买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州华夏汇海科技有限公司

摘要：本发明涉及动作识别技术领域，具体为基于AI的运球犯规动作判定方法及系统，包括以下步骤：基于比赛场景数据，采用随机森林算法，对球员位置、运动速度和比赛阶段数据进行分类，分析比赛强度和球员之间的关键作用，构建环境和动作的分析模型，生成环境与上下文分析记录。本发明中，通过采用随机森林算法实现了对比赛场景中的球员位置、运动速度和比赛阶段的深入分析，有效构建了环境和动作的综合分析模型，从而增强了对比赛强度和球员之间互动作用的理解，利用时空图卷积网络模型，将运动序列转换为图结构，使得动作特征的提取更加精细和准确，动态时间弯曲算法的应用，增强了对差异化时间序列中动作模式的识别能力。

主权项：1.基于AI的运球犯规动作判定方法，其特征在于，包括以下步骤：基于比赛场景数据，采用随机森林算法，对球员位置、运动速度和比赛阶段数据进行分类，分析比赛强度和球员之间的关键作用，构建环境和动作的分析模型，生成环境与上下文分析记录；基于所述环境与上下文分析记录，运用帧率转换算法，分析当前场景下的运动强度和动作频率，自动调整视频捕获的帧率，并匹配动作的速度变化，生成调整后的视频数据；基于所述调整后的视频数据，采用图像拼接算法和三维重建模型，对多个摄像头的视频帧进行时间同步和空间校正，建立无缝视图并提供动作场景，生成全景动作视图；基于所述全景动作视图，利用时空图卷积网络模型，将运动序列转换为图结构，分析节点间的空间关系和边的时间连续性，对动作序列进行深度学习，并提取关键动作特征，生成时空特征分析结果；基于所述时空特征分析结果，采用动态时间弯曲算法，对比差异化时间序列中的动作模式，通过时间轴的非线性调整匹配关联动作，识别标准动作与异常动作的差异，生成相似度分析结果；基于所述相似度分析结果，结合所述环境与上下文分析记录，使用贝叶斯网络模型，根据已有动作特征和环境因素，计算目标动作构成犯规的概率值，生成犯规概率评估记录；基于所述犯规概率评估记录，采用在线学习算法，分析模型在应用中的表现，并根据反馈数据调整算法参数，优化模型结构，并匹配至新的数据模式，生成优化后的判定模型；基于比赛场景数据，采用随机森林算法，对球员位置、运动速度和比赛阶段数据进行分类，分析比赛强度和球员之间的关键作用，构建环境和动作的分析模型，生成环境与上下文分析记录的步骤具体为：基于比赛场景数据，采用随机森林算法，对球员位置、运动速度和比赛阶段数据进行分析，识别关键影响因素，并对因素进行关键性排序，生成关键特征数据集；基于所述关键特征数据集，应用K均值聚类算法，根据关联性对球员的运动模式和互动行为进行分组，识别比赛中的关键动态和球员间的交互模式，生成分组后的互动集；基于所述分组后的互动集，利用主成分分析，结合球员位置、速度、比赛阶段和球员间的互动，建立环境和动作的分析模型，生成环境与上下文分析记录；基于所述环境与上下文分析记录，运用帧率转换算法，分析当前场景下的运动强度和动作频率，自动调整视频捕获的帧率，并匹配动作的速度变化，生成调整后的视频数据的步骤具体为：基于所述环境与上下文分析记录，采用帧率转换算法，根据运动强度和动作频率的实时分析，自动调整视频帧率，并匹配当前场景的动作速度变化，生成帧率调整策略；基于所述帧率调整策略，使用自适应流控制技术，根据实时场景的需求调整视频捕获的帧率，并验证捕捉的关键动作与场景变化匹配性，生成场景视频数据集；基于所述场景视频数据集，采用H.265视频编码技术，对视频数据进行压缩处理，优化文件大小并保留动作细节，生成调整后的视频数据；基于所述相似度分析结果，结合所述环境与上下文分析记录，使用贝叶斯网络模型，根据已有动作特征和环境因素，计算目标动作构成犯规的概率值，生成犯规概率评估记录的步骤具体为：基于所述相似度分析结果，采用主成分分析，对相似度数据进行分析，提取表征动作模式差异的关键特征向量，突出动作特性，生成特征向量数据集；基于所述特征向量数据集，结合所述环境与上下文分析记录，应用贝叶斯网络模型，评估动作特征和环境因素，对每个动作的犯规概率进行计算，生成犯规概率预估值；基于所述犯规概率预估值，采用逻辑回归校准，细化概率模型的输出，通过调整预测概率，优化概率评估的准确性和可靠性，生成犯规概率评估记录。

全文数据：

权利要求：

百度查询： 广州华夏汇海科技有限公司 基于AI的运球犯规动作判定方法及系统