【要不要約 ... 😂】如果你是羽毛球愛好者，就一定要留意 GitHub 上這套免費開源的「Good-Badminton」專案。它是一套電腦視覺羽毛球比賽影… · @hkepcmedia · TwKit

@hkepcmedia

【要不要約 ... 😂】如果你是羽毛球愛好者，就一定要留意 GitHub 上這套免費開源的「Good-Badminton」專案。它是一套電腦視覺羽毛球比賽影片分析工具，旨在透過 AI 技術為業餘愛好者及專業教練提供低成本的「鷹眼」級別賽事分析。系統整合了球員姿態偵測、羽毛球軌跡追蹤、場地座標映射及運動數據統計等功能，實現全方位賽事剖析。 https://github.com/yo-WASSUP/Good-Badminton   「Good-Badminton」的核心架構結合了多種先進的電腦視覺與機器學習模型。在球員姿態辨識方面，系統支援 RTMPose、RTMO 以及 Ultralytics YOLO Pose，能夠精準捕捉選手的身體關節與骨架動作；羽毛球偵測則透過 YOLO 模型進行高速定位，並在輸出的影片中繪製出清晰的擊球與飛行軌跡。   此外，系統具備自動球場出界檢測功能，能自動識別標準羽毛球場線，並可在瀏覽器中手動微調四個角點，建立圖像座標與標準球場座標的精準映射。這項技術不僅能有效過濾場外觀眾與裁判干擾，還能自動計算球員的移動距離、即時速度、最高速度以及回合數量，並生成詳細的熱力圖與散點圖。   為方便一般使用者操作，用家無需具備深厚的程式開發背景，只需透過瀏覽器上傳比賽影片與場地範本圖後，即可完成自動場地檢測、參數設定與結果檢視。   硬體需求方面，該專案支援 CPU 與 GPU 運算。官方建議使用配備 6GB 以上顯示記憶體的 NVIDIA 顯示卡，搭配 16GB 系統記憶體與固態硬碟，以獲得流暢的高解析度影片渲染與推論速度。目前該專案已於 GitHub 平台正式開源，採用 Apache-2.0 授權條款，歡迎其他開發者用作運動科學研究、賽事覆盤及二次開發使用。   根據 Threads 用戶 picobeth 實測，目前系統似乎以單打辨識為主，對雙打支援部分暫時未太完善，但他稍微改造一下程式後效果也相當不錯，亦稍微修改了一下顯示介面，之後還想嘗試加入球速估算功能。   picobeth 表示︰「麻煩的是我的電腦沒有顯卡，光是這段 30 秒的影片，用純 CPU 運算就要跑將近半小時。」   小編明天就去打一場錄來試試看，用 RTX 5080 應該不會太慢吧，大家想看小編打球嗎 ... (笑) ?

曝光 53 · 评论 0 · 点赞 1 · 书签 1