Recherche sur l'application de l'algorithme de détection, de suivi et de prédiction de trajectoire des mouvements de tennis basé sur un flux vidéo

L'un des sports les plus appréciés au monde est maintenant le badminton. Bien que leur manque d'intelligence et de mécanisme de retour limite leur application, les machines à service de badminton traditionnelles peuvent offrir des opportunités d'entraînement. Afin d'identifier, de suivre et d'anticiper la trajectoire des volants en vol, nous nous concentrons donc sur le système de vision des robots de badminton. Pour identifier les volants, nous fusionnons la méthode classique de différenciation à trois images avec la technique d'apprentissage automatique AdaBoost. Nous créons également une approche de suivi rapide basée sur la détection pour les centres d'objets (FTOC). Afin d'atteindre une efficacité computationnelle encore plus grande et des coordonnées de volants de badminton plus précises, nous améliorons le réseau de détection en une étape Tiny YOLOv2 et présentons les réseaux de détection de volants de badminton M-YOLOv2 et YOLOBR. Ces réseaux améliorés fonctionnent exceptionnellement bien en termes de mémoire, de précision et d'identification en temps réel des volants de badminton. Les tests YOLOBR ont donné une précision moyenne, un rappel moyen et un taux de trame moyen de 96,7 %, 95,7 % et 29,2 images/sec pour quatre flux vidéo de volants de badminton dans des conditions faciles et difficiles. Selon les résultats, YOLOBR surpasse Tiny YOLOv2 et M-YOLOv2 en termes de précision d'identification des volants de badminton, de rappel et de performance en temps réel. Il présente également une grande robustesse en scène.