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：福州大学

摘要：本发明涉及一种基于YOLOV5的球员追踪检测方法。利用K‑means聚类方法对目标框的参数进行确定及对数据增强的数据集进行训练，利用YOLOV5和DeepSort算法，并且将predictionheads集成到YOLOV5中，在高密度场景中准确定位和追踪目标，并用无人机在球场上空进行场景实时捕获。本发明能做到较高的模型精度，能对目标物和重叠遮挡目标进行准确度高的识别，能够记录一整场比赛中运动员的运动轨迹和细节，帮助我们更好的对运动员和其所在球队进行数据分析，比如运动员在什么区域得分较多，球员喜欢在什么位置持球等等，帮助教练和运动员赛后更好复盘，对运动员进行有针对性的指导和训练和对对手球队球员进行针对性的防守部署；对于用户，有助于用户快速找到感兴趣的体育视频节目或片段。

主权项：1.一种基于YOLOV5的球员追踪检测方法，其特征在于，利用K-means聚类方法和残差网络模型对目标框的参数进行确定及对数据增强的数据集进行训练，在基于YOLOV5算法识别目标的基础上融合DeepSort算法，并集成predictionheads预测头，应用在无人机拍摄上，最后达到能在高密度场景中准确定位目标并进行持续追踪录制；该方法具体实现方式为：首先，对数据集的目标框聚类优化的K-means聚类算法，聚类出目标人物先验框的YOLOV5模型，以残差网络模型作为深度学习的框架，利用残差块结构和跳跃连接机制的特点，优化系统的loss函数；而后，将数据集分成多组，并分别通过多组的featuremap提取特征，通过不同的大小的卷积核后，高层的featuremap负责检测包括球衣号码、躯干的大块的目标，底层的featuremap负责检测包括手部、脚部的细节部位，达到多个目标同时检测的目的；再而，基于运动员的移动性，集成4个predictionheads预测头，4头结构可缓解剧烈的目标尺度变化带来的负面影响，可在高密度移动的场景中准确定位目标；其次，融入DeepSort算法，将YOLOV5算法得到的检测框与预测的跟踪框的iou即交并比输入到匈牙利算法中进行线性分配来关联帧间ID，并且将目标的外观信息加入到帧间匹配的计算中，以达到在目标被遮挡但后续再次出现的情况下，还能正确匹配相应的ID，减少ID的切换，达到持续跟踪的目的；最后应用到无人机拍摄上，搭配上无人机的机动性，即可完成追踪录制。

全文数据：

权利要求：

百度查询： 福州大学 一种基于YOLO V5的球员追踪检测方法