Badminton Coach AI：基於深度學習之羽球賽事資訊分析平台

王威堯; 張凱翔; 陳霆峰; 王志全; 彭文志; 易志偉

doi:10.6222/pej.202006_53(2).0005

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2024/01/01~2024/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P201 - 213

社会科学 > 体育学

DOI： 10.6222/pej

书目管理工具

相关连结

问题回报

全文下载

Badminton Coach AI：基於深度学习之羽球赛事资讯分析平台

Badminton Coach AI: A badminton match data analysis platform based on deep learning

王威尧(Wei-Yao Wang) ；张凯翔(Kai-Shiang Chang) ；陈霆峰(Teng-Fong Chen) ；王志全(Chih-Chuan Wang) ；彭文志(Wen-Chih Peng) ；易志伟(Chih-Wei Yi)

体育学报； 53 卷 2 期 (2020 / 06 / 01) ， P201 - 213

繁体中文 DOI： 10.6222/pej.202006_53(2).0005

机器学习；资料探勘；电脑视觉；大数据分析； machine learning ； data mining ； computer vision ； big data analysis

0 个人觉得这篇文章赞

摘要 │ 参考文献 (30) │ 被引用文献 (6) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Introduction: In recent years, information and communication technology has been widely utilized in sports science research and applications and has become a mainstream tool in sports learning. Microscopic data collection incorporated with big data analysis is an efficient and effective approach for assessing the performance of professional athletes in terms of factors such as motion correctness, movement agility, and tactical analysis. Massive data collection is essential for big data analysis. However, manual labeling is exhausting and time consuming, and in the past, this hindered the development of related research and applications. It should be noted, meanwhile, that computer vision has been applied in posture analysis and injury detection. In this work, deep learning and machine learning techniques are introduced to analyze broadcast video of badminton games in order to develop an automatic data collection system. Using the developed methods, it is possible to extract microscopic data from match videos in a timely manner right after the videos becomes available. As such, a data collection and tactical analysis platform for post-game reviews and tactical analyses called Badminton Coach AI was successfully developed using computer vision based data collection. Methods: Deep learning networks, including TrackNet, YOLOv3, and OpenPose, were adopted and applied to detect the shuttlecock, locate players, and predict player skeletons in every frame of the video images. Results: Four modules are proposed in this work, including the data preprocessing module, feature extraction and segmentation module, statistical analysis module, and visualization module. The developed prototype system can effectively and accurately depict shuttlecock trajectories, detect hit points, segment rallies, judge scores, and classify active or passive shots as well as stroke types. Conclusion: In this study, a complete, effective, and accurate badminton match information analysis platform called Badminton Coach AI was built. The results of the study can not only serve as a reference regarding tactics and training but also indicate potential directions for future research.

参考文献 ( 30 ) 〈TOP〉

江佩欣, P. H.,廖焜福, K. F.,陈志一, C. Y.(2016)。女子羽球单打比赛技术分析－以 2013 年马来西亚羽球公开赛为例。台大体育学报，30，1-9。
连结：
相子元, T. Y.,石又, Y.,何金山, C. S.(2012)。感测科技於运动健康科学之应用。体育学报，45(1)，3-14。
连结：
纪世清, S. C.,彭俊秀, J. S.,姚汉祷, H. D.(2010)。羽球单打比赛战术类型研究之效度与信度。休闲运动健康评论，1(2)，33-43。
连结：
张简旭芳, H. F.,李尹鑫, Y. S.,相子元, T. Y.(2016)。穿戴科技於运动科学之应用。中华体育季刊，30(2)，121-127。
连结：
许怀中, H. J.,黄致豪, C. H.(2017)。以大数据分析球员技术面表现、对战组合与中华职棒历年票房之相关性。体育学报，50(S)，79-90。
连结：

被引用文献 ( 6 ) 〈TOP〉

简嘉宏,许铭华,吴俊霖,吴昇光(2023)。以两阶段深度学习网路分析桌球轨迹追踪与落点侦测。大专体育学刊，25(2)，196-211。
林国钦(2022)。人工智慧於体育运动领域之发展与运用。体育学报，55(3)，233-244。
邱琪瑄(2021)。台湾地区制造业产业群聚导入数位串流暨人工智慧建构劝服策略可行性之研究。科技管理学刊，26(2)，77-105。
张砚琛,王志全(2022)。从赛局资料分析羽球选手场上之移动轨迹。大专体育学刊，24(4)，546-562。
(2024)。影像动作辨识系统用於羽球竞赛对情蒐工作的效益：系统性回顾。中华体育季刊，38(2)，131-150。

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址