Please enable JavaScript.
Coggle requires JavaScript to display documents.
(戰術分析, 戰術辨識：A/B/C/D 式快攻, 資料蒐集, 資料蒐集, 目標偵測) - Coggle Diagram
戰術分析
移動速度
相對距離
時間序列特徵
針對 A/B/C/D 式快攻，依照事先定義的攻擊模式或透過機器學習模型進行分類判斷
透過資料庫或 CSV/JSON 等格式紀錄整場比賽的每一筆定位、速度與事件資訊
回放系統中，依照時間軸呈現各次攻防；或利用場地示意圖呈現球員實際跑動路徑與排球軌跡。
戰術辨識：A/B/C/D 式快攻
機器學習 / 深度學習
以 LSTM、CNN 等方式處理時間序列，標記並分類各類攻擊手法
需事先蒐集大量已標註的比賽影片，包含快攻類型與觸球時間點
判斷規則
例如 A 式快攻：在舉球後極短時間（如 0.5 秒內）即完成攻擊，且攻擊手與球的相對位置固定在某範圍內
收集連續影格中，球員與排球在每個時間 t 的位置 p(t)、速度 v(t) 以及加速度 a(t)
計算攻擊時，舉球員與攻擊球員之間的時間差、距離差以及球落點位置
資料蒐集
攝影機配置
高位拍攝方式
時間戳
三角測量
在兩張影像上的像素座標 (u1, v1), (u2, v2)。
利用多視角幾何求得三維座標 (X, Y, Z)
實際應用中，環境光線、遮擋都會造成座標震盪，可搭配低通濾波（如卡爾曼濾波）對三維座標進行平滑
對同一時間戳的影像中的球員與排球進行三角測量，得到在場地世界座標系（2D 或 3D）的精確位置
影像平面座標轉換為世界座標點
多目標追蹤
卡爾曼濾波（Kalman Filter）
外觀特徵（Re-ID 模型）
匈牙利演算法（Hungarian Algorithm）
流程
提取其外觀特徵向量
使用卡爾曼濾波預測既有追蹤物件的位置，再與新的偵測結果（含外觀特徵）比對相似度
配對成功，則維持相同 ID；否則可能新生成 ID 或更新配對關係
物體偵測
球員
排球
資料蒐集
內部參數標定
使用棋盤格或其他標定板，拍攝多角度影像，利用 OpenCV 的 calibrateCamera() 函式求得焦距、主點、畸變係數等。
外部參數標定
尋找至少六組以上世界坐標與影像坐標的對應關係，利用 solvePnP()、stereoCalibrate() 等方法求得攝影機在世界座標中的旋轉與平移矩陣
時間同步
兩台攝影機各自記錄畫面時的時間戳（可使用硬體觸發或軟體比對），確保後續可以比對同一時間點的影像
目標偵測
YOLO 偵測流程->前處理->神經網路推論->後處理