买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明提供一种基于信息物理融合的智慧足球的构建方法以及系统，属于智慧足球技术领域，本发明通过构建基于信息物理的智慧足球系统，实现对场内足球和球员的物理信息的实时采集并针对性的生成战术策略和运动状态分析结果，提升了战术调整的可靠性，具体包括：监测模块负责进行足球场内的足球运动员的实时运动数据以及实时位置采集；数据分析模块负责基于足球运动员的实时运动数据以及实时位置进行足球运动员的运动状态的评估，并将运动状态的评估结果以及推荐战术策略任意一项或者多项下放至足球运动员；其中通信处理模块负责在教练员与足球运动员以及不同的足球运动员之间进行语音数据交互，从而提升了足球运动的战术和人员调整的可靠性。

主权项：1.一种基于信息物理融合的智慧足球的构建系统，其特征在于，包括：数据监测模块，数据分析模块，通信处理模块；所述数据监测模块负责对足球场内的足球运动员的实时运动数据以及实时位置进行采集；所述数据分析模块负责基于足球运动员的所述实时运动数据以及所述实时位置对足球运动员的运动状态和推荐战术策略进行评估，并将运动状态的评估结果以及推荐战术策略中一项或者多项下放至足球运动员；通过构建集成学习模型对所述运动状态的评估，具体对所述运动状态评估步骤为：S1,历史数据预处理：在训练预测模型之前需要对原始数据进行清洗、填充以及异常值剔除处理，然后对处理后的数据进行归一化处理；S2,最优特征集的提取及数据集划分：最优输入特征集被划分为训练集、验证集与测试集，其中，所述训练集占数据集的90%，用于训练模型；所述验证集占数据集10%，用于求解每个基学习器的最优参数；所述测试集占数据集的10%，用于评估该模型的预测性能；S3,构建并训练模型：选用集成决策树、K近邻回归、随机森林回归以及Bagging回归机器学习模型构建集成学习模型，每个基学习器的初始参数随机生成，将所述训练集以及所述验证集分别放入每个基学习器中进行参数调整，每个基学习器的损失函数是均方误差函数，循环重复100次集成学习的训练与验证过程，从中选取性能误差最优的一组参数作为模型参数，然后，收集每次循环得到的预测误差，通过最大似然估计，根据置信水平确定预测区间的上下限；所述集成学习模型的不同的子模型的权重值的构建的具体步骤为：将所述训练集输入子模型Gn得到预测序列Gnxi;然后计算训练样本的误差： ；根据误差，更新样本权重;利用下式计算当前学习器误差率，设定误差限值为0.2，若预测误差大于等于0.2则增大样本权重使下一个子模型侧重训练该样本； ；采用下式计算当前子模型权重： ；通过下式归一化样本权重： ；判断是否训练完所有子模型，若没有则返回采用更新权重的样本训练下一个子模型；计算子模型在总体中的权重系数； ；S4,测试并评估，将所述测试集放入已完成训练的模型，对该组预测模型的所有预测结果求均值，并结合步骤S3得到的预测区间上下限，得到最终的运动状态，判断预测结果是否满足精度要求，若满足跳转到步骤S5，否则，跳转到步骤S3，重新训练模型；S5,结束，输出预测的运动状态；所述通信处理模块负责在教练员与足球运动员以及不同的足球运动员之间进行语音数据交互；足球运动员的战术执行完成度的确定的方法为：基于位置变动数据进行足球运动员在不同的进攻次数下的位置变动情况的确定，并通过变动位置与预设位置的匹配情况、发生位置变动时的移动速度与预设移动速度的匹配情况确定足球运动员在不同的进攻次数下的战术执行状态值；通过足球运动员在不同的防守次数下的位置变动情况确定在不同的防守次数下的变动位置以及发生位置变动时的移动速度，通过变动位置与预设位置的匹配情况、发生位置变动时的移动速度与预设移动速度的匹配情况确定足球运动员在不同的防守次数下的战术执行状态值；当不存在战术执行状态值不满足要求的进攻次数以及战术执行状态值不满足要求的防守次数时，则基于战术执行状态值的平均值确定足球运动员的进攻战术执行完成度；当存在战术执行状态值不满足要求的进攻次数或者战术执行状态值不满足要求的防守次数时：基于在不同的进攻次数下的战术执行状态值的权重和确定足球运动员的进攻战术执行完成度，基于在不同的防守次数下的战术执行状态值的权重和确定足球运动员的防守战术执行完成度；获取足球运动员的场上位置，基于场上位置确定足球运动员的进攻战术执行完成度以及防守战术执行完成度的权重值，并结合足球运动员的进攻战术执行完成度以及防守战术执行完成度确定足球运动员的战术执行完成度；足球运动员的疲劳状态值的确定的方法为：获取足球运动员的实时运动数据，并根据足球运动员的实时运动数据进行足球运动员的运动里程的确定，当足球运动员的运动里程大于预设里程阈值时，则基于足球运动员的运动里程进行足球运动员的疲劳状态值的确定；当足球运动员的运动里程不大于预设里程阈值时：通过足球运动员的实时运动数据进行足球运动员的心率的确定，并根据心率对足球运动员对应的预设疲劳状态的确定，获取所述足球运动员的平均速度，当所述足球运动员的平均速度小于预设速度时，则基于预设疲劳状态确定足球运动员的疲劳状态值；当所述足球运动员的平均速度不小于预设速度时：基于足球运动员的运动里程确定足球运动员在不同的速度区间的运动里程，并根据不同的速度区间的运动里程以及平均速度进行不同的速度区间的疲劳状态补偿量的确定，根据不同的速度区间的疲劳状态补偿量对足球运动员对应的预设疲劳状态进行修正得到足球运动员的疲劳状态值。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于信息物理融合的智慧足球的构建方法以及系统