598e38b217
新增/更新内容： - docs/beginner_training_guide.md: 网球新手入门与进阶训练指南（三阶段训练法、技术动作分解、333法则） - docs/equipment_recommendation.md: 网球装备与辅助训练器材推荐（球拍参数解析、2025热门型号） - docs/video_tutorials.md: 全网高播放量网球视频教程精选（YouTube/Bilibili） - docs/ai_tennis_projects.md: AI 网球开源项目与技术应用（GitHub项目、商业产品） - docs/datasets_and_research.md: 网球 AI 特征库与训练数据集（公开数据集、学术论文） - research_notes/: 原始调研笔记更新 - README.md: 项目主页更新
4.6 KiB
4.6 KiB
AI 网球特征库与训练数据集调研笔记
一、公开数据集
1. Tennis Player Actions Dataset（网球选手动作数据集）
- 来源：Mendeley Data / Kaggle
- 链接：https://data.mendeley.com/datasets/nv3rpsxhhk / https://www.kaggle.com/datasets/orvile/tennis-player-actions-dataset
- 内容：4种网球动作（正手、反手、准备姿势、发球），每种500张图片
- 格式：COCO格式JSON文件
- 大小：508 MB
- 用途：人体姿态估计训练和验证
- 论文：Wang et al., Data in Brief, 2024（被引12次）
2. THETIS Dataset（多模态网球分析数据集）
- 内容：高质量RGB和3D骨骼记录的网球击球动作
- 用途：深度学习和生物力学分析
- 特点：支持多模态分析
3. Tennis Action Recognition Dataset
- 来源：chow-vincent/tennis_action_recognition (GitHub)
- 内容：1980个RGB视频（640×480），12种网球击球动作
- 用途：动作识别分类
4. Roboflow Tennis 数据集
- Tennis Player Detection：1320张图片，2个模型
- Tennis Pose Estimation：1997张图片，姿态关键点检测
- Tennis Model：1493张网球物体检测图片
- 链接：https://universe.roboflow.com/tennis-ai
5. Tennis Analysis Dataset (Kaggle)
二、关键 AI 技术与模型
1. TrackNet（网球追踪）
- 论文：Huang et al., 2019（被引179次）
- 功能：从广播视频中追踪高速微小的网球
- 技术：基于热力图的深度学习网络
- 版本演进：TrackNet → TrackNetV2 → TrackNetV3 → TrackNetV4
- 应用：鹰眼系统替代方案
2. 姿态估计模型
| 模型 | 特点 | 适用场景 |
|---|---|---|
| OpenPose | 实时多人2D姿态估计 | 网球运动视频分析 |
| MoveNet Lightning | 轻量快速 | 移动端实时分析 |
| MoveNet Thunder | 高精度 | 详细动作分析 |
| PoseNet | 浏览器端运行 | Web应用 |
| Detectron2 | Meta开源，功能全面 | 活动姿态分析 |
| MediaPipe | Google开源 | 移动端/Web |
3. 目标检测模型
| 模型 | 用途 |
|---|---|
| YOLOv8 | 球员/球/场地检测 |
| YOLO系列 | 实时目标检测 |
| Mask R-CNN | 网球检测 |
4. 动作识别模型
| 方法 | 描述 |
|---|---|
| CNN + LSTM | 时序动作分类 |
| TAR-YOLO | 姿态驱动的动作识别（2025新论文） |
| 3D CNN | 视频动作识别 |
三、AI 网球应用产品
1. SwingVision
- 类型：iOS/Android 应用
- 功能：自动计分、统计、精彩回放、线判
- 技术：AI实时分析击球速度、比赛统计
- 链接：https://swing.vision/
2. TennisViz
- 类型：数据分析平台
- 功能：实时球和球员追踪，击球类型/质量/阶段分析
- 链接：https://tennisviz.com/
3. Baseline Tennis AI
- 类型：Android 应用
- 功能：AI教练、比赛追踪、社区
- 链接：Google Play
4. 拍动（PaiDong）
- 类型：iOS 应用（中文）
- 功能：视频录制、AI分析、智能剪辑、社区
- 特点：移动端实时计算
5. SevenSix Tennis
- 类型：AI分析平台
- 功能：自动检测身体运动、挥拍曲线、击球时机、击球点
- 链接：https://sevensixtennis.com/
6. OnCourtAI
- 类型：Web应用
- 功能：30秒内分析网球技术（正手/反手/发球/截击）
- 链接：https://www.oncourtai.co.uk/
7. Zenniz
- 类型：AI网球平台
- 功能：为球员、教练和俱乐部提供AI分析
- 链接：https://zenniz.com/
四、关键学术论文
| 论文 | 年份 | 引用 | 主题 |
|---|---|---|---|
| TrackNet (Huang et al.) | 2019 | 179 | 高速小物体追踪 |
| Tennis Player Actions Dataset (Wang et al.) | 2024 | 12 | 姿态估计数据集 |
| TAR-YOLO | 2025 | - | 姿态驱动动作识别 |
| Deep Learning for Tennis Action Recognition (Mora) | 2017 | 95 | 深度学习动作识别 |
| Temporal Pattern Attention (Skublewska) | 2023 | 31 | 时序模式网球分类 |
| CNN-LSTM Tennis Serve (Mehta) | 2024 | 1 | 发球动作分析 |
| Stanford Tennis Swing Analysis | 2025 | - | 挥拍轨迹分析 |
五、特征提取技术方向
- 骨骼关键点特征：17-33个人体关键点坐标
- 运动轨迹特征：球拍挥动轨迹、球飞行轨迹
- 时序特征：击球动作的时间序列分析
- 空间特征：球员位置、场地区域
- 生物力学特征：关节角度、速度、加速度
- 光流特征：视频帧间运动信息