篮球 AI 智能分析系统
自研篮球 AI 模型 + 边缘计算设备，让每一场训练与比赛自动产出数据、直播与报告——全部本地运行，断网完整可用。
看懂每一帧 · 定义每一分
自研专属模型矩阵
不是通用开源模型的套壳——每一个模型都为篮球场馆场景自研或用自有数据训练
专属检测+姿态模型
venue_pose 系列
为篮球场馆视角专门训练：单模型同帧识别球员/裁判/观众/篮球/篮筐五类 + 人体 17 关键点；自有训练平台用场馆真实数据训练，已通过专项验收部署
自研动作分类器
BasketballGCN
自研架构，7 类篮球动作实时识别：运球/投篮/传球/抢篮板/防守/上篮/空闲
自训球衣号码模型
自设计轻量网络
0~100 号码识别，视频条件下稳定输出
自研多目标追踪器
产线默认引擎
篮球场景专门优化，关键指标实测优于开源方案（IDF1 83.1 vs 82.7），已是产线默认引擎
数据飞轮
持续进化
场馆真实数据回流 → 自有训练平台 → 模型持续升级，越用越懂你的球场
为什么强调“自研专属”
通用模型在场馆视角、小目标球体、遮挡对抗等场景误差大；专属模型用你的场馆真实数据持续训练，识别精度与稳定性随使用不断提升。
10 项核心能力
从采集到复盘的全链路能力，全部已在真实场馆实装运行
目标检测 + 姿态估计
单模型同帧输出五类目标：球员/裁判/观众/篮球/篮筐；人体 17 个关键点坐标与置信度
多目标追踪
多人 + 球同时追踪，跨遮挡保持身份；输出完整轨迹序列
动作识别
7 类篮球动作实时逐人判定
投篮事件分析
出手检测、命中/不中判定、2 分/3 分区域识别，事件带时间戳与置信度
球衣号码识别
0~100 号码识别，自动关联名单
人脸识别
检测 + 特征 + 聚类 + 三级身份匹配；名单绑定、个人数据自动归档
队伍归属
按代表色自动区分主客队，统计自动分账
球体追踪
小目标、频繁遮挡、运动模糊场景下的实时球体追踪——场馆级难点，已在实装中解决
自主导播
AI 虚拟运镜自动跟踪取景 + 自动机位切换，一键回到固定全景——单设备输出导播级直播画面，无需专人操作
战术孪生
每名球员与球逐帧映射到统一球场坐标系（米制）——俯视战术视图、跑动轨迹与热区、逐人跑动距离，整场比赛数字化复盘
每场比赛自动产出六类数据资产
数据不止看得见——可直播、可审计、可对接、可沉淀为机构自有资产
实时直播
多机位画面四协议分发（HLS/RTSP/RTMP/WebRTC），手机/大屏直接看
实时事件与统计
比赛事件带置信度，AI 低置信进待确认队列、人工与 AI 双源可审计——数据准确性优先
结构化战报数据
全场统计 / 事件时间线 / 集锦索引，标准 JSON 格式
全量录像资产
4K 全场直录 ×2 + 高清主录，事件时间戳与录像帧精确对齐（任意事件一键定位画面时刻）
逐帧关键点数据
训练级精度的结构化数据流，机构自有数据资产
开放对接
全部数据以 API/标准格式输出，可嵌入机构自有系统
产品形态一览
赛事直播页与赛后分析报告的真实界面形态（页面内数据为演示数据）
干净画面 + 数据面板
主画面实时识别，REC 录制角标、FPS、分辨率一屏尽览
实时迷你战术板
辅助窗口同步渲染球员站位，教练视角纵览半场
多目标并行追踪
多人编队、多类动作同时识别，纯视觉免穿戴
视觉免穿戴，多相机覆盖（双工业 + 双 4K）；全部推理在边缘设备本地完成
一场比赛，一份 7 板块完整报告
基本信息 / 球员列表 / 运动负荷 / 体能效率 / 事件时间线 / 投篮分布 / 投篮动作分析
以下为报告形态演示（数据为示意）；实装系统以真实比赛数据产出同等结构报告
为真实场馆而生的工程底座
能力跑得起来，更要常年跑得稳
边缘优先
录制、识别、直播全部本地闭环，断网完整可用
为生产环境设计
多相机时间同步、存储自动管理、异常自恢复
模型迭代管线
数据回流—训练—部署闭环已建成
跨运动扩展：同一引擎换运动专属模型即可扩展——高尔夫/网球高速球识别已完成相机帧率可行性实测（90fps+）。