基于YOLO算法实现网球运动实时分析(附源码)

最新推荐文章于 2025-07-25 22:55:58 发布

法纳斯特

最新推荐文章于 2025-07-25 22:55:58 发布

阅读量1.6k

点赞数 7

CC 4.0 BY-SA版权

文章标签： YOLO 算法

本文链接：https://blog.csdn.net/river_star1/article/details/139187575

大家好，我是小F～

今天给大家介绍一个计算机视觉实战的项目。

该项目使用YOLO算法检测球员和网球，并利用cnn提取球场关键点。

进而分析视频中的网球运动员，测量他们的速度、击球速度和击球次数。

使用win10电脑，Python 3.9.7，相关依赖版本如下。

numpy==1.22.4
opencv_python==4.8.0.74
pandas==2.2.2
torch==2.0.1
torchvision==0.15.2
ultralytics==8.0.178

可以使用conda创建Python环境，然后执行主程序。

电脑无需GPU，普通CPU电脑即可~

# 创建Python环境
conda create --name tennis_analysis  python=3.9.7
# 激活环境
conda activate tennis_analysis
# 安装依赖
pip install -r requirements.txt -i https://mirror.baidu.com/pypi/simple

# 执行程序
python main.py

主程序代码如下。

from utils import (read_video,
                   save_video,
                   measure_distance,
                   draw_player_stats,
                   convert_pixel_distance_to_meters
                   )
import constants
from trackers import PlayerTracker, BallTracker
from court_line_detector import CourtLineDetector
from mini_court import MiniCourt
import cv2
import pandas as pd
from copy import deepcopy


def main():
    # Read Video
    input_video_path = "input_videos/input_video.mp4"
    video_frames = read_video(input_video_path)

    # Detect Players and Ball
    player_tracker = PlayerTracker(model_path='yolov8x')
    ball_tracker = BallTracker(model_path='models/yolo5_last.pt')

    player_detections = player_tracker.detect_frames(video_frames,
                                                     read_from_stub=True,
                                                     stub_path="tracker_stubs/player_detections.pkl"
                                                     )
    ball_detections = ball_tracker.detect_frames(video_frames,