首页文章详情

滑铁卢大学研发棒球AI新技术

刘畅

2025-06-27 15:57:59

人浏览

美好向往，11实现月度精彩...

了解详情

一站式留学评测留学快人一步

了解详情

申请顶尖院校必备！教你如何提...

了解详情

第二外语选什么小语种吃香？

了解详情

滑铁卢大学系统设计工程学院的研究团队与美国职棒大联盟（MLB）中的巴尔的摩金莺合作，携手开发了一款名为 PitcherNet 的人工智能系统，利用低分辨率视频实现对投手动作的精准建模与分析。这一技术的问世，有望为高校棒球、职业赛事乃至训练模式带来颠覆性变化，让数据驱动的分析工具更为普惠，适用于从广播视频和智能手机拍摄内容中提取关键洞察

AI助力精准投球动作识别

传统的棒球动作分析依赖于场馆内高端跟踪硬件，如Hawk‑Eye系统，但对低分辨率视频支持不足，也缺乏普及性。为此，滑铁卢团队在 Vision and Image Processing 实验室的带领下，设计了一套可处理广播镜头或手机视频的算法架构。他们通过三维建模和机器学习技术，对每个镜头中的投球动作进行精细还原，捕捉速度、释放点、身体参数等关键运动学信息。

主导该研究的 John Zelek 教授指出，该项目旨在“复制 Hawk‑Eye 系统，并在此基础上，通过普通视频或智能手机拍摄角度获得相似功能”，为大多数球赛场景下的动作分析提供可能。

PitcherNet 技术与性能亮点

PitcherNet 系统成为 PitcherNet的核心技术包括：

准确度验证成果：在技术评估中，该系统的关节识别误差仅为 1.8毫米，精度明显高于现有算法。
强化学习驱动识别能力：团队通过训练 AI 来识别投手在低质量视频中的身体关键点，实现高达 96.8% 的投手跟踪准确率；
3D 三维运动建模：通过 AI 模型将二维视频中的动作数据转换为三维人体模型，并从中提取出动态投球特征

这些优势使得 PitcherNet 成为一款“轻量级、精准、高效率”的运动分析工具。研究者指出，这对大学联盟比赛、野球训练、青少年棒球系统都有极高的参考价值。