足球跟踪论文-杜立达,黄竹杭,孙鹏,葛晓川,钱纪云

足球跟踪论文-杜立达,黄竹杭,孙鹏,葛晓川,钱纪云

导读:本文包含了足球跟踪论文开题报告文献综述及选题提纲参考文献,主要关键词:足球,移动距离,GPS,图像识别跟踪

足球跟踪论文文献综述

杜立达,黄竹杭,孙鹏,葛晓川,钱纪云[1](2019)在《GPS技术与图像识别跟踪技术在高水平足球运动的移动数据分析中的对比性研究》一文中研究指出研究目的:随着科技水平的不断提高,越来越多的科技设备和大数据分析开始在足球运动中广泛应用。在足球的运动表现分析中,视频采集、图像识别、可穿戴设备等科技手段为教练员的科学化训练和比赛提供了很多支持。在高水平的足球比赛中,运动员在场上的移动特征通常是通过基于现场采集视频的图像识别跟踪系统来分析生成的。这一技术及数据分析系统在欧洲各大联赛中已经广为使用。在图像识别跟踪技术快速发展的同时,以GPS技术为核心的可穿戴设备在足球运动中的应用也越来越广泛,目前大多数的高水平足球运动队都配备了这样的可穿戴设备。通过可穿戴设备的GPS技术,可以在运动中较为简便地量化得到运动员的移动数据来进行体能表现分析。但在大多的数高水平足球比赛中,由于受到赛事组织管理机构或比赛裁判员对于设备安全性的顾虑和限制,运动员经常无法穿着可穿戴设备上场比赛,因此队伍往往只能采集比赛视频通过图像识别跟踪技术来得到比赛中运动员的移动数据。而视频图像识别跟踪技术的高昂成本及后期数据分析处理的复杂性导致这项技术在日常训练中无法进行广泛的应用普及,大多数足球队伍在训练中的体能表现情况只能通过可穿戴设备中的GPS技术来获得相应的移动距离指标进行分析。虽然在可穿戴设备和视频图像识别跟踪系统各自的分析软件中我们可以将运动员的移动速度区间进行统一划分,但由于数据采集技术及相应分析算法的不同,所以无法保证这2种技术产生的移动距离数据可以交叉使用以进行深度的对比分析和研究。这导致通过移动数据监控来对足球运动训练和比赛负荷进行评估的连续性和稳定性存在很大的不便。因此,本研究的目的就是对GPS技术和视频图像识别跟踪技术在高水平足球运动中得到的移动数据进行对比研究,来评估分别通过这2种技术获得的足球运动移动数据是否可以进行交叉使用和等同分析。研究对象与方法:以29名中国青年男子足球队职业足球运动员在参加3场2018年"熊猫杯国际青年足球邀请赛"和2场2018年"泰国曼谷杯国际青年足球锦标赛"中的移动距离数据(包括移动总距离、冲刺跑距离、高速跑距离、快速跑距离)作为研究对象。让29名运动员穿着装有GPS模块的可穿戴设备(STATSports,北爱尔兰)完成全场比赛,在赛后通过APEXPROSERIES分析软件得出运动员在比赛中的移动距离数据。与此同时,使用Amisco足球运动分析系统对所研究的5场比赛的视频进行图像识别跟踪解读,分析得出29名运动员在比赛中的移动距离数据。在文献资料法的基础上,运用spss22.0软件对通过2种技术分别采集到的移动距离数据进行统计学分析。研究结果:通过GPS技术得出的移动总距离、冲刺跑距离、高速跑距离、快速跑距离数据均少于通过视频图像识别跟踪技术得到的数据。其中,移动总距离低9.5%;冲刺跑距离低10.6%;高速跑距离低6.3%;快速跑距离低10.2%。通过GPS技术和视频图像识别跟踪技术分别得出的移动总距离、冲刺跑距离和快速跑距离数据均存在非常显着的高度正相关性。而通过GPS技术和视频图像识别跟踪技术得出的高速跑距离数据存在非常显着的中度正相关性。通过GPS技术和视频图像识别跟踪技术分别得出的移动总距离和快速跑距离数据具有非常显着性差异;而通过GPS技术和视频图像识别跟踪技术得出的高速跑距离、冲刺跑距离数据具有显着性差异。研究结论:1.在高水平足球运动中,通过GPS技术采集到的移动总距离、冲刺跑距离、高速跑距离、快速跑距离数据均少于通过视频图像识别跟踪技术获得的数据。这种数据差异很大程度上是由于2种技术的数据采集原理不同所产生的数据偏差。2.在高水平足球运动中,通过GPS技术采集到的移动总距离、冲刺跑距离、快速跑距离数据与通过视频图像识别跟踪技术获得的数据相比呈非常显着的高度正相关性;通过以上2种技术得出的高速跑距离数据呈非常显着的中度正相关性。3.在高水平足球运动中,通过GPS技术采集到的移动总距离、快速跑距离数据与通过视频图像识别跟踪技术获得的数据相比存在非常显着性差异;通过以上2种技术得出的高速跑距离、冲刺跑距离数据存在显着性差异。4.在高水平足球队伍的运动负荷监控和体能表现分析中,当使用通过GPS技术和视频图像识别跟踪技术分别获得的移动总距离、冲刺跑距离、高速跑距离、快速跑距离数据作为运动负荷的评价指标时,不能将2种设备采集到的数据进行等同分析和交叉使用。在建立相应的换算模型和公式后,可以将2种数据进行相应换算,以实现2种数据的对比研究和综合性分析的目的。(本文来源于《第十一届全国体育科学大会论文摘要汇编》期刊2019-11-01)

喻阳俭,茹锋,王萍,张妮[2](2019)在《自适应模糊算法优化的足球机器人轨迹跟踪》一文中研究指出为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。(本文来源于《机械与电子》期刊2019年07期)

王国文[3](2019)在《基于全向视觉的足球机器人目标识别与跟踪研究》一文中研究指出视觉信息处理技术对于足球机器人来说,是完成各项任务的最基础以及最关键的技术。本文的研究背景基于RoboCup中型组足球机器人,对中型组足球机器人的研究包括视觉设计、运动控制、硬件设计、路径规划、攻防策略等方面。其中全向视觉系统处于关键性地位,该系统性能的好坏直接对足球机器人任务是否顺利完成起着重要的作用。对这一系统的研究可以促进人工智能领域相关技术的发展,同时也使得机器视觉的应用更加的丰富多样。在中型组足球机器人比赛的应用场景中,目标足球是足球机器人最主要的识别任务。当目标被识别时,会产生外部干扰,如光照强度、图像失真等。因此,抗干扰性以及识别精度是目标识别和跟踪算法主要需要提高和改进的方面。本文主要围绕足球机器人目标识别与跟踪进行了以下一些方面的研究和改进:(1)图像的预处理中型组足球机器人的视觉系统一般采用全向视觉系统,该系统的颜色空间需要有针对性的进行选择,本文通过将HSI颜色空间和YUV颜色空间的分量相结合,设计出了一种更有针对性的颜色空间,更有利于目标的识别。在图像预处理的过程中,对同态滤波算法进行了改进,将该算法与Mallat小波变换结合,弥补了传统同态滤波对于局部特征的增强效果较差的缺点。改进后的方法更能提高图像的信噪比,并且可以较完整的保留原始图像中的局部信息。(2)目标物体的识别在对目标物体进行识别的过程中需要对图像进行区域扫描,一般的方法为逐个像素扫描,这样做的效率比较低。而且足球机器人的目标识别一般采用阈值法,但该方法对光照比较敏感。所以为了克服以上这些缺点,本文提出了基于biSCAN扫描线的SVM算法。经实验验证,该算法的鲁棒性较好,对光照变化有较强的适应力,能够满足比赛需求。(3)目标物体的跟踪本文采用均值漂移来作为目标跟踪的理论依据,并针对全向视觉的特点对目标特征模型进行了改进,使得改进后的算法更加的适用于足球机器人的目标跟踪。该算法对目标形状以及角度的变化的抗干扰性较强,适合应用于全向视觉的目标跟踪中。实验证明该算法对目标的跟踪效果较好,基本满足比赛中对目标跟踪的要求。通观全篇,本文针对传统算法的一些不足进行了改进,提出了基于Mallat小波变换的同态滤波图像增强算法、基于biSCAN的SVM识别算法以及基于全向视觉特点的目标特征模型,实验结果表明,这些改进有效的提升了目标识别与跟踪的准确度以及稳定性。(本文来源于《华侨大学》期刊2019-05-21)

李震,毛丽娟,盛斌,孟夏[4](2018)在《基于KCF算法的足球运动员体能录像跟踪技术研究》一文中研究指出基于对现有视频跟踪技术的分析,提出一种基于KCF算法的多视角、多目标足球跟踪技术,通过调整学习率和样本范围提高准确率,并结合多视角视频信息加权定位球员位置。测试结果显示:该方法能够提高抗遮挡能力,保证跟踪处理速度,减少相似跟踪目标带来的误差,解决足球比赛中录像跟踪的多目标跟踪问题。(本文来源于《上海体育学院学报》期刊2018年04期)

马月洁,冯爽,王永滨[5](2018)在《基于深度学习的足球球员跟踪算法研究》一文中研究指出提出一种基于深度学习的足球球员跟踪方案:通过搭建全卷积孪生神经网络来提取足球比赛视频中球员丰富的视觉特征,并在大量的包含相似性物体的数据集上对网络进行训练,提高了算法辨别同队队员的能力。实验表明,该算法在足球领域取得了较好效果,跟踪准确率达到90%以上。(本文来源于《中国传媒大学学报(自然科学版)》期刊2018年03期)

吕枭[6](2018)在《足球视频目标检测与跟踪方法研究》一文中研究指出近些年来深度学习技术广泛地应用于计算机视觉任务中,在视觉检测与跟踪等领域都取得了极大地成功,在此基础上,深度学习技术落地就成为下一步亟需解决的问题。足球比赛视频中的目标检测与跟踪是一个非常具有挑战性的任务,而且具有很好的实用价值和商业价值。传统的足球比赛目标运动轨迹提取往往采用运动员随身携带记录芯片的方式,而这种方式的成本很高,在业余球场中很难进行推广。也有一些研究仅使用摄像头来对足球视频中的目标进行处理,但是由于足球比赛视频中的目标外观相似和频繁的遮挡,这些方法往往只能将球员和球等目标在图像中分割出来,而不能对其进行跟踪或仅能进行短时间的跟踪。基于计算机视觉和深度学习的相关研究,本文设计了一个适用于足球视频的多相机多目标跟踪系统,使用多相机进行球场中的图像采集,能够对球场中的多个目标进行长时间准确的跟踪。本文的主要研究内容如下:在基于深度学习的视觉检测方法和基于相关滤波的跟踪方法的基础上,设计了一种单相机多目标跟踪方法框架,这个框架使用数据关联算法来融合检测器和跟踪器的结果,能够在单个相机中对多个目标进行准确的跟踪。通过对球场中目标的分析,本文选取了多种有效的特征描述来对系统中的多个模块进行优化,并设计了基于CN颜色特征的分队算法,完成了足球视频中的分队任务。在足球比赛视频中,单相机不能覆盖整个球场的范围,并且球员的移动会造成其在单个相机中的频繁消失与重现,使用多相机系统来解决这一问题。首先使用多个相机独立地采集足球场的图像数据,并使用单相机多目标跟踪方法来提取球员在图像中运动轨迹,然后设计了一种多相机数据融合方法,将多个相机系统中的数据汇总成各个目标运动数据并保存下来。本文对整个系统的硬件架设和软件设计进行了说明,并在实际的足球比赛场景中进行了实验,实验结果表明,通过准确的单相机多目标跟踪算法以及多相机系统的相互矫正作用,本文设计多相机多目标跟踪算法能够对足球视频中的目标进行长期准确的跟踪,具有很好的鲁棒性和实时性。(本文来源于《哈尔滨工业大学》期刊2018-06-01)

李星炜[7](2018)在《基于GPS运动跟踪系统的校园足球负荷特征研究》一文中研究指出现如今在中国校园足球活动已经全面开展,而在校园足球训练和比赛中,运动员身体承受的负荷是否科学与安全,已经成为中国校园足球成功且长远发展的基础,对校园足球训练及比赛中的负荷进行精准客观的监控并分析其特征,有利于我国校园足球的稳步发展。本文立足于校园足球中小学生的足球训练与比赛,以其训练及比赛的安全性和负荷特征为出发点,运用catapult运动表现分析系统,通过该设备监控并记录训练及比赛过程中青少年运动员的各项指标,通过数理统计、逻辑分析等方法对数据进行分析,得出以下主要结论:1、通过运动监控手段对青少年足球运动员的训练和教学比赛过程进行心率监控,并对其心率数据和运动生理负荷的情况进行科学的分析,可以有效的帮助教练员实时掌握运动员的身体机能状况,并为今后科学的制定训练计划提供了有效的理论依据。2、青少年足球比赛属于中高强度负荷,在青少年足球比赛中,青少年运动员的高强度跑动距离、冲刺次数是影响比赛胜负的重要因素。进行系统的科学的训练,可以提高青少年运动员的高强度有氧运动和无氧运动的能力。3、通过对平时训练和教学比赛的监控数据对比分析,得出青少年运动员在训练中的心率值、高强度跑动距离等数值都比在比赛中的数值低,说明运动员在训练中承受的训练负荷强度不能满足比赛过程中的负荷强度,但通过教练员合理科学的调整训练计划,可以有效的提高青少年承受比赛负荷强度的能力。(本文来源于《南京体育学院》期刊2018-05-28)

刘鸿优,唐小明,陈彦龙,蒋振华,毛万丽[8](2018)在《全球定位系统跟踪足球运动员跑动距离的准确性实验》一文中研究指出通过实验测试的方法,对可穿戴全球定位系统(GPS Catapult Optimeye S5)在跟踪足球运动员的跑动距离的信效度进行检验。选取10名大学生足球运动员为实验对象,分别以不同的速度完成了8组60 m直线跑、50 m转弯直线跑和40 m"Z字型"折线跑。GPS跟踪到的每名实验对象每种测试的跑动距离分别为(57.65±2.76)、(46.19±4.09)和(36.50±2.59)m。GPS在跟踪60 m直线跑时,实验对象的测试平均次间CV为0.03(0.01~0.05),平均次间SE为0.61(0.25~1.06),平均Bias为4.9%(1.8%~10.7%),平均SEE为2.4%(1.8%~3.0%);在跟踪50 m转弯直线跑时,平均次间CV为0.06(0.04~0.11),平均次间SE为1.05(0.63~1.76),平均Bias为8.4%(3.1%~17.3%),平均SEE为4.9%(2.2%~10.3%);在40 m"Z字型"折线跑时,平均次间CV为0.06(0.03~0.11),平均次间SE为0.79(0.42~1.51),平均Bias为9.5%(3.8%~14.4%),平均SEE为4.6%(3.0%~5.7%)。实验结果证明GPS Catapult Optimeye S5装备在跟踪足球运动员的跑动距离时具备足够的准确性,跟踪到的运动员移动数据拥有足够的信效度用于科研与教练指导用途。(本文来源于《体育学刊》期刊2018年01期)

胡菘益[9](2017)在《基于RoboCup足球机器人视觉识别与跟踪的研究》一文中研究指出随着人工智能以及机器人技术的爆发式发展,计算机视觉技术已成为日常生活以及工业生产等各领域迫切需要突破的研究问题,RoboCup这一兼顾科技研发与综合教育的国际性预研项目对计算机视觉技术的推广有着重要意义。本文分别针对RoboCup小型足球机器人视觉识别以及跟踪两方面进行改进和实现。首先针对RoboCup足球机器人对于比赛时存在光照多变、目标被遮挡以及获取图像存在畸变等实际不利因素,在深入研究时效性突出的局部不变特征算法BRISK的基础上,提出了一种基于快速鲁棒性尺度不变的局部特征匹配算法,采用差分自适应加速分割角点检测方法(DA-AGAST),结合关键点快速鲁棒性尺度不变描述方法(SUBRISK),对复杂场景下的识别目标生成强鲁棒性的目标特征,实现RoboCup机器人对球体目标的快速精准识别。然后,针对RoboCup足球机器人视觉系统具有显着的非线性特点而导致视觉跟踪精度以及效率性不佳的问题,并结合群智能算法优化粒子滤波根本改善粒子多样性的优势,提出了一种基于混合策略的萤火虫优化粒子滤波算法,利用优化算法寻优特性结合改进的引导策略,对算法精度以及稳健性进行提升,并将该方法应用于RoboCup球体目标跟踪。本文通过上述两点改进,从实质上增强了RoboCup足球机器人视觉识别和跟踪性能。全文研究的具体内容如下:首先,针对二进制局部不变特征算法处理目标识别问题存在稳健性不佳的缺陷,提出了一种基于快速鲁棒性尺度不变的局部特征匹配算法。算法首先采用差分自适应加速分割角点检测方法(DA-AGAST),快速生成具有强仿射不变性的检测子,然后引入关键点快速鲁棒性尺度不变描述方法(SUBRISK),减小旋转尺度变换对特征匹配的影响,并通过调整采样描述分布以及存储方式提高算法运算效率。最后,结合汉明K近邻距离和Hough圆变换算法高效完成对RoboCup比赛中球体的目标识别。其次,针对粒子滤波处理目标跟踪问题存在精度不佳的缺点,提出了一种基于混合策略的萤火虫优化粒子滤波算法(MSFA-PF)。算法引入混沌扰动搜索策略使得粒子在全局最优位置处获得全面的搜索能力,并高效地向高似然区域移动。其次利用动态视觉搜索策略,增强粒子在高后验概率密度区域的搜索效率。然后通过改进荧光亮度更新机制,丰富粒子优化集以提高粒子在迭代过程中整体质量,极大程度提升粒子滤波性能。最终,将上述方法应用于RoboCup比赛中对球体目标的跟踪。(本文来源于《哈尔滨工程大学》期刊2017-12-01)

王勋[10](2017)在《足球视频中球员跟踪算法研究》一文中研究指出当前,运动目标跟踪技术方面的研究已有许多,具有广泛的应用价值。足球运动已成为全球最流行的体育运动之一,拥有极高的比赛关注度,球员跟踪对于普通观众、教练员和裁判员都具有重要的现实意义,也是体育视频内容分析领域的理论基础。目前还没有一个算法能够完美地处理所有场景,对足球视频中的球员跟踪算法研究应该融合其特定领域特点以提高跟踪的效果。为更好地描述跟踪目标信息,结合了全局特征和局部特征。颜色对于异队球员具有显着的区分性,利用HSV颜色空间非均匀量化算法去除了球场主色,提取了上下分块的球员主色直方图;提取Haar-like局部纹理特征来构造弱分类器,并用积分图加速计算。改进了传统在线多示例学习跟踪算法,一方面,考虑到包中不同示例的贡献,对包中的示例赋予权重,正包中的示例根据其与目标位置的中心距离计算权重,负包中的示例权重相同。另一方面,由于传统算法仅在固定圆形邻域范围内预测下一帧位置的局限性,使用了粒子滤波估计的运动模型生成候选集。为衡量不同跟踪器在足球视频中的性能,将足球视频分成了四个场景,分场景手工标记了数据集,选择本文设计的算法与其它四个同样是固定跟踪尺度的算法做了性能评测与对比。实验结果表明,本文设计的算法具有较强的鲁棒性,能较好地适应足球视频不同场景下的球员跟踪,并且满足实时性要求。下一步的研究是考虑如何利用球员的上下文信息以辅助球员跟踪,从而更好地处理混合场景中的球员跟踪。(本文来源于《华中科技大学》期刊2017-05-01)

足球跟踪论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

足球跟踪论文参考文献

[1].杜立达,黄竹杭,孙鹏,葛晓川,钱纪云.GPS技术与图像识别跟踪技术在高水平足球运动的移动数据分析中的对比性研究[C].第十一届全国体育科学大会论文摘要汇编.2019

[2].喻阳俭,茹锋,王萍,张妮.自适应模糊算法优化的足球机器人轨迹跟踪[J].机械与电子.2019

[3].王国文.基于全向视觉的足球机器人目标识别与跟踪研究[D].华侨大学.2019

[4].李震,毛丽娟,盛斌,孟夏.基于KCF算法的足球运动员体能录像跟踪技术研究[J].上海体育学院学报.2018

[5].马月洁,冯爽,王永滨.基于深度学习的足球球员跟踪算法研究[J].中国传媒大学学报(自然科学版).2018

[6].吕枭.足球视频目标检测与跟踪方法研究[D].哈尔滨工业大学.2018

[7].李星炜.基于GPS运动跟踪系统的校园足球负荷特征研究[D].南京体育学院.2018

[8].刘鸿优,唐小明,陈彦龙,蒋振华,毛万丽.全球定位系统跟踪足球运动员跑动距离的准确性实验[J].体育学刊.2018

[9].胡菘益.基于RoboCup足球机器人视觉识别与跟踪的研究[D].哈尔滨工程大学.2017

[10].王勋.足球视频中球员跟踪算法研究[D].华中科技大学.2017

标签:;  ;  ;  ;  

足球跟踪论文-杜立达,黄竹杭,孙鹏,葛晓川,钱纪云
下载Doc文档

猜你喜欢