[发明专利]一种基于强化学习的冰壶运动现场分析和辅助决策方法

权利要求书

1.一种基强化学习的冰壶运动现场分析和辅助决策方法，所述方法包括：

步骤1)，将冰壶比赛视频处理成图片，形成比赛状态图片，比赛状态图片的集合构成训练样本；

步骤2)，设计基于异物入侵检测的冰壶比赛态势感知模块，其中包含冰壶进入前置线检测与冰壶出界检测；

步骤3)，设立基于yolo-v4的冰壶位置检测网络；

步骤4)，在预先准备的冰壶数据集中，将网络进行训练，得到训练完的目标检测模型，用该模型获取冰壶的像素位置；

步骤5)，冰壶场地数字化提取，获取关键时刻的冰壶在比赛场地对应的精确位置及其类别；

步骤6)，冰壶比赛决策分析，基于强化学习进行模拟计算，获取当前比赛状态的最佳击打建议和击打后态势，辅助进行冰壶战术决策

2.根据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤1)中对于在实际冰壶比赛训练过程中采集数据，制作成为标准数据集。

3.根据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤2)中借助GMM背景建模进行粗过滤后再进行异物入侵检测，因此能快速判断冰壶出界与过线。

4.根据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤4)中经过Mosaic数据增强后再进行训练，弥补数据量不足的问题。

5.据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤5)中根据实际场地与像素尺寸之间的映射矩阵来获取冰壶实际运动速度。

6.据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤6)中通过在连续动作空间中搜索的核回归方法，在没有任何手工特征的情况下，进行自我强化学习。

7.据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：步骤6)中强化学习网络的主要模块为策略价值网络。

8.据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：训练方式是经典的深度学习训练方法。

9.据权利要求1所述的基于强化学习的冰壶运动现场分析和辅助决策方法，其特征在于：整个网络在训练完成后可以直接在实际比赛场景下冰壶辅助决策。