top of page

​側面球員偵測

側面視角人體偵測

        為了從動態影像中精確識別球員發球瞬間的高度。系統利用 YOLO偵測人體節點與空間校正,透過微觀的關節點追蹤來判定發球高度是否符合115 cm 限制的自動判決。以下為人體節點偵測的使用技術明。

1.多目標偵測與球員定位分析

        系統首先利用 YOLO深度神經網路針對一影格進行掃描,提取場所有人物的目標邊界框。為了有效排除觀、裁判及背景人員的干擾,系統根據目標框的面積進行初篩選,並利用水平空間分排序,保留畫面中體積最大且符合球員位點特的兩組目標。

過濾機制.png

球員目標篩

2、人體姿態估計與手腕追蹤

        在模型鎖定目標球員後進行人體姿態估計,針對球員影像進行解剖特提取,能即時標定出包括肩膀、手肘及手腕在的33個關節點。在發球高度判定的邏輯中,系統特別強化了對「左右手腕」座標的動態監測,因為在高速發球過程中,羽球常因與球員手腕重疊或環境光影干擾,導致羽球偵測缺失。透過構建人體骨架模型,系統不僅能理解球員當前的肢體動態,更能透過手腕與羽球軌跡的相對位移分析,識別出準備發球的預備姿勢與實際的球動作。

人體節點偵測.png

球員人體節點偵測

側面影像_球員偵測成果

側面球員偵測.mp4

球員人體節點偵測結果

羽毛球羽毛球
Copyright © 2026 靜宜大學資料科學暨大數據分析與應用學系
智能羽球裁判系統專題團隊。
bottom of page