Resumen

Con el desarrollo de la inteligencia artificial y la rápida evolución de la industria informática, la viabilidad de los programas de visión por ordenador mejora gradualmente. En este trabajo, el algoritmo de seguimiento de trayectoria de bádminton basado en visión por ordenador analiza la trayectoria y la velocidad del bádminton. El objetivo de este trabajo es analizar la tecnología de procesamiento de imágenes y el algoritmo de seguimiento de trayectoria mediante visión por ordenador para obtener datos relevantes y, a continuación, explorar los factores de la transformación de la trayectoria y la velocidad de la pelota de bádminton, lo que proporciona un significado de referencia para los jugadores de bádminton en futuros entrenamientos. El algoritmo de seguimiento de trayectoria se utiliza para predecir el ángulo de rotación, la velocidad de la pelota y la información corporal del atleta durante el movimiento de bádminton a través de sensores, y la información de posición del objetivo en movimiento se captura basándose en el seguimiento del campo visual y el seguimiento dinámico del objetivo. En combinación con jugadores de bádminton específicos, analizamos primero el ángulo de cada extremidad y la velocidad de la raqueta en el proceso de movimiento y registramos los datos. Determinamos diferentes puntos de posicionamiento para diferentes acciones, como empujar la pelota, recoger la pelota, enganchar la pelota y frotar el pelo. En este proceso, buscamos la conexión entre el punto más alto y el punto más bajo de la trayectoria del bádminton y la velocidad de la pelota. Este proceso combina plenamente los conocimientos teóricos del algoritmo de seguimiento de trayectoria. Los resultados experimentales muestran que las diferentes habilidades de servicio tienen diferentes efectos sobre la trayectoria y la velocidad del bádminton. En la prueba de datos relevantes mediante las habilidades de empuje y recepción, el punto más bajo de la pelota servida por el jugador A en las tres primeras veces es superior al del jugador B. La diferencia más significativa entre los puntos más bajos de las cinco veces es la segunda vez, con una diferencia de 0,2 m, y la tercera vez, con una diferencia mínima de 0,03 m.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:algoritmo de seguimiento de trayectoria, pelota, proceso, velocidad, trayectoria de bádminton, velocidad de la pelota, visión por ordenador, punto más bajo, datos relevantes, algoritmo de seguimiento de trayectoria de bádminton
• Keywords:path tracking algorithm, ball, process, speed, badminton trajectory, ball speed, computer vision, lowest point, relevant data, badminton path tracking algorithm