的实时检测及跟踪。首先使用基于高准确度轻量级深度学习目标检测框架YOLOv5检测框架来实现对球和球员的目标检测，再使用Imp-DeepSORT算法实现对球及球员的实时跟踪1.1.1YOLOV5YOLOv5在YOLOv4的基础上做出改进，在灵活性与速度上都有了很大的提升。YOLOv5有四种网络型号：YOLOv5s、YO LO 5m、YO LO 51和YOLO5x。实验中，使用YOLOv5s来训练检测器，因为YOLOv5s的网络最小，可以带来更快的检测速度。YOLOv5网络结构图如图1所示。1.1.2Imp-DeepSORTDeepSORT是SORT多目标跟踪算法的改进版本，设计了一种新的关联方式，提高了对长时间遮挡的对象追踪的准确率，减少了ID频繁切换的现象。首先根据当前顿目标状态对下一顿目标利用Kalman预测公式进行先验状态预测，然后进行级联匹配和IoU匹配，最后对匹配的轨迹进行更新，对未匹配的轨迹进行考察甄别（删除or保留），对未匹配的检测利用Kalman滤波初始化轨迹，并将新的轨迹添加到tracks轨迹集中，提出改进Imp-DeepSORT在增加了音轨重匹配模块，将新音轨与消失的音轨进行重匹配。608*608*3FocusCBLCSP1CBLCSP1.CBLCSP1CBLSPPCSP2CBLUpsampling76*76*255CONVConcatUpsamplingCBLCBLCSP2Concat38*38*2554CONVSP2ConcatCBL19*19*CONVCSP2Concat255图1YOLOv5网络结构图NumberofUnmatchedunmatchedtracks+1UnmatchedtrajectorytracksetDetectorUnmatchedOutputboxtrajectoryNumherofTrack numberfunmatched traksMinimumEuclideanLoCycles-12distancematchingmatchingCascadeUnmatchedIoUDetection boxUnmatchedUndetermined)NewtrackNumberof0Detection hoxMatchinglLunmatched traksDeterminedMatched=0Kalman filtertrajectorytrajectorypredictionMatchedTracknumberTrack setUndeterminedtrajectorytrajectory 1(1)BD+BloU(2)i+1B其中,BWy=x-x，BH=y/-y h，w ，h 为第一帧检测图像的长、宽，入为设定的超参数，B+1为i+1帧的检测到的球的检测框。设置一个球的轨迹集合K，当BloU+10时，判断为识别正确，并将该球的检测框B+，添加到球轨迹集K中；当BloUi+1O时，判断为误检测，舍弃不做跟踪。1.2.2若有中间顿图像未检测到球对此使用临近帧的区域作为判断区域，则有BDnO时，判断为识别正确，并将该球的检测框Bi+I添加到轨迹集合K，中；当BloU+，0时，则判断B为击球点，loU=O时，判定为球的落地点，BC为该球对应的坐标；1.4单应性变换由于只需提供正方向视角视频，单一角度难以重构空间地图，故所提取的关键帧关键点（如：击球点、落地点等）需要进行单应性变换才能使该点在二维坐标系中出现在其准确位置。运用单应性变换将上述所提取的关键点坐标=（x，y，1）映射到比赛场地上的坐标b=（x i，yi，1），则有b=Ha。单应性变换会涉及到单应性矩阵，单应性变换的目标是通过给定的几个点（通常是4对点）来得到单应性矩阵。假设单应性矩阵为：huh2h12H=h21h(6)2223h即：hix+hi2y+hj31h31x+h32y+h33582023年东莞理工学院学报h2ix+hh22y+h2311h3ix+hh32y+h1.5排球技术统计分析1.5.1双方球队一传、二传、进攻到位率及效率对全体击球点落地点按帧顺序整合成hitball数据集，将数据集中数据按x坐标分为左右场，即区分双方队伍的击球（以下文中双方队伍皆统一称：A队，B队。发球为开始讯息，假设B队发球后第一个击球点为A队球队击球点，如果A队击球后没有使球跃人B队区域，则该击球为A队一传球，如果A队击球后使球跃人B队区域，则该击球为A队进攻球；A队第一次击球非进攻球即一传球时，第二次击球如果A队击球后没有使球跃人B队区域，则该击球为A队二传球，如果A队击球后使球跃人B队区域，则该击球为A队进攻球；A队第二次击球非进攻球即二传球时，第三次击球全部为进攻球。一传球未进攻同时顺利被二传接球且未落地视为一传成功，否则为一传失误；二传球未进攻同时顺利被三传接球且未落地视为二传成功，否则为二传失误；进攻球进攻使B队失分，即在B队界内区域落地或B队接球失误视为进攻好球，若进攻后在A队区域内落地或进攻至B队界外区域，视为进攻坏球，其余情况为一般进攻球即可统计分析出一传、二传、进攻的到位率和效率。1.5.2二传手所接排球来向门（左手边、右手边）影响经统计分析预测，本文提出的基于二传击球前球的来向对二传球的影响。一般的球员普遍都用右手击球，极少数用左手击球，本文就此提出球的来向影响，即根据二传球来向位于二传手的左侧或右侧，影响二传球的质量进而导致进攻的质量，并继续影响比赛得分，据此预测比赛双方的胜负。2实验结果与分析2.1球的跟踪使用DeepSORT和本文所提出的Imp-Deep-SORT测试对同一取自大学生排球联赛的比赛视频进行测试，验证本文提出的基于改进Imp-Deep-SORT的排球跟踪算法的可行性。不同于球员跟踪这类多目标跟踪，在一次比赛中一般只会出现一个球，属于单目标跟踪，所以对球跟踪测试结果使用准确度、召回率和精密度这三个标准评估指标来评估球跟踪的缺陷表现对于球跟踪的测试结果如表1所示，结果表明，本文提出的Imp-DeepSORT排球跟踪算法相比于原DeepSORT跟踪算法，漏检（FN）和误检次数（FP）都有所减少，提高了对球的检测率。图3所示为DeepSORT和Imp-DeepSORT召回率(recall)、精确度(accuracy)对比图。表1排球轨迹跟踪的实验结果与对比MetricsMethodprecisionRecallAccuracyCTFNFP/%/%/%DeepSORT277018929388.7392.4090.65Imp-DeepSORT277018728988.8592.4990.75Experimental results and comparison of volleyball tracking93.092.591.591.090.590.089.5Recall/%Accuracy/%DeepSORTImp-DeepSORT图3DeepSORT和Imp-DeepSORT召回率、精确度对比2.2单应性效果分析在提取到关键点（击球点）后对球在系统中的坐标映射到二维坐标系中，效果如图4所示，结果表明，本系统可以无误将模型坐标转换为二维坐标，为数据的统计分析奠定基础，同时也表明本系统统计数据的可行性和可靠性。单应性变换后系统坐标位置转换为二维坐标位置如图4所示。使用大学生排球联赛视频为数据集，测试本文提出的统计分析系统，所得一局比赛数据结果如表2 所示。对二传前球的来向进行统计分析，得出球来向对二传球的质量有着明显的影响，且可距此预测出胜方球队。结果数据如表3所示。59王家创，等：基于目标检测与追踪的排球技术统计分析系统第3期图4单应性变换后系统坐标转换为二维坐标位置由以上数据可以明显看出B队球队的二传到位率及效率比A队队伍较差，但B队球队的团队协作能力明显优于A队队伍，在二传手所接球向大部分来自较容易且适合发力的二传手右侧，以使B队球队的进攻手有更好的条件实现进攻，从表2A、B两队的数据统计A队B队A队B队A队B队一传一传二传二传进攻进攻好球数333121191012坏球数0142910到位率/%68.7572.09847614.918.75效率/%58.7569.7668681.53.1表3二传手所接球的来向统计在二传手右侧二传手右侧二传手左侧概率/%A队二传前球来向71828B队二传前球来向18772表2 中可以看出B队球队的进攻数据明显优于A队球队，故B队球队本局获胜的概率较高。结果与比赛结果相符，本局比赛的获胜方为B队球队，这验证本系统的可行性和可靠性。3结语本文提出了一种基于目标检测与追踪的排球技术统计分析系统，基于YOLOv5和Imp-Deep-SORT检测追踪连续移动的排球及队员，对单视角排球比赛视频进行检测分析，将关键点（如：击球点、落地点）进行单应性变换把模型中的坐标转化为二维比赛场地的二维坐标数据，将得到的数据进行自适应统计、分析。提出的Imp-Deep-SORT的球及球员跟踪算法，可以有效地减少球员身份切换和球漏检的问题，同时对目标跟踪精度有一定的提升，有地解决现有软件的数据采集方式单一（支持键盘采集），脚本描述语言的设计不够高效的缺点，采用视频数据代替人工录人数据，排除人工记录下数据误记、漏记等问题，同时智能统计分析出排球比赛结果，有利于教练及球员更好地从一场比赛中获得关键的数据特征包括A、B两队各项数据及二传球来向对比赛结果的影响可对比赛获胜方进行预测。参考文献1ZHU J,LIN J,YIN B,et al.Trajectory reconstruction system of moving target applied in volleyball match CJ/2022 2nd International Confer-ence on Information Technology and Contemporary Sports(TCS).Guangzhou,China,2022:6-9.2明家辉，朱静.基于加权图像梯度的单目视觉SLAM研究J.东莞理工学院学报，2 0 2 2,2 9（1）：9 1-9 5.3冷欣，储志东.基于CNKI数据库视频分析系统在体育运动中的研究进展J.吉林省教育学院学报，2 0 2 1,37（5）：9 1-9 5.4孟红玉，鲁天学，杨丁欢.体育训练运动视频分析系统的设计与应用J.当代体育科技，2 0 2 0,10（35）：2 30-2 32.5朱守波，黄石平.排球视频中结合似然度与粒子滤波的运动员跟踪方法J.湘潭大学自然科学学报，2 0 17,39（2）：10 1-10 4.6刘苗苗，李增男，张永生.基于视频的排球智能分析系统的研究与实现J.赤峰学院学报（自然科学版）,2 0 15,31（3）：18 2-18 3.7修艳.排球视频中的运动目标跟踪及检测算法研究J.科技通报，2 0 15,31（7）：16 0-16 2+16 6.8戴承石.全国排球联赛技术统计平台现状调查与分析D.苏州：苏州大学，2 0 15.9陈贞祥，吕雅君，赵德峰，等.基于全数据模式”技术统计的不同专位排球运动员竞技表现研究J.山东体育学院学报，2 0 2 1,37（2）：102-110.10HUA Linna.Design and Implementation of Statistics and Analysis System for Volleyball Match J.Lecture Notes on Data Engineering andCommunicationsTechnologie,2022(130):313-318.602023年东莞理工二学院学报11刘冰，葛春林，缪志红，等沙滩排球技术统计系统“BVSS的研究与开发C/中华人民共和国第十一届运动会科学大会论文摘要汇编.2 0 0 9:2 57-2 58.12吴勇排球比赛中关联技术统计分析模型应用研究D.武汉：武汉体育学院，2 0 0 6.Volleyball Technical Statistical Analysis SystemBased on Target Detection and TrackingWANG JiachuangZHU Jing?LINJingyi1EBAO Xizhe3(1.School of Electronic and Communication Engineering,Guangzhou University,Guangzhou 510006,China;2.Lab Center,Guangzhou University,Guangzhou 510006,China;3.Sports Department of Guangzhou Medical University,Guangzhou 510006,China)Abstract Volleyball technical statistics and analysis of data have important guiding significance for guiding training,com-petitions,and related volleyball research work.This paper proposes a statistical analysis system for volleyball technology based ontarget detection and tracking.Based on YOLOv5 and Imp-DeepSORT detection and tracking of continuously moving volleyballs andplayers,it detects and analyzes volleyball game videos from a single perspective,and performs homography transformation on keypoints(such as hiting points and landing points)to convert the coordinates in the model into two-dimensional coordinate data of thegame venue.The resulting data is adaptively statistically analyzed.Key data features that can be obtained from a game include vari-ous data from teams A and B,and the impact of the direction of the second pass on the game result can be predicted for the winnerof the game.It is beneficial for coaches and players to better obtain key data characteristics from a game,better analyze opponents,and improve training efficiency and team strength.Key words volleyball technical statistics and analysis;target detection;target tracking;YOLOv5;second interpretation;