本发明公开一种乒乓球智能训练教学系统，包括内建5G通讯模组的智能监测终端，双路摄像头，穿戴式蓝牙运动跟踪器，蓝牙无线耳机及云端数据处理平台。该系统通过运动跟踪器及双路摄像头，获得运动员动作姿态及心率心跳数据，通过智能监测终端，整合多源采集数据，根据AI模型计算融合后验概率，由极大后验判定逻辑判断决策级融合结果，支持云端平台与智能监测终端之间通过5G通信进行协同管控，通过云计算判断运动员动作姿态及心理状态，综合分析给出科学的优先指导决策，再通过蓝牙无线耳机，接收云端语音命令，调整运动员动作。本发明

　　(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 117122881 A (43)申请公布日 2023.11.28 (21)申请号 9.5 (22)申请日 2023.09.26 (71)申请人 南京工程学院 地址 211167 江苏省南京市江宁区弘景大 道1号 (72)发明人 褚南峰邹峥嵘 (74)专利代理机构 南京纵横知识产权代理有限 公司 32224 专利代理师 许婉静 (51)Int.Cl. A63B 69/00 (2006.01) A63B 67/04 (2006.01) A63B 24/00 (2006.01) 权利要求书3页 说明书13页 附图4页 (54)发明名称 一种乒乓球智能训练教学系统 (57)摘要 本发明公开一种乒乓球智能训练教学系统， 包括内建5G通讯模组的智能监测终端，双路摄像 头，穿戴式蓝牙运动跟踪器，蓝牙无线耳机及云 端数据处理平台。该系统通过运动跟踪器及双路 摄像头，获得运动员动作姿态及心率心跳数据， 通过智能监测终端，整合多源采集数据，根据AI 模型计算融合后验概率，由极大后验判定逻辑判 断决策级融合结果，支持云端平台与智能监测终 端之间通过5G通信进行协同管控，通过云计算判 断运动员动作姿态及心理状态，综合分析给出科 学的优先指导决策，再通过蓝牙无线耳机，接收 云端语音命令，调整运动员动作。本发明解决了 A 传统乒乓球教学中学生现场自我感知不足、过于 1 依赖教练指导；提升运动员自身动作技能，实现 8 8 2 因材施策。 2 1 7 1 1 N C CN 117122881 A 权利要求书 1/3页 1.一种乒乓球智能训练教学系统，其特征在于，包括： 智能监测终端，所述智能监测终端通过内建的5G通讯模组或有线千兆局域网与云端数 据处理中心进行数据通信；智能监测终端通过接口与大屏幕电视连接；智能监测终端外接 双路模拟高清摄像头； 蓝牙运动跟踪器，用于采集乒乓球运动员的动作姿态数据，并通过蓝牙将数据传输至 智能监测终端； 蓝牙无线耳机，通过蓝牙与智能监测终端配对通信，通过智能监测终端的5G通讯模组 接入云端数据处理中心进行互动语音通线所述的乒乓球智能训练教学系统，其特征在于，所述智能监测终端包 括多核异构处理器，所述多核异构处理器包括NPU处理器和GPU处理器；多核异构处理器分 别与WiFi/BT无线G无线通信模块、音频HUB编解码器、动态存储器、flash存储 器、以太网PHY芯片、视频接收解码芯片、电源管理芯片、固态硬盘插槽连接。 3.根据权利要求2所述的乒乓球智能训练教学系统，其特征在于，智能监测终端采集运 动员姿态与状态数据，所述运动员姿态与状态数据包括握拍姿势数据、动作状态数据、心 跳/心率数据，所述动作状态数据包括：反手推挡、正手攻球动作、站位、回球路线； 通过WiFi/BT无线通信模块采集接收来自蓝牙运动跟踪器内的3D加速度传感器、3D陀 罗仪传感器数据及心率传感器数据； 通过外接的双路模拟高清摄像头采集接收比赛现场运动员的图像数据。 4.根据权利要求1所述的乒乓球智能训练教学系统，其特征在于，所述多核异构处理器 中的NPU处理器根据接收到的运动员姿态与状态数据，对运动员握拍姿势进行人工智能算 法分析，若判断出握拍姿势不到位，即时在大屏幕上显示不合格的握拍姿势，并发出纠偏提 示，若判断握出拍手法到位，则显示通过；将运动员的姿态与状态数据、心率数据通过5G通 讯模组或千兆以太网上传到云端数据处理中心，在云端数据处理中心进行人工智能分析， 分析结果包括运动员发球动作、回球路线变化、比赛时心理素质、范规次数、反手推挡、正手 攻球、侧身攻、步法移动数据。 5.根据权利要求1所述的乒乓球智能训练教学系统，其特征在于，所述蓝牙运动跟踪器 包括内置蓝牙通讯协议栈的微处理器芯片，所述微处理器芯片分别连接蓝牙天线D陀罗仪传感器、心率传感器、LED驱动电路、电源管理芯片、Flash存储器。 6.一种乒乓球运动员动作行为侦测融合感知方法，其特征在于，包括以下步骤： 步骤S610，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，采集运动员心率/心 跳数据，采集的心率/心跳数据进入步骤S613，进行运动员自身心率心跳特征提取，用于心 理素质状态特征检测； 步骤S611，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，蓝牙运动跟踪器采 集运动员3D加速度传感器与3D陀罗仪传感器数据；采集的3D加速度传感器与3D陀罗仪传感 器数据进入步骤S613进行运动员自动作姿态特征提取，同时进入步骤S615进行手势特征提 取，3D加速度传感器用于获取运动员挥拍速度、加速度特征与手势特征，3D陀螺仪传感器则 获取角速度，用于运动员动作姿态特征检测； 步骤S612，双路模拟高清摄像头连接智能监测终端，采集比赛现场运动员动作状态视 频数据； 2 2 CN 117122881 A 权利要求书 2/3页 步骤S613,进行运动员自动作姿态特征提取；步骤S613的输出数据进入步骤S617多源 采集数据目标特征分类； 步骤S614,步骤S615提取的手势特征进入多核异构处理器中的NPU处理器，用于进行AI 人工智能算法的数据计算，判别出运动员自身的握拍姿势特长； 步骤S615，进行手势特征提取； 步骤S616，由智能监测终端的多核异构处理器中的VPU处理器对图像数据进行运算处 理，再进行特征点提取和图像分类识别；对图像数据进行运算处理后，获得比赛双方运动员 动作数据，包括双方运动员接发球路线检测数据、范规识别数据； 步骤S617，在智能监测终端中的多核异构处理器中对比赛双方运动员姿态与状态数据 进行时空配准融合，用于本地多源数据重构，得到统一的运动员状态信息时空基准； 步骤S618，利用多核异构处理器中的NPU处理器计算假设环境属性前提下的似然函数 及融合后验概率，将计算得到的融合后验概率与预设的阈值比较，如果融合后验概率大于 或等于预设的阈值，则得到决策级融合结果；由极大后验判定逻辑判断决策级融合结果是 否达到运动员调整后的感知精度，完成受训运动员多源数据融合后的决策级综合分析； 步骤S619,根据步骤S614运动员自身的握拍姿势特长，生成优先级指导策略； 步骤S620，基于融合后验概率判断置信度条件，选择极大后验判定逻辑； 步骤S622，利用极大后验判定逻辑进行判断，如果决策级融合结果没有达到运动员调 整后的感知精度，则进入融合后的决策级综合分析，即根据步骤S619的优先级指导策略，生 成打法指导决策辅助判定结果； 步骤S624，智能监测终端将打法指导决策辅助判定结果通过5G通讯模块上传到云端数 据处理中心，进行协同综合决策判定； 步骤S628，智能监测终端内的多核异构处理器，根据打法指导决策辅助判定结果判断 是否训练达标，并利用多核异构处理器中的GPU处理器与VPU处理器播放显示到外部大屏幕 电视上； 步骤S624，在智能监测终端多核异构处理器中的NPU处理器中，根据现场比赛规则、比 赛环境对手以及运动员状态数据，利用心理素质状态检测算法、握拍姿势识别算法和动作 姿态算法完成运动员的动作行为分析，通过智能监测终端的5G通讯模组将动作行为分析结 果上传到云端数据处理中心； 步骤S625，在云端数据处理中心利用动作行为分析结果生成相应的运动员指导命令及 语音，通过5G通讯模组下传至智能监测终端； 步骤S623，智能监测终端多核异构处理器将通过5G通讯模组接收的运动员指导命令进 行解析； 步骤S629，通过5G通讯模组接收的PCM语音形式数据，利用智能监测终端内的音频HUB 编解器发送到WiFi/BT无线通信模块，通过蓝牙语音传输协议传送至运动员穿戴的蓝牙无 线耳机中，进行语音交互教学训练。 7.根据权利要求6所述的乒乓球运动员动作行为侦测融合感知方法，其特征在于，在步 骤S617中，进行时空配准融合处理步骤为： 1)采用相似度匹配方法进行异步时间基准对齐； 2)采用空间基准距离补偿方法匹配多源信息数据的空间坐标，所述多源信息数据包括 3 3 CN 117122881 A 权利要求书 3/3页 3D加速度传感器、3D陀螺仪传感器、心率传感器、双路模拟高清摄像头得到的数据； 3)对双方运动员视频图像数据进行特征相似度匹配，并对误匹配的差异点进行剔除， 得到统一的双方运动员状态信息时空基准； 4)收集每个传感器来源的数据信息特征，并识别目标属性，给出关于目标属性的表征 量，表征量包括比赛双方运动员速度特征、动作姿态特征及心理素质状态特征。 8.根据权利要求7所述的乒乓球运动员动作行为侦测融合感知方法，其特征在于，由蓝 牙运动跟踪器采集的运动员数据信息特征包括运动员速度特征、动作姿态及心理素质状态 特征；由双路模拟高清摄像头采集的图像数据信息特征包括双方运动员接发球路线检测数 据、范规识别数据。 9.根据权利要求6所述的乒乓球运动员动作行为侦测融合感知方法，其特征在于，在步 骤S618中，采用贝叶斯推理算法模型对统一基准后的数据进行决策级融合，计算融合后验 概率，步骤为： 假设共有x个数据采集源，得到m个环境属性，并记为A ，i＝1，2，。。。，m，m表示数据信息 i 特征的数量，包括比赛双方运动员速度特征、动作姿态特征及心理素质状态特征；x表示数 据采集源的数量，数据采集源包括3D加速度传感器、3D陀罗仪、心率传感器、摄像头； 贝叶斯推理算法模型包括多级，在第一级中，收集每个传感器来源的数据信息特征，并 识别目标属性，给出关于目标属性的表征量，并记为B (j＝1，2，。。。，x)；所述目标属性包括 j 运动员速度特征、动作姿态、心理素质状态； 在第二级中，计算多源传感器在假设环境属性前提下的似然函数P(B A)，多源传感器 j i 即为多个传感器的集合； 在第三级中，根据贝叶斯公式计算多源数据的融合后验概率； 贝叶斯公式为P(A B,B ,...,B)＝P(B ,B ,...,B A)P(A)/P(B ,B ,...,B)， i 1 2 x 1 2 x i i 1 2 x 其中，P(A B,B ,...,B)表示所有传感器在统一基准输入信息下对假设A 的融合后验 i 1 2 x i 概率； P(B ,B ,...,B A)＝ΠP(B  /A)表示在满足假设A 条件下的多源信息联合统计概率； 1 2 x i j i i P(A)表示假设A 的预期概率； i i P(B ,B ,...,B)＝ΠP(B  )表示多源采集数据置信度的联合统计概率，∏.表示似然函 1 2 x j 数。 10.根据权利要求6所述的乒乓球运动员动作行为侦测融合感知方法，其特征在于，还 包括以下步骤： 在步骤S618中，在多核异构处理器中的NPU处理器中，根据步骤S617获得的多源数据 量，预测进行AI人工智能模型贝叶斯公式计算融合后验槪率及极大后验判定逻辑所需算 力； 步骤S621，已知多核异构处理器中的NPU处理器算力，若预测出进行AI人工智能模型算 力超出本地芯片的NPU处理器算力，则上报信息给云端数据处理中心，请求云端数据处理中 心通过5G通讯模组获取有关运动员状态的大数据，进行增强AI算力分析； 步骤S617，智能监测终端如果收到云端应对回应，则启动内部数据传输流程，将多源采 集数据目标特征进行数据封包，然后通过5G通讯模组上传到云端数据处理中心，完成受训 运动员多源数据融合后的决策级综合分析。 4 4 CN 117122881 A 说明书 1/13页 一种乒乓球智能训练教学系统 技术领域 [0001] 本发明涉及一种乒乓球智能训练教学系统，属于体育运动训练教学应用技术领 域。 背景技术 [0002] 乒乓球体育运动是一项锻炼全身的球类运动，打乒乓球有助于健脑、健眼、锻炼四 肢等好处，锻炼人的反应能力和协调动作。但是因学生的身体基础不同，对教材的理解程度 不同，经常出现乒乓球握拍方法错误，需要有上乒乓球技校作专业教学培训，常依托于教练 指导方式，实施乒乓球常用教学训练法：(一)直观教学法；(二)语言提示法；(三)完成指标 法；(四)练习法；乒乓球常用教学训练法；(五)预防和纠正动作错误法；(六)多球训练法。通 过直观的教学手段和方法，如现场手把手纠整握拍姿势，或看通过录像机接上电视机播放 比赛解说教学，采用边示范，边讲解，来调动学生思维，促进动作技能的形成。 [0003] 针对有进阶训练要求的乒乓球爱好者及比赛选手，为增强比赛的对抗性，则进一 步需提升训练教学连续性，着重不同水平的学生练习不同的内容，促成形成选手自己独门 技能，如：反手推挡，正手攻球要求：正、反手动作结合自如，步法移动迅速、准确熟练掌握控 球能力，注意回球路线变化；推挡、侧身攻、扑正手要作到因人施教，常常更需聘专职教练， 通过身体力行，通过教学录像，运用辅助击球装置，基于精讲多练原则，需要教练与选手耗 费大量的训练时间及参加比赛的机会，摸索出选手的长处及短处，来提升选手水平。传统的 乒乓球教学方式存在盲区，如尽管有教练的指导，纠正学生的打法，但因学生因悟性不同， 自己常常不能直接感知的动作技能是否规范，带来动作不协同。 [0004] 随着物联网通讯及AI人工智能技术的快速发展，使得打造一种乒乓球智能训练教 学系统及装置成为可能。 发明内容 [0005] 本发明所要解决的技术问题是：传统乒乓球教学中现场感知不足，事后被动分析， 且因教练水平能力有限，无法作到大批量培育乒乓球优秀选手。 [0006] 为解决上述技术问题，本发明提供一种乒乓球智能训练教学系统，包括： [0007] 智能监测终端，所述智能监测终端通过内建的5G通讯模组或有线千兆局域网与云 端数据处理中心进行数据通信；智能监测终端通过接口与大屏幕电视连接；智能监测终端 外接双路模拟高清摄像头； [0008] 蓝牙运动跟踪器，用于采集乒乓球运动员的动作姿态数据，并通过蓝牙将数据传 输至智能监测终端； [0009] 蓝牙无线耳机，通过蓝牙与智能监测终端配对通信，通过智能监测终端的5G通讯 模组接入云端数据处理中心进行互动语音通线] 前述的乒乓球智能训练教学系统，所述智能监测终端200包括多核异构处理器 210，所述多核异构处理器210包括NPU处理器和GPU处理器；多核异构处理器210分别与 5 5 CN 117122881 A 说明书 2/13页 WiFi/BT无线、以太网PHY芯片222、视频接收解码芯片215、电源管理芯片219、固态硬盘 插槽218连接。 [0011] 前述的乒乓球智能训练教学系统，智能监测终端采集运动员姿态与状态数据，所 述运动员姿态与状态数据包括握拍姿势数据、动作状态数据、心跳/心率数据，所述动作状 态数据包括：反手推挡、正手攻球动作、站位、回球路线] 通过WiFi/BT无线通信模块采集接收来自蓝牙运动跟踪器内的3D加速度传感器、 3D陀罗仪传感器数据及心率传感器数据； [0013] 通过外接的双路模拟高清摄像头采集接收比赛现场运动员的图像数据。 [0014] 前述的乒乓球智能训练教学系统，所述多核异构处理器210中的NPU处理器根据接 收到的运动员姿态与状态数据，对运动员握拍姿势进行人工智能算法分析，若判断出握拍 姿势不到位，即时在大屏幕上显示不合格的握拍姿势，并发出纠偏提示，若判断握出拍手法 到位，则可显示正确pass通过；将运动员的姿态与状态数据、心率数据通过5G通讯模组或千 兆以太网上传到云端数据处理中心，在云端数据处理中心进行人工智能分析，分析结果包 括运动员发球动作、回球路线变化、比赛时心理素质、范规次数、反手推挡、正手攻球、侧身 攻、步法移动数据。 [0015] 前述的乒乓球智能训练教学系统，所述蓝牙运动跟踪器300包括内置蓝牙通讯协 议栈的微处理器芯片310，所述微处理器芯片310分别连接蓝牙天线、LED驱动电路320、电源管理芯片318、Flash存储器 314。 [0016] 一种乒乓球运动员动作行为侦测融合感知方法，包括以下步骤： [0017] 步骤S610，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，采集运动员心 率/心跳数据，采集的心率/心跳数据进入步骤S613，进行运动员自身心率心跳特征提取，用 于心理素质状态特征检测； [0018] 步骤S611，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，蓝牙运动跟踪 器采集运动员3D加速度传感器与3D陀罗仪传感器数据；采集的3D加速度传感器与3D陀罗仪 传感器数据进入步骤S613进行运动员自动作姿态特征提取，同时进入步骤S615进行手势特 征提取，3D加速度传感器用于获取运动员挥拍速度、加速度特征与手势特征，3D陀螺仪传感 器则获取角速度，用于运动员动作姿态特征检测； [0019] 步骤S612，双路AHD模拟高清摄像头连接智能监测终端，采集比赛现场运动员动作 状态视频数据； [0020] 步骤S613,进行运动员自动作姿态特征提取；步骤S613的输出数据进入步骤S617 多源采集数据目标特征分类； [0021] 步骤S614,步骤S615提取的手势特征进入多核异构处理器中的NPU处理器，用于进 行AI人工智能算法的数据计算，判别出运动员自身的握拍姿势特长； [0022] 步骤S615，进行手势特征提取； [0023] 步骤S616，由智能监测终端的多核异构处理器200中的VPU处理器对图像数据进行 运算处理，再进行特征点提取和图像分类识别；对图像数据进行运算处理后，获得比赛双方 运动员动作数据，包括双方运动员接发球路线检测数据、范规识别数据； 6 6 CN 117122881 A 说明书 3/13页 [0024] 步骤S617，在智能监测终端中的多核异构处理器中对比赛双方运动员姿态与状态 数据进行时空配准融合，用于本地多源数据重构，得到统一的运动员状态信息时空基准； [0025] 步骤S618，利用多核异构处理器中的NPU处理器计算假设环境属性前提下的似然 函数及融合后验概率，将计算得到的融合后验概率与预设的阈值比较，如果融合后验概率 大于或等于预设的阈值，则得到决策级融合结果；由极大后验判定逻辑判断决策级融合结 果是否达到运动员调整后的感知精度，完成受训运动员多源数据融合后的决策级综合分 析； [0026] 步骤S619,根据步骤S614运动员自身的握拍姿势特长，生成优先级指导策略； [0027] 步骤S620，基于融合后验概率判断置信度条件，选择极大后验判定逻辑； [0028] 步骤S622，利用极大后验判定逻辑进行判断，如果决策级融合结果没有达到运动 员调整后的感知精度，则进入融合后的决策级综合分析，即根据步骤S619的优先级指导策 略，生成打法指导决策辅助判定结果； [0029] 步骤S624，智能监测终端将打法指导决策辅助判定结果通过5G通讯模块上传到云 端数据处理中心，进行协同综合决策判定； [0030] 步骤S628，智能监测终端内的多核异构处理器，根据打法指导决策辅助判定结果 判断是否训练达标，并利用多核异构处理器中的GPU处理器与VPU处理器播放显示到外部大 屏幕电视上； [0031] 步骤S624，在智能监测终端多核异构处理器中的NPU处理器中，根据现场比赛规 则、比赛环境对手以及运动员状态数据，利用心理素质状态检测算法、握拍姿势识别算法和 动作姿态算法完成运动员的动作行为分析，通过智能监测终端的5G通讯模组将动作行为分 析结果上传到云端数据处理中心； [0032] 步骤S625，在云端数据处理中心利用动作行为分析结果生成相应的运动员指导命 令及语音，通过5G通讯模组下传至智能监测终端； [0033] 步骤S623，智能监测终端多核异构处理器将通过5G通讯模组接收的运动员指导命 令进行解析； [0034] 步骤S629，通过5G通讯模组接收的PCM语音形式数据，利用智能监测终端内的音频 HUB编解器发送到WiFi/BT无线通信模块，通过蓝牙语音传输协议传送至运动员穿戴的蓝牙 无线耳机中，进行语音交互教学训练。 [0035] 前述的乒乓球运动员动作行为侦测融合感知方法，在步骤S617中，进行时空配准 融合处理步骤为： [0036] 1)采用相似度匹配方法进行异步时间基准对齐； [0037] 2)采用空间基准距离补偿方法匹配多源信息数据的空间坐标，所述多源信息数据 包括3D加速度传感器、3D陀螺仪传感器、心率传感器、双路模拟高清摄像头得到的数据； [0038] 3)对双方运动员视频图像数据进行特征相似度匹配，并对误匹配的差异点进行剔 除，得到统一的双方运动员状态信息时空基准； [0039] 4)收集每个传感器来源的数据信息特征，并识别目标属性，给出关于目标属性的 表征量，表征量包括比赛双方运动员速度特征、动作姿态特征及心理素质状态特征。 [0040] 前述的乒乓球运动员动作行为侦测融合感知方法，由蓝牙运动跟踪器采集的运动 员数据信息特征包括运动员速度特征、动作姿态及心理素质状态特征；由双路模拟高清摄 7 7 CN 117122881 A 说明书 4/13页 像头采集的图像数据信息特征包括双方运动员接发球路线检测数据、范规识别数据。 [0041] 前述的乒乓球运动员动作行为侦测融合感知方法，在步骤S618中，采用贝叶斯推 理算法模型对统一基准后的数据进行决策级融合，计算融合后验概率，步骤为： [0042] 假设共有x个数据采集源，得到m个环境属性，并记为A ，i＝1，2，。。。，m，m表示数据 i 信息特征的数量，包括比赛双方运动员速度特征、动作姿态特征及心理素质状态特征；x表 示数据采集源的数量，数据采集源包括3D加速度传感器、3D陀罗仪、心率传感器、摄像头等； [0043] 贝叶斯推理算法模型包括多级，在第一级中，收集每个传感器来源的数据信息特 征，并识别目标属性，给出关于目标属性的表征量，并记为B (j＝1，2，。。。，x)；所述目标属 j 性包括运动员速度特征、动作姿态、心理素质状态； [0044] 在第二级中，计算多源传感器在假设环境属性前提下的似然函数P(B A)，多源传 j i 感器即为多个传感器的集合； [0045] 在第三级中，根据贝叶斯公式计算多源数据的融合后验概率； [0046] 贝叶斯公式为P(A B,B ,...,B)＝P(B ,B ,...,B A)P(A)/P(B ,B ,...,B)， i 1 2 x 1 2 x i i 1 2 x [0047] 其中，P(A B,B ,...,B)表示所有传感器在统一基准输入信息下对假设A 的融合 i 1 2 x i 后验概率； [0048] P(B ,B ,...,B A)＝ΠP(B  /A)表示在满足假设A 条件下的多源信息联合统计 1 2 x i j i i 概率； [0049] P(A)表示假设A 的预期概率； i i [0050] P(B,B ,...,B )＝ΠP(B  )表示多源采集数据置信度的联合统计概率，∏.表示 1 2 x j 似然函数。 [0051] 前述的乒乓球运动员动作行为侦测融合感知方法，还包括以下步骤： [0052] 在步骤S618中，在多核异构处理器中的NPU处理器中，根据步骤S617获得的多源数 据量，预测进行AI人工智能模型贝叶斯公式计算融合后验槪率及极大后验判定逻辑所需算 力； [0053] 步骤S621，已知多核异构处理器中的NPU处理器算力，若预测出进行AI人工智能模 型算力超出本地芯片的NPU处理器算力，则上报信息给云端数据处理中心，请求云端数据处 理中心通过5G通讯模组获取有关运动员状态的大数据，进行增强AI算力分析； [0054] 步骤S617，智能监测终端如果收到云端应对回应，则启动内部数据传输流程，将多 源采集数据目标特征进行数据封包，然后通过5G通讯模组上传到云端数据处理中心，完成 受训运动员多源数据融合后的决策级综合分析。 [0055] 本发明所达到的有益效果：本发明利用内建5G通讯模组及双路模拟高清摄像头的 智能监测终端与蓝牙运动跟踪器装置、蓝牙无线耳机进行无线通讯连接，其中蓝牙运动跟 踪器装置可用于采集乒乓球运动员动作姿态、心率变化数据，透过蓝牙数传给通过内建5G 通讯模组的智能监测终端，进行人工智能及与云端通讯进行大数据分析，智能监测终端还 可支持蓝牙无线耳机通讯，进行无线G通讯低时延，高可靠性的特点， 可实现实时地现场动作指导，有效区分现场双方运动员的握拍手法，运动动作，回球路数， 心理因素差异，规避了人为指导因素的误判，加强了通过5G云端分析作业的监控管理，准确 提供运动员动作手法，发球次数，发球时长、击球范围、站位、击球点、击球时间、击球部位、 触拍部位、击球距离、击球线路击、范规次数等乒乓球有关数据，也可避免裁判员误判、虚报 8 8 CN 117122881 A 说明书 5/13页 等现象，可确保判罚工作的准确性，有效控制乒乓球运动公正性。为专属运动员制定合理的 培训计划，实现再逐步细化管理，降低训练成本，可有效解决了传统乒乓球教学，学生现场 自我感知不足、十分依赖教练指导问题，本发明的乒乓球智能训练教学系统，可用于大批量 培育乒乓球优秀选手。 [0056] 利用云端物联网平台大数据统计处理能力，根据运动员身体状况、发球动作姿态， 发球频率、击球时长、击球部位，反手手法模式、推拉动作使用频率等指标，可以形成运动员 自身的动作评估模型，给出自身优化提升技能配置方案，合理地制定训练计划；还可根据比 赛站点、时间等生成统计表，便于教练计助教管理人员进行统计分析，实现了运动员比赛代 维分析和考核的准确性。 附图说明 [0057] 图1为本发明的乒乓球智能训练教学系统实施示意图； [0058] 图2为本发明的乒乓球智能训练教学系统架构示意图； [0059] 图3为智能监测终端硬件方框示意图； [0060] 图4为蓝牙运动追踪器硬件方框示意图； [0061] 图5为乒乓球智能训练教学系统的工作流程图； [0062] 图6为乒乓球智能训练教学系统的多源数据融合处理及决策流程图。 具体实施方式 [0063] 下面结合附图和具体实施例对本发明的技术方案作进一步说明。可以理解的是， 此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的 是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。 [0064] 如图所示1，本发明提供一种乒乓球智能训练教学系统，包括： [0065] 智能监测终端，所述智能监测终端通过内建的5G通讯模组或有线千兆局域网与云 端数据处理中心进行数据通信；智能监测终端通过自带HDMI显示接口与大屏幕电视连接； 智能监测终端通过GX12航空插头外接双路AHD 720P模拟高清摄像头； [0066] 蓝牙运动跟踪器，用于采集乒乓球运动员的动作姿态数据，并通过蓝牙将数据传 输至智能监测终端； [0067] 蓝牙无线耳机，通过蓝牙与智能监测终端配对通信，通过智能监测终端的5G通讯 模组接入云端数据处理中心进行互动语音通线所示，本发明的乒乓球智能训练教学系统架构，是由感知层、决策层和执行 层组成，其中感知层，主要由蓝牙运动跟踪器及双路模拟高清摄像头装置构成，主要用于采 集运动员姿态与状态数据，所述运动员姿态与状态数据包括握拍姿势数据、动作状态数据、 心跳/心率数据，所述动作状态数据包括：反手推挡、正手攻球动作、站位、回球路线；决策层 则由智能监测终端负责担当，该终端可根据现场比赛规则、比赛环境以及运动员状态数据， 利用现有的心理素质状态检测算法、握拍姿势识别算法和动作姿态算法完成运动员的动作 行为分析，并将动作行为分析结果传输给智能监测终端的5G通讯模组，上传到云端；动作行 为分析的结果包括下一步训练任务、行为和接发球控球能力路径，所述训练任务包括握拍 保持、发球、击球、站位、反手推挡、正手攻球等，所述行为包括加速、减速、转向、推、侧、扑 9 9 CN 117122881 A 说明书 6/13页 等；在执行层中，蓝牙无线耳机则用于接收智能监测终端发来的语音命令及语音对话，语音 命令包括动作、站位、发球、击球、心态的指导命令，使运动员按照既定比赛实战策略实操， 加强训练。 [0069] 图3为实施例1提供的5G智能监测终端结构框图，所述智能监测终端可作为整个乒 乓球智能训练教学系统主控决策装置，安装于比赛现场，智能监测终端200包括多核异构处 理器210，多核异构处理器210内置NPU处理器和GPU处理器；多核异构处理器210分别与 WiFi/BT无线、EMMC NAND flash存储器212、micro SD卡槽213、HDMI接口214、多路USB接口(含USB  OTG及USB Host接口)226、用户按键225、LED工作状态指示灯224、以太网PHY芯片222、AHD  RX视频接收解码芯片215、电源管理芯片219、M.2SSD固态硬盘插槽218、主频晶振217连接； 所述5G无线、双路MIC.phone麦克风227；以太网PHY芯片222设置有可到1000M的RJ45以太网接口 223；AHD RX视频接收解码芯片215设置有双路AHD摄像头航空插头216；电源管理芯片219设 置有电源开关机键221、复位键220。 [0070] 所述5G通讯模组或有线千兆局域网单元，可与云端数据处理中心进行大数据通 讯；所述HDMI接口单元直接与大屏幕电视连接，支持观看影音内容；所述视频接收器单元， 用于智能监测终端通过GX12航空插头外接双路AHD 720P模拟高清摄像头输入。 [0071] 所述WiFi/BT通讯模组单元中，WiFi无线通信模组用于WiFi无线网络接入，可支持 WiFi热点应用，与外部智能手机，平板电脑作无线连接上网；BT无线通信模组分别与蓝牙运 动跟踪器、蓝牙无线耳机配对，用于无线数据收发传输及语音通线] AHD模拟高清摄像头用于采集比赛现场的运动员动作，发球，回球，站位等动作参 数进行检测，涉及获取比赛双方运动员动作数据，包括双方运动员接发球路线检测数据、范 规识别数据； [0073] 双路AHD摄像头航空插头216，与AHD RX视频接收解码芯片215相连，可将AHD模拟 高清信号，经视频接收解码芯片，转为MIPI CSI信号，直接与多核异构处理器210连接，多核 异构处理器芯片单元210内建了VPU视频编解码处理器，可将获取的视频数据进行H。264/H。 265进行视频压缩处理，以降低视频数据占用容量，视频压缩处理的数据，可通过PCIE高速 数据通信接口，传输到M.2SSD固态硬盘插槽218的外插大容量SSD固态硬盘，实现本地数据 存储； [0074] HDMI接口214与外部的大屏幕电视直连，用于比赛现场比赛现场数据及平常运动 员训练教学示范指导，回放视频录像显示，HDMI为音视频接口，可支持在大屏幕上播放声 音。 [0075] RJ45以太网接口223与以太网PHY芯片222相连，用于千兆有线局域网通信接入连 接。 [0076] 双路MIC.phone麦克风227与音频HUB编解码器229相连，用于远距拾音，进行语音 识别操作。 [0077] 音频HUB编解码器229用于多路音频信号输入及内部通路转换切换，至少可支持3 路I2S/PCM数字音频接口，可分别与多核异构处理器芯片单元210中的I2S数字音频接口，5G 通信模组231的PCM语音通话接口，WiFi/BT无线中的BT蓝牙PCM语音通线可支接与耳机接口228连接。 [0078] 多核异构处理器210通过SDIO接口及UART接口分别与WiFi/BT无线中 的WiFi及BT蓝牙进行数据通信。 [0079] 多核异构处理器210通过USB接口与5G通信模组231连接，进行高速数据传输； [0080] 多核异构处理器210用于获取外部感知设备如摄像头及蓝牙运动跟踪器的涉及运 动员运动参数数据，进行多源数据分类分析与融合，通过内置的NPU处理器 (Neural  Processing Unit，神经网络处理器)，进行AI人工算法模型如贝叶斯公式推理，以取得决策 前的判断依据，针对屏幕显示操作界面，则通过内置的GPU处理器(Graphics Processing  Unit，图型处理器)来煊染处理；多核异构主控AP处理器210并通过5G通信模组231将运动员 动作姿态，心理参数大数据上传到云端数据平台中心服务器，以使服务器根据不同运动员 自身的特征素质，确定不同运动员在比赛现场所应对比赛选手的调控策略。 [0081] 本实施例中，智能监测终端200采集监测的数据为多个，分别用于采集侦测运动员 自身的动作姿态数据，运动状态数据及心率心跳数据。其中，通过WiFi/BT无线通信模块无 线中的蓝牙无线传输，可采集接收来自运动员穿戴的蓝牙运动跟踪器内的3D 加速度传感器、3D陀罗仪传感器数据及心率传感器数据；通过双路AHD摄像头航空插头216 外接双路AHD模拟高清摄像头，可采集接收比赛现场运动员的状态数据，如：反手推挡、正手 攻球动作、站位、回球路线，采集到外部传感器运动员多源数据之后，可将数据发送到多核 异构处理器210来进行多源数据综合分析融合处理。 [0082] 所述多核异构处理器210中的NPU处理器，根据接收到的运动员动作状态数据，对 运动员握拍姿势进行人工智能算法分析，若判断出握拍姿势不到位，即时在大屏幕上显示 不合格的握拍姿势，并发出纠偏提示，若判断握出拍手法到位，则可显示正确pass通过；同 时将运动员的姿态与状态数据、心率数据通过5G通讯模组或千兆以太网上传到云端数据处 理中心，在云端数据处理中心进行人工智能分析，分析结果包括运动员发球动作、回球路线 变化、比赛时心理素质、范规次数、反手推挡、正手攻球、侧身攻、步法移动数据，还包括对手 击球动作的破解方案； [0083] 所述智能监测终端200与云平台数据中心服务器之间通过5G无线通讯模块实现远 程通信。本实施例中5G无线通讯模块采用USB接口与多核异构处理器210通信数传，5G无线G NR通讯协议栈、ESIM(Embedded‑SIM，嵌入式SIM)卡和天线等，具有高带 宽，低时延，高可靠性的通信特点，可将智能监测终端的大批量运动数据上传至云端数据处 理中心，并进行快速交互通信。 [0084] 在实现整个训练教学系统的监控时，云平台数据中心服务器器根据采集订制化的 运动员状态数据信息，进行大数据人工智能算法综合分析决策判断，向智能监测终端200发 送运动员指导指令(含语音指导)，智能监测终端200中的多核异构处理器210通过5G无线获取到运动员训练指导指令后，启动通过蓝牙无线耳机语音通信方式，通知受训 运动员调整动作状态，直至动作修正到位。 [0085] 图4为本发明实施例1提供的蓝牙运动跟踪器300硬件方框示意图，所述蓝牙运动 跟踪器为手环方式，可穿戴于乒乓球运动员手腕位置，在短距10米范围内实时采集乒乓球 运动员的动作姿态及心率数据，并并通过蓝牙无线通讯上传至智能监测终端200，为人工智 能分析提供数据；动作姿态数据包括乒乓球运动员的握拍姿势数据、击球动作姿态数据。 11 11 CN 117122881 A 说明书 8/13页 [0086] 蓝牙运动跟踪器300包括内置蓝牙通讯协议栈的微处理器芯片310，所述微处理器 芯片310分别连接蓝牙天线、主 晶振315、LED驱动电路320、电源管理芯片318、Flash存储器314、所述LED驱动电路320设置 有LED指示319；所述电源管理芯片318设置有充电接口317，电源管理芯片318连接可充电锂 电池316。 [0087] 所述3D加速度传感器与3D陀罗仪传感器312通过I2C与内置蓝牙通讯协议栈的微 处理器芯片310相连，所述3D加速度传感器与3D陀罗仪传感器312包括计步器模块、大幅运 动检测模块和倾斜度检测模块，计步器模块用于步伐侦测和步数计算，用于采集乒乓球运 动员的动作姿态数据，并通过蓝牙将数据传输至智能监测终端。 [0088] 所述心率传感器313通过I2C与内置蓝牙通讯协议栈的微处理器芯片310相连，用 于采集乒乓球运动员的心率、心跳数据。 [0089] 所述蓝牙天线与内置蓝牙通讯协议栈的微处理器芯片310相连，用于与监测终 端200无线] 所述Flash存储器314通过SPI与内置蓝牙通讯协议栈的微处理器芯片310相连，用 于存放运行蓝牙运动跟踪器300程序。 [0091] 所述LED驱动电路320通过GPIO与内置蓝牙通讯协议栈的微处理器芯片310相连， LED驱动电路直接RGB LED灯。 [0092] 所述电源管理芯片318通过I2C与内置蓝牙通讯协议栈的微处理器芯片310相连， 内置有用于电池充电的降压稳压器、用于LED背光的可编程升压稳压器、电量计和三个 150mA低压降稳压器(LDO)。 [0093] 为形成闭环式乒乓球训练教学系统，还支持外接蓝牙无线耳机，以用于与运动员 训练比赛现场适时语音通话，将蓝牙无线耳机与智能监测终端进行蓝牙通信连接配对即 可，所述蓝牙无线耳机与智能监测终端配对后，透过监测终端中的5G无线通讯模组与云端， 藉助于蓝牙HFP(Hands‑Free Profile)协议，实现进行无线语音通话，不影响乒乓球运动员 击球，所述蓝牙无线耳机因是市面上习知实施例，有关说明的解释在此不再赘述。 [0094] 图5是本发明提供的乒乓球智能训练教学系统的工作流程图，本发明的乒乓球智 能训练教学系统的训练过程包括以下步骤： [0095] 1)参加训练的乒乓球运动员，各自在握球拍的手腕部位戴上手环式蓝牙运动跟踪 器300；将蓝牙无线配对，调试好收发信号音量后戴入耳中； [0096] 2)在智能监测终端200中安装蓝牙运动跟踪器APP，完成蓝牙运动跟踪器300与智 能监测终端200配对； [0097] 设备调试完成后，进入乒乓球智能训练教学系统，大屏幕显示指导教学内容，握拍 手法视频教学，训练计划等； [0098] 3)智能监测终端通过5G通讯模组231下发训练动作要令到蓝牙无线耳机，包括发 球、击拍、握拍等常规动作，运动员通过蓝牙无线耳机收到操作指令，同时大屏幕显示示范 动作，运动员进行乒乓球训练动作，运动员穿戴的蓝牙运动跟踪器300通过内置传感器采集 运动员的握拍姿势、动作姿态、心率等运动数据，运动数据通过蓝牙上传到智能监测终端； 同时智能监测终端的双路模拟高清摄像头拍摄运动员动作视频，智能监测终端通过多核异 构处理器芯片210的VPU视频处理器单元转化成H。265视频数据压缩格式，并将视频数据存 12 12 CN 117122881 A 说明书 9/13页 储于智能监测终端中的M。2NMVE SSD固态硬盘中； [0099] 4)在智能监测终端的多核异构处理器芯片210中的NPU处理器单元中，根据接收到 的运动员握拍姿势数据，对运动员握拍姿势进行人工智能算法分析，若判断出握拍姿势不 到位，即时在大屏幕上显示不合格的握拍姿势，并发出纠偏提示，若判断握出拍手法到位， 则可显示正确pass通过；将运动员的动作姿势、心率数据通过5G通讯模组或千兆以太网上 传到云端数据处理中心，在云端数据处理中心进行人工智能分析，分析结果包括运动员发 球动作、回球路线变化、比赛时心理素质、范规次数、反手推挡、正手攻球、侧身攻、步法移动 数据，还包括对手击球动作的破解方案； [0100] 5)云端数据处理中心通过5G通讯或千兆网络下发运动员指导命令及语音通话数 据到智能监控终端，智能监控终端解析云端指导命令后，再由智能监控终端透过蓝牙与运 动员蓝牙无线耳机建立交互式通话，运动员接收指导命令后纠正动作，通过蓝牙运动跟踪 器采集更新的运动动作，直至运动员已按规范性操作。 [0101] 所述智能监控终端可通过红外遥控器操作进行DVR录像及回播视频内容，以帮助 运动员事后查看自已的握拍及步法动作是否合规协调。 [0102] 利用本发明乒乓球智能训练教学系统进行运动员动作行为侦测融合感知，实现训 练比赛中对于自身以及赛场周边环境及对手的融合感知，形成的感知数据包含有比赛现场 双方运动员数据、受训的运动员数据和云端网联数据，其中受训的运动员状态数据包含运 动员心理素质检测、握拍手势识别、动作姿态三方面，主要用于识别运动员的动作姿态、检 测心理状态等，能够实现端‑人‑云的立体化数据采集监管。 [0103] 如图6所示，一种乒乓球运动员动作行为侦测融合感知方法，包括以下步骤： [0104] 步骤S610，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，采集运动员心 率/心跳数据，采集的心率/心跳数据进入步骤S613，进行运动员自身心率心跳特征提取，用 于心理素质状态特征检测； [0105] 步骤S611，蓝牙运动跟踪器与智能监测终端间通过蓝牙无线数传，蓝牙运动跟踪 器采集运动员3D加速度传感器与3D陀罗仪传感器数据；采集的3D加速度传感器与3D陀罗仪 传感器数据进入步骤S613进行运动员自动作姿态特征提取，同进进入步骤S615进行手势特 征(如握拍手势)提取，3D加速度传感器用于获取运动员挥拍速度、加速度特征与手势特征， 3D陀螺仪传感器则获取角速度，用于运动员动作姿态特征检测，如转身、反手回拍等；步骤 S613的输出数据进入步骤S617多源采集数据目标特征分类； [0106] 步骤S612，双路AHD模拟高清摄像头连接智能监测终端，采集比赛现场运动员动作 状态视频数据； [0107] 步骤S613,进行运动员自动作姿态特征提取； [0108] 步骤S614,所述步骤S615提取的手势特征进入多核异构处理器中的NPU处理器，用 于进行AI人工智能算法的数据计算，判别出运动员自身的握拍姿势特长； [0109] 步骤S615，进行手势特征提取； [0110] 步骤S616，由智能监测终端的多核异构处理器200中的VPU处理器对图像数据进行 运算处理，模拟视频信号经视频编码器转换为MIPI CSI信号，再形成H.265压缩编码格式， 再进行特征点提取和图像分类识别；对图像数据进行运算处理后，获得比赛双方运动员动 作数据，包括双方运动员接发球路线检测数据、范规识别数据；对图像数据进行运算处理包 13 13 CN 117122881 A 说明书 10/13页 括特征点提取和图像分类识别，识别出运动员比赛现场击球动作、站位、回球路线，范规等； 特征点提取采用PCA算法或LDA算法； [0111] 步骤S617，在智能监测终端中的多核异构处理器中对比赛双方运动员姿态与状态 数据进行时空配准融合，用于本地多源数据重构，得到统一的运动员状态信息时空基准； [0112] 智能监测终端将对3D加速度传感器、3D陀螺仪传感器、心率传感器、双路模拟高清 摄像头采集得到的数据进行时空配准融合处理；3D加速度传感器、3D陀螺仪传感器、心率传 感器、双路模拟高清摄像头得到的数据信息是在同一坐标系下的描述，称为空间配准；3D加 速度传感器、3D陀螺仪传感器、心率传感器、双路模拟高清摄像头之间的数据信息在时间上 对齐，称之为时间配准，空间与时间均配准成为时空配准，进行时空配准融合处理步骤为： [0113] 1)采用相似度匹配方法进行异步时间基准对齐； [0114] 2)采用空间基准距离补偿方法匹配多源信息数据的空间坐标，所述多源信息数据 包括3D加速度传感器、3D陀螺仪传感器、心率传感器、双路模拟高清摄像头得到的数据； [0115] 3)对双方运动员视频图像数据进行特征相似度匹配，并对误匹配的差异点进行剔 除，得到统一的双方运动员状态信息时空基准； [0116] 4)收集每个传感器来源的数据信息特征，并识别目标属性，给出关于目标属性的 表征量，表征量包括比赛双方运动员速度特征、动作姿态特征及心理素质状态特征； [0117] 由蓝牙运动跟踪器采集的运动员数据信息特征包括运动员速度特征、动作姿态及 心理素质状态特征；由双路模拟高清摄像头采集的图像数据信息特征包括双方运动员接发 球路线检测数据、范规识别数据； [0118] 步骤S618，利用多核异构处理器中的NPU处理器计算假设环境属性前提下的似然 函数及融合后验概率，将计算得到的融合后验概率与预设的阈值比较，如果融合后验概率 大于或等于预设的阈值，则得到决策级融合结果；由极大后验判定逻辑判断决策级融合结 果是否达到运动员调整后的感知精度，完成受训运动员多源数据融合后的决策级综合分 析。 [0119] 采用贝叶斯推理算法模型对统一基准后的数据进行决策级融合，计算融合后验概 率，步骤为： [0120] 如图2所示，假设共有x个数据采集源，得到m个环境属性，并记为A ，i＝1，2，。。。， i m，m表示数据信息特征的数量，包括比赛双方运动员速度特征、动作姿态特征及心理素质状 态特征；x表示数据采集源的数量，数据采集源包括3D加速度传感器、3D陀罗仪、心率传感 器、摄像头等； [0121] 贝叶斯推理算法模型包括多级，在第一级中，收集每个传感器来源的数据信息特 征，并识别目标属性，给出关于目标属性的表征量，并记为B (j＝1，2，。。。，x)；所述目标属 j 性包括运动员速度特征、动作姿态、心理素质状态； [0122] 在第二级中，计算多源传感器在假设环境属性前提下的似然函数P(B A)，多源传 j i 感器即为多个传感器的集合； [0123] 在第三级中，根据贝叶斯公式计算多源数据的融合后验概率； [0124] 贝叶斯公式为P(A B,B ,...,B)＝P(B ,B ,...,B A)P(A)/P(B ,B ,...,B)， i 1 2 x 1 2 x i i 1 2 x [0125] 其中，P(A B,B ,...,B)表示所有传感器在统一基准输入信息下对假设A 的融合 i 1 2 x i 后验概率； 14 14 CN 117122881 A 说明书 11/13页 [0126] P(B ,B ,...,B A)＝∏P(B  /A)表示在满足假设A 条件下的多源信息联合统计 1 2 x i j i i 概率； [0127] P(A)表示假设A 的预期概率； i i [0128] P(B,B ,...,B )＝∏P(B  )表示多源采集数据置信度的联合统计概率，∏.表示 1 2 x j 似然函数； [0129] 步骤S619,根据步骤S614运动员自身的握拍姿势特长，生成优先级指导策略； [0130] 步骤S620，基于融合后验概率判断置信度条件，选择极大后验判定逻辑； [0131] 按下式选择具有最大后验联合概率的目标属性， [0132] [0133] * 设判定预设的阈值为P ，若P ≥P ，则输出融合结果判定逻辑公式 0 0 否则继续根据贝叶斯公式计算融合后验槪率，进行深度 融合； [0134] 步骤S622，利用极大后验判定逻辑进行判断，如果决策级融合结果没有达到运动 员调整后的感知精度，则进入融合后的决策级综合分析，即根据步骤S619的优先级指导策 略，生成打法指导决策辅助判定结果； [0135] 步骤S624，智能监测终端将打法指导决策辅助判定结果通过5G通讯模块上传到云 端数据处理中心，进行协同综合决策判定； [0136] 步骤S627，智能监测终端将打法指导决策辅助判定结果，可直接存储到本地数据 存储固态硬盘内； [0137] 步骤S628，智能监测终端内的多核异构处理器，根据打法指导决策辅助判定结果， 判断是否训练达标，并利用多核异构处理器中的GPU+VPU处理器播放显示到外部大屏幕电 视上，作现场教学指导。 [0138] 步骤S624，在智能监测终端多核异构处理器中的AP处理器+NPU处理器中，根据现 场比赛规则、比赛环境对手以及运动员状态数据，利用现有的心理素质状态检测算法、握拍 姿势识别算法和动作姿态算法完成运动员的动作行为分析，通过智能监测终端的5G通讯模 组将动作行为分析结果上传到云端数据处理中心；所述动作行为分析结果包括下一步训练 任务、行为和接发球控球能力路径，所述训练任务包括握拍保持、发球、击球、站位、反手推 挡、正手攻球等，所述行为包括加速、减速、转向、推、侧、扑等。 [0139] 步骤S625，在云端数据处理中心利用动作行为分析结果生成相应的运动员指导命 令及语音，通过5G通讯模组下传至智能监测终端； [0140] 步骤S623，智能监测终端多核异构处理器将通过5G通讯模组接收的运动员指导命 令进行解析； [0141] 步骤S629，通过5G通讯模组接收的PCM语音形式数据，利用智能监测终端内的音频 HUB编解器发送到WiFi/BT无线通信模块，通过蓝牙语音传输协议传送至运动员穿戴的蓝牙 无线耳机中，进行语音交互教学训练；所述指导命令包括日常训练计划、握拍手法指导、心 理素质训练、击球反击训练和接发球训练等。 [0142] 实施例2 [0143] 在实施例1的基础上，如图6所示，智能监测终端的NPU处理器的计算平台与云端数 15 15 CN 117122881 A 说明书 12/13页 据处理中心的分工运算协同分配方法，包括以下步骤： [0144] 步骤S618，在多核异构处理器中的NPU处理器，根据步骤S617获得的多源数据量， 预测进行AI人工智能模型贝叶斯公式计算融合后验槪率及极大后验判定逻辑所需算力； [0145] 步骤S621，已知多核异构处理器中的NPU处理器算力，若预测出进行AI人工智能模 型算力超出本地芯片的NPU处理器算力，则上报信息给云端数据处理中心，请求云端数据处 理中心通过5G通讯模组获取有关运动员状态的大数据，进行增强AI算力分析。 [0146] 智能监测终端NPU处理器计算平台执行实时性要求高、计算量小、运动员自身特点 针对性强的数据计算，如握拍特性；而针对执行计算量大、共享性强、实时性要求低的大数 据计算，如运动员自身的动作姿态，如转身、反手回拍、反手推挡、正手攻球动作等等，则终 端NPU计算平台算力有限，需要云端协同处理大数据综合分析。 [0147] 步骤S617，智能监测终端如果收到云端应对回应，则启动内部数据传输流程，将多 源采集数据目标特征，进行数据封包，然后通过5G通讯模组上传到云端数据处理中心，完成 受训运动员多源数据融合后的决策级综合分析。 [0148] 智能监测终端并与蓝牙无线耳机构建语音通话指导，最终完成受训运动员比赛现 场的打法构建，将打法决策的分析结果存储和上报；打法决策信息将上报至端数据处理中 心，支持云端数据处理中心的进行协同管控，制定日常训练计划、准确提供运动员动作手 法，发球次数，发球时长、击球范围、站位、击球点、击球时间、击球部位、触拍部位、击球距 离、击球线路击、范规次数等乒乓球有关数据，也可避免裁判员误判、虚报等现象；可确保判 罚工作的准确性，有效控制乒乓球运动公正性。 [0149] 本发明的系统，利用乒乓球运动员学生手腕戴上内建3D加速度与3D陀螺仪+心率 传感器的蓝牙运动跟踪器装置，适时自动采集运动员握拍姿势，运动击球姿态，心率的数 据，无需手工记录，管理人员工作量减少，透过蓝牙通讯，上传到5G通讯模组及双路模拟高 清摄像头的智能监测终端，进行乒乓球运动员运动数据分析，保障了现场乒乓球运动员数 据的准确性，避免了人为因素错误，实现了对运动员的实时动作精确化采集管理。提高监控 人员的工作效率，降低人工成本；实现实时无人监控系统。 [0150] 利用内建5G通讯模组及双路模拟高清摄像头的智能监测终端装置，透过内建的双 路模拟高清摄像头，可对乒乓球桌两边的运动员，进行实时视频摄像；该视频摄像操作，可 通过内建的远距双麦克风拾音，进行语音操控；该视频摄像数据文件。可实时以H。265压缩 编码格式，存储于M。2NVME SSD固态硬盘，方便随时调用现场比赛录像。藉助于5G通讯高速 高宽带，低时延的特点，可有效地将运动员现场视频数据，实时传到云端进行大数据分析 [0151] 利用运动员所戴的无线蓝牙耳机，可实时与内建5G通讯模组及双路模拟高清摄像 头的智能监测终端装置进行语音通话，接收来自云端分析的指导命令，5G通讯的低时延特 性，确保了可远程实时回传指导命令。 [0152] 利用内建5G通讯模组及双路模拟高清摄像头的智能监测终端装置，透过于内建的 蓝牙通讯模组，实时对采集到的运动员运动数据，基于内建的于NPU单元算力进行人工智能 算法分析，可实现对现场双方个运动员基本的握拍姿势解析‑‑‑握拍姿势，通常有两种，一 种横拍握法，另一种竖拍握法。一旦侦测到运动员握拍姿势不正确，则透过无线蓝牙耳机发 出语音，提示受训运动员即时纠偏；针对进阶对抗型运动员手法姿态，击球路数，心理要素 数据分析，则通过5G通讯模组上传到后台云计算平台，进行进阶运动员专属大数据分析处 16 16 CN 117122881 A 说明书 13/13页 理，云平台通过人工智能算法，将会对比赛的运动员进行专属动作分析，球路路数分析，心 理因素分析，给出破解提示对策，通过蓝牙语音通信，与运动员所戴的无线蓝牙耳机进行通 话指导，实施动作纠偏。此智能监测终端装置，基于5G通讯低时延，高可靠性的特点，可实现 实时地现场动作指导，能有效区分现场双方运动员的握拍姿势，运动动作，回球路数，心理 因素差异，规避了人为指导因素的误判，加强了通过5G云端分析作业的监控管理。准确提供 运动员动作手法，发球次数，发球时长、击球范围、站位、击球点、击球时间、击球部位、触拍 部位、击球距离、击球线路击、范规次数等乒乓球有关数据，也可避免裁判员误判、虚报等现 象；可确保判罚工作的准确性，有效控制乒乓球运动公正性。 [0153] 利用云端物联网平台大数据统计处理能力，根据运动员身体状况、发球动作姿态， 发球频率、击球时长、击球部位，反手手法模式、推拉动作使用频率等指标，可以形成运动员 自身的动作评估模型，给出自身优化提升技能配置方案，合理地制定训练计划；还可根据比 赛站点、时间等生成统计表，便于教练及助教管理人员进行统计分析，实现了运动员比赛代 维分析和考核的准确性。为专属运动员制定合理的培训计划，实现再逐步细化管理，降低训 练成本。 [0154] 上述仅为本发明的较佳实施例及所运用技术原理，但是本发明不仅仅限于以上实 施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由 所附的权利要求范围决定。 17 17 CN 117122881 A 说明书附图 1/4页 图1 图2 18 18 CN 117122881 A 说明书附图 2/4页 图3 19 19 CN 117122881 A 说明书附图 3/4页 图4 图5 20 20 CN 117122881 A 说明书附图 4/4页 图6 21 21

　　2、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问加。

　　3、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。

　　4、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

　　通桥[2016]2311-Ⅰ 时速350公里高速铁路 预制无砟轨道后张法预应力混凝土简支箱梁（单线m、直、曲线）.pdf

　　2025年中国林产品集团有限公司公开招聘纪委办公室(巡察办)工作人员笔试参考题库附带答案详解.pdf

　　人教精通版英语四年级下册Unit 1 Welcome to my new home! Lesson 5说课课件.pptx

　　原创力文档创建于2008年，本站为文档C2C交易模式，即用户上传的文档直接分享给其他用户（可下载、阅读），本站只是中间服务平台，本站所有文档下载所得的收益归上传人所有。原创力文档是网络服务平台方，若您的权利被侵害，请发链接和相关诉求至 电线) ，上传者开云网站开云网站