基于视频分析与数据挖掘的体育策略优化：网球双打自动化视频分析框架

我们提出了一个针对网球双打的综合视频分析框架，旨在解决该战略上复杂的运动缺乏自动化分析工具的问题。该方法引入了标准化的标注方法，涵盖球员位置、球类型、场地编队和赛果，并配备了专为网球视频标注设计的特殊化标注工具。该框架集成了先进的机器学习技术，包括 GroundingDINO 用于通过自然语言锚定实现精确球员定位，以及 YOLO-Pose 用于稳健的姿态估计。这一组合显著减少了手动标注工作，同时提高了数据一致性和质量。我们在双打网球比赛数据上进行评估，证明了基于 CNN 的模型在迁移学习方面在预测球类型、球员位置和编队方面显著优于基于姿态的方法。CNN 模型有效捕捉了双打网球分析中所需的复杂视觉和上下文特征。我们的集成系统将先进的分析能力与网球双打的战略复杂性相结合，为自动化战术分析、绩效评估和战略建模在职业网球中提供了基础。