以兩階段深度學習網路分析桌球軌跡追蹤與落點偵測

Ming-Hua Hsu; Chia-Hung Chien; Sheng-Kuang Wu; Jiunn-Lin Wu

doi:10.5297/ser.202306_25(2).0006

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

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

P196 - 211

社会科学 > 体育学

DOI： 10.5297/ser

书目管理工具

相关连结

问题回报

全文下载

以两阶段深度学习网路分析桌球轨迹追踪与落点侦测

The Analysis of Ball Tracking and Bounce Calculation for Table Tennis Using Two-Stage Deep Learning Neural Networks

许铭华(Ming-Hua Hsu) ；简嘉宏(Chia-Hung Chien) ；吴昇光(Sheng-Kuang Wu) ；吴俊霖(Jiunn-Lin Wu)

大专体育学刊； 25 卷 2 期 (2023 / 06 / 30) ， P196 - 211

繁体中文;英文 DOI： 10.5297/ser.202306_25(2).0006

电脑视觉；演算法；感兴趣区域；精准度；召回率； computer vision ； algorithm ； region of interest ； precision ； recall

0 个人觉得这篇文章赞

摘要 │ 参考文献 (17) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

Many studies in recent years have discussed the automatic tracking and analysis of ball sports. In table tennis (TT) competition, it is important to know who uses the artificial intelligence (AI) technology to accurately analyze the complex competition process in TT to manage the characteristics of small-size ball, speed and several rotation changes, leading to a winning opportunity. The purpose of this study was to determine the trajectory and bounce point of the ball movement through computer vision technology. We proposed a two-stage deep learning network algorithm for the ball tracking and bounce estimation from TT videos. The network's first stage detected the TT ball position in the image. In the second stage, we used obtained region of interest (ROI) image sequences from the first stage to predict the precise coordinates of the TT ball. Results showed that the precision and recall of ball tracking reached 95.51% and 92.65%, and the bounce detection reached 90.90% and 88.23%, respectively, when the film with a frame rate of 120 FPS (frames per second) was used. In the film with a frame rate of 60 FPS, the ball tracking precision and recall reached 94.69% and 76.80%, and the bounce detection reached 86.36% and 92.59%, respectively. These findings demonstrated the effectiveness of the proposed deep learning methods in this study. In bounce calculation, the accuracy and precision of trajectory were the main factors that influence the calculation effect. Therefore, we optimized the two-stage degree learning networks to provide the trained model with high accuracy and precision coordinates to facilitate the application of bounce detection and subsequent strategic analysis.

参考文献 ( 17 ) 〈TOP〉

王威尧, W.-Y.,张凯翔, K.-S.,陈霆峰, T.-F.,王志全, C.-C.,彭文志, W.-C.,易志伟, C.-W.(2020)。Badminton Coach AI：基於深度学习之羽球赛事资讯分析平台。体育学报，53(2)，201-213。
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)，1-12。
连结：
许铭华, M.-H.,于承焕, C.-H.,许英麟, Y.-L.,蔡亚伦, Y.-L.,吴昇光, S.-K.(2022)。以 3S 理论与机器学习分析顶尖混双桌球选手接发球技战术：林昀儒／郑怡静之个案研究。大专体育学刊，24(4)，563-583。
连结：
熊志超, C.-C.,周资众, T.-C.,许铭华, M.-H.(2020)。40+ 竞技桌球衔接技术对高水准运动员战术发挥的影响。中华体育季刊，34(4)，273-285。
连结：
Ashford, D.,Bennett, S. J.,Davids, K.(2006).Observational modeling effects for movement dynamics and movement outcome measures across differing task constraints: A meta-analysis.Journal of Motor Behavior,38(3),185-205.

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