用于实时分析视频的系统和方法与流程
用于实时分析视频的系统和方法
1.相关申请
2.本技术要求于2020年2月14日提交的第202041006309号印度专利申请的利益，该印度专利申请的内容通过引用以其整体并入本文。
3.背景
4.本发明涉及用于分析视频流的系统和方法。更具体地说，本发明涉及用于分析体育赛事的现场视频广播流(live video broadcast stream)的体育分析系统和方法。
5.广播体育赛事是一种非常常见的做法，其中观众能够体验他们错过了亲身参加的赛事。这也提高了针对更广泛的观众体的潜在收视率(viewership)，从而为广播公司、运动队(team)和体育特许经营机构提供了重大利益。传统上，用于现场广播馈送的实时上下文覆盖物(overlay)是通过插入和呈现与潜在观看者相关的上下文信息以增加收视率来完成的。然而，对于体育赛事来说，它需要复杂的数据跟踪和分析来实时呈现上下文交互内容，以使观众积极地参与到现场广播馈送中。因此，需要用于分析体育赛事的现场视频广播流以为观众递送实时的上下文交互内容的系统和方法。
6.在分析体育赛事时，实时的运动捕获和对象跟踪是必不可少的。分析体育赛事的现场广播馈送的主要方面是通过随时间的推移积极地追踪和跟踪运动员来实时识别运动员，以便在将其呈现给观众之前获得有意义的见解。现有技术中存在使用光学系统、各种传感器来测量运动员的器官的三维(3d)位置以及使用各种模式识别技术的运动捕获方法。然而，它们需要包括传感器阵列和专用硬件的复杂系统来准确识别和定位测量值。此外，这使得在现场广播馈送上实时准确地执行分析和递送上下文交互内容更加困难。因此，需要用于分析体育赛事的现场视频广播流的系统和方法，以通过多层面的(multifaceted)技术识别运动员，从而为观众递送上下文交互内容。
7.在体育赛事中，场景大多是动态的，因为运动员基于比赛的性质和环境在其他对象旁边移动他们自己。现有的跟踪技术倾向于提供关于运动员和对象的定性数据，但这需要复杂的技术和人工努力来将上下文交互内容带到现场广播馈送上。然而，数据的准确性并不是确定的和有效的。使用大量摄像机、传感器和标识符的系统被用来获取有用的信息。然而，这些技术需要繁琐的解决方案来执行分析，以从获取的数据中提取上下文交互内容，这进一步增加了成本和所花费的时间。由于动态图像导致视角不足和失真，光学3d测量技术无法提供准确的数据。前面提到的缺点导致在执行分析以检索有用的见解和指标方面的复杂性加剧。因此，需要用于分析体育赛事的现场视频广播流的系统和方法，以执行准确的体育分析，从而为观众递送具有大量见解和指标的上下文交互内容。
8.现场赛事通常为广播公司和广告商产生可观的收入。当诸如体育运动的现场赛事增加了上下文交互内容时，它将进一步扩展他们的业务，随后产生更高的收入。体育运动队执行大量分析，以对他们的运动员和他们的比赛进行研究，以便使用提取的准确数据和改进的分析模块来制定策略和决策。类似地，广播公司寻求这样的技术来增加现场广播馈送的货币化潜力。体育赛事的观众期望更多地参与比赛，并且因此需要用于分析体育赛事的现场视频广播流以实时递送更多上下文交互内容的系统和方法。传统技术需要复杂的硬件
来实现，并且需要在比赛场地/球场或其他地方的附加摄像机来捕获数据，这导致了昂贵的系统需要。
9.现场视频广播流由一系列帧组成。每秒帧数(fps)表示在1秒的时间范围内存在的帧数。单个帧的持续时间被称为帧保留(persistence)持续时间或帧持续时间(1000ms/fps)。例如，在25fps的视频中，每秒将由25帧组成，而每帧将在屏幕上持续存在总共1000/25＝40ms。为了实时地向观众提供上下文交互内容，所有的处理活动都应该发生在这个时间范围内，以便跟上现场广播馈送。否则，到处理完一个帧的时候，后续帧将丢失。因此，对于用于在帧保留持续时间或帧持续时间内分析现场视频广播流的系统和方法，存在长期感觉到但未解决的需求。
10.因此，对于用于分析体育赛事的现场视频广播流以实时地为观众递送上下文交互内容从而提高他们的收视率并为广播公司和广告商增加现有内容的货币化潜力的系统和方法存在长期感觉到但未解决的需求。
11.发明概述
12.提供本概述是为了以简化的形式介绍在本发明的详细描述中进一步公开的一系列概念。本概述不旨在确定所要求保护的主题的范围。
13.本文公开的体育分析系统和方法解决了上面阐述的对分析体育赛事的现场视频广播流以实时地为观众递送上下文交互内容从而提高他们的收视率并为广播公司和广告商增加现有内容的货币化潜力的需要。此外，本文公开的体育分析系统和方法利用实时消息传递协议流和超文本传输协议现场流之间的相位差来完成处理活动。体育分析系统包括用于分析体育赛事的现场视频广播流的计算机服务器。体育分析系统包括视频解复用器、非暂时性计算机可读存储介质和至少一个处理器。视频解复用器从视频捕获设备接收体育赛事的现场视频广播流，并将接收到的现场广播流拆分为实时消息传递协议流和超文本传输协议现场流。非暂时性计算机可读存储介质存储由体育分析系统的模块定义的计算机程序指令。处理器可通信地耦合到非暂时性计算机可读存储介质，并且处理器被配置为执行由体育分析系统的模块定义的计算机程序指令。分析模块在预定时间间隔内分析实时消息传递协议流。该预定时间间隔对应于实时消息传递协议流和超文本传输协议现场流之间的相位差。该预定时间间隔小于帧的帧保留时间。分析模块包括检测模块、跟踪模块、识别模块、比较模块和传输模块。检测模块使用基于第一组线索的可用性从该第一组线索中选择的一个或更多个线索来检测在实时消息传递协议流的帧中存在的一个或更多个人，该第一组线索包括面部检测、头部检测、人检测和运动衫号码检测。
14.跟踪模块通过分析实时消息传递协议流的一个或更多个先前帧来跟踪帧中被检测到的人。识别模块使用基于第二组线索的可用性从第二组线索中选择的一个或更多个线索来识别帧中被跟踪的人，该第二组线索包括面部识别、人识别、运动衫识别、体育赛事的现场得分馈送以及体育赛事的实况报道。运动衫识别包括运动衫号码分类和运动队识别中的一个或更多个。当在帧中执行面部识别、人识别和运动衫识别时，将单独的权重分配给面部识别、人识别和运动衫识别中的每一个。基于在帧中识别的每个人的清晰度来确定单独的权重。如果面部识别、人识别和运动衫识别中的任何一个不可用，则识别模块将现场得分馈送和实况报道中的一个或更多个用于帧中的一个或更多个运动员的识别。比较模块通过将每个被识别的人的分配的权重与所有运动员的预先存在的数据进行比较来识别帧中的
一个或更多个运动员。传输模块在预定时间间隔内将超文本传输协议现场流和包括所识别的运动员的上下文交互内容的分析数据传输到由体育分析系统在用户设备上提供的客户端应用。现场视频广播流被转换成包括所识别的运动员的上下文交互内容的交互视频。客户端应用包括用于提供用户与交互视频的交互的交互模块。
15.在用户设备上显示所识别的运动员的上下文交互内容，而不使所识别的运动员的上下文交互内容与超文本传输协议现场流的现有图形重叠。所识别的运动员的上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，并且所识别的运动员的上下文交互内容可以被定制并在社交媒体上共享。用户可以与交互视频中的一个或更多个所识别的运动员进行交互。体育分析系统通过识别感兴趣的运动员并针对用户设备显示所识别的运动员的关键指标(例如运动员的个人简介、赛季、职业统计数据、社交媒体帖子和相关视频)来增加按需(on-demand)增强的内容的实现。体育分析系统还为用户提供丰富的内容，以看到感兴趣的运动员的统计数据的正面交锋(head-to-head)比较。体育分析系统通过嵌入比赛体验而进一步帮助用户参与现场视频广播流，并为各种广播公司和广告商增加现有内容的货币化潜力。
16.附图简述
17.当结合所附的附图阅读时，会更好地理解前面的概述以及本发明的下面的详细描述。为了说明本发明，在附图中示出了本发明的示例性结构。然而，本发明不限于本文公开的特定方法和部件。
18.图1示例性地示出了包括用于分析体育赛事的现场视频广播流的计算机服务器的体育分析系统。
19.图2示例性地示出了由体育分析系统采用的用于分析体育赛事的现场视频广播流的计算机服务器的架构。
20.图3示出了用于分析体育赛事的现场视频广播流的方法。
21.图4a示例性地示出了在超文本传输协议现场流的帧中的人检测。
22.图4b示例性地示出了在超文本传输协议现场流的帧中的头部检测。
23.图4c示例性地示出了在超文本传输协议现场流的帧中的面部检测。
24.图4d示例性地示出了在超文本传输协议现场流的帧中的运动衫号码检测。
25.图4e示例性地示出了在超文本传输协议现场流的帧中的人检测、头部检测、面部检测、运动衫号码检测以及它们的关联。
26.图5示例性地示出了通过分析实时消息传递协议流的一个或更多个先前帧来跟踪帧中检测到的人。
27.图6a示例性地示出了使用提取的嵌入(embeddings)的面部识别。
28.图6b示例性地示出了运动衫号码分类。
29.图6c示例性地示出了通过提取嵌入进行的运动队识别。
30.图6d示例性地示出了用于识别帧中的一个或更多个运动员的现场得分馈送和实况报道。
31.图7a-图7d示例性地示出了覆盖在体育赛事的超文本传输协议现场流上的按需增强的上下文交互内容的屏幕截图。
32.图8示例性地示出了覆盖在超文本传输协议现场流上的丰富的上下文交互内容的
屏幕截图。
33.图9a-图9b示例性地示出了覆盖在超文本传输协议现场流上的针对用户的参与度和比赛体验的上下文交互内容的屏幕截图。
34.图10a-图10d示例性地示出了用于增加现有内容的货币化潜力的覆盖在超文本传输协议现场流上的上下文交互内容的屏幕截图。
35.图11示例性地示出了用于增强和增加现有内容在消费者端的货币化潜力的用户参与的屏幕截图。
36.发明的详细描述
37.图1示例性地示出了包括用于分析体育赛事的现场视频广播流的计算机服务器的体育分析系统100。如本文所使用的，“现场视频广播流”是指体育赛事的视频广播的现场馈送。体育分析系统100包括视频解复用器101、非暂时性计算机可读存储介质202和至少一个处理器201(如图2中示例性示出的)。视频解复用器101从视频捕获设备(未示出)接收体育赛事的现场视频广播流，并将所接收的现场广播流拆分为实时消息传递协议流101b和超文本传输协议现场流101a。实时消息传递协议流101b被路由到分析模块102以用于分析体育赛事。超文本传输协议现场流101a被编码以用于广播到任何消费者设备平台，诸如web、任何ios设备、任何安卓(android)设备或其他集成平台。此外，基于偏移的帧同步逻辑被实施以实现跨所拆分的流的帧级同步。非暂时性计算机可读存储介质202存储由体育分析系统100的模块定义的计算机程序指令。处理器201可通信地耦合到非暂时性计算机可读存储介质202并且被配置为执行由体育分析系统100的模块定义的计算机程序指令。分析模块102在预定时间间隔内分析实时消息传递协议流101b。预定时间间隔对应于实时消息传递协议流和超文本传输协议现场流之间的相位差。预定时间间隔小于帧的帧保留时间。分析模块102包括检测模块103、检测/比较队列104、跟踪模块105、识别模块106、比较模块107、配置数据模块108和传输模块109。
38.检测模块103使用基于第一组线索的可用性从该第一组线索中选择的一个或更多个线索来检测实时消息传递协议流101b的帧中存在的一个或更多个人，该第一组线索包括面部检测103a、头部检测103b、人检测103b和运动衫号码检测103c。如本文所使用的，“运动衫”是指帧中的人所穿的任何类型的服装。体育分析系统100能够从各个角度和取向检测帧中的人。检测模块103使用第一组预先训练的模型103d来检测帧中的各个线索。面部检测103a包括检测帧中的人的面部，并围绕检测到的面部创建边界框，使得面部被边界框紧密地裁剪，如图4c中所示。人检测103b包括在各种复杂情况下检测帧中的人的身体，例如当人的身体部分可见或完全可见时，或者当人的身体与另一个人的身体重叠时。人检测103b包括围绕在帧中所有检测到的人的身体创建边界框，如图4a所示。
39.类似地，头部检测103b包括在诸如头部部分可见或头部完全可见或头部处于各种取向和姿态的情况下检测帧中的人的头部。例如，可能从后面、从前面、从底部或顶部或从任一侧看到人的头部。在一些情况下，人的头部可能与另一个人的头部重叠。头部检测103b的输出包括围绕帧中的所有检测到的头部创建边界框。每个检测到的头部与身体相关联，并且该边界框尽可能靠近头部并位于相关联的人的边界框内，如图4b所示。运动衫号码检测103c包括在帧中的人的运动衫上的背面、正面、肩部和其他位置中的一个或更多个位置检测运动衫号码，如图4d所示。此外，运动衫号码检测103c包括使用预先训练的模型103d单
独地检测运动衫上的每个数字(即使它们充当多数字号码的一部分)。检测序列的层次结构是面部边界框被包含在头部边界框内，头部边界框又被包含在人边界框内，如图4e所示。检测模块103的输出被馈送到共享的检测/比较队列104中以用于进一步处理。
40.跟踪模块105通过分析实时消息传递协议流101b的一个或更多个先前帧来跟踪帧中检测到的人，如图5所示。跟踪模块105在相邻的帧集合中关联检测到的人(实质上捕获该人的移动)。此外，跟踪模块105采用混合跟踪算法以使用多对象跟踪方法来跟踪帧中检测到的人。在帧中实时地连续跟踪检测到的人，并独立地处理这些帧，以识别特定帧中的多个对象。混合跟踪算法使用卡尔曼滤波器预测105a、特征跟踪105b和交并比(iou)105c、使用第二组预先训练的模型105d来实现学习技术以跟踪检测到的人。
41.识别模块106使用基于第二组线索的可用性从第二组线索中选择的一个或更多个线索来识别帧中被跟踪的人，该第二组线索包括面部识别106a、人识别106b、运动衫识别106c、体育赛事的现场得分馈送106d以及体育赛事的实况报道106d。识别涉及诸如分类、提取嵌入、使用诸如余弦距离、平方欧几里得距离等度量计算相似性特征等的过程。每个识别具有与其相关联的置信度值，并且只有当预测的识别的置信度值超过先前设置的阈值置信度值时，才考虑预测。这降低了误报的可能性，并且使识别更加准确。
42.面部识别106a包括从检测到的面部提取嵌入，并且将它们与从先前收集的高分辨率图像的静态集合中获得的嵌入的另一个阵列进行比较，如图6a所示。面部识别106a基于嵌入之间的相似性。此外，诸如姿态、面部大小、肤和朝向摄像机的取向的参数不会影响面部识别106a。运动衫识别106c包括运动衫号码分类和运动队识别中的一个或更多个。运动衫号码分类用于将运动衫的每个检测到的数字分类为一个或更多个类别，如图6b所示。此外，属于相同运动衫号码的多个数字基于它们的相对位置或字体而相互关联。运动衫号码分类维护队列系统，以最小化孤立的误报情况的可能性。运动队识别包括从人边界框中提取嵌入，并将它们与先前计算的嵌入的阵列进行比较，如图6c所示。运动队识别使用运动衫颜作为区分参数，并基于嵌入之间的相似性执行识别。
43.当在帧中执行面部识别106a、人识别106b和运动衫识别106c时，将单独的权重分配给面部识别106a、人识别106b和运动衫识别106c中的每一个。基于在帧中识别的每个人的清晰度来确定单独的权重。由识别模块106预测的识别具有相关联的置信度度量，基于该置信度度量做出最终推断。然后，将识别再推送到检测/比较队列104，在检测/比较队列104中保留了具有低置信度度量的预测，以反映在未来的决策上。如本文所使用的，“单独的权重”是指为第二组线索中的一个或更多个的检测而生成的分数(score)。例如，体育分析系统100在现场板球视频的帧中积极地识别被跟踪的人，并根据为帧中的人确定的第二组线索中的一个或更多个，将单独的权重分配给每一个被跟踪的人。
44.如果面部识别106a、人识别106b和运动衫识别106c中的任何一个不可用，则识别模块106使用现场得分馈送106d和实况报道106e中的一个或更多个来识别帧中的一个或更多个运动员，如图6d所示。识别模块106使用第三组预定义模型106f来执行识别。例如，当运动员a存在于帧中，其中运动衫号码被轻微遮挡但面部清晰可见时，赋予“面部识别”的权重高于赋予“运动衫号码识别”的权重。另一方面，当运动员b存在于帧中，其中运动衫号码清晰可见而面部被轻微遮挡时，赋予“运动衫号码识别”的权重高于赋予“面部识别”的权重。此外，体育分析系统100使用运动员跟踪来回填检测。例如，如果人的检测线索(例如面部检
测103a和运动衫号码检测103b)不可见，以至于无法提供足够的置信度来在特定轨迹中的某个时间点“t”处唯一地检测运动员，但使用回填和跟踪，人的检测线索在同一轨迹中的某个其他时间点“t+n”处变得可用，则该系统能够在整个现存的轨迹中识别该人，如图5所示。
45.比较模块107通过将每个被识别的人的分配的权重与所有运动员的预先存在的数据进行比较来识别帧中的一个或更多个运动员。从检测模块103、跟踪模块105和识别模块106提取的检测、跟踪和识别以及各种置信度水平被馈送到决策/比较队列104。体育分析系统100使用从独立模块提取的输出进行最终推断，以大大减少预测的误报，从而改善系统输出。就运动员识别而言，每项体育运动包括它自己的特征(就可供各种模块使用以便执行识别的标记而言)。例如，美式足球运动员的面部不能作为标记来识别，因为运动员戴着头盔，而高尔夫球运动员在他们的比赛服装上没有号码。因此，系统考虑在识别体育运动员的上下文中必不可少的各种可用线索的权重107a。此外，先前做出的推断的知识107b也用于得出最终预测，并经由缓冲器107d在输出监视单元107c中被处理。
46.体育分析系统100处理来自各个模块的输出，并在预定时间间隔内生成上下文交互内容。体育分析系统100利用实时消息传递协议流和超文本传输协议现场流之间的相位差来递送上下文交互内容。预定时间间隔小于帧的帧保留时间。体育分析系统100使用固有的时间间隙(time-gap)以便服务于它的各种模块所需要的附加时间缓冲。此外，体育分析系统100中的每个模块可以经由网络110配置有配置数据108。配置数据108可以是机器学习模型、比赛特定的数据、视频/流特定的数据等中的至少一项。此外，配置数据108可以在实时消息传递协议流101b的处理期间实时更新。在实施例中，仪表板被配置为控制和监视由体育分析系统100执行的过程。
47.体育分析系统100的传输模块109被配置为在预定时间间隔内将超文本传输协议现场流和包括所识别的运动员的上下文交互内容的分析数据传输到由体育分析系统100在用户设备111上提供的客户端应用111a。实际上，体育分析系统100将现场视频广播流转换为包括所识别的运动员的上下文交互内容的交互视频，并使该交互视频在用户设备111上可用。客户端应用111a包括用于提供与交互视频的用户交互的交互模块111b。如本文所使用的，“客户端应用”是指安装在用于用户交互的用户设备上的应用。此外，如本文所使用的，“用户设备”是指用于用户交互的任何设备，但不限于移动通信设备、蜂窝电话、个人数字助理(pda)、数码摄像机、膝上型计算机、平板计算机和上网本。
48.在用户设备111上显示所识别的运动员的上下文交互内容，而不使所识别的运动员的上下文交互内容与超文本传输协议现场流的现有图形重叠。将上下文交互内容作为按需增强的内容实时传输到现场视频广播流，以增强用户交互和提高收视率。所识别的运动员的上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，并且所识别的运动员的上下文交互内容可以被定制和在社交媒体上共享。所识别的运动员的上下文交互内容还包括关于运动员的信息、运动员统计数据和运动员个人简介。所识别的运动员的上下文交互内容可以根据要求进行定制，并且可选地可在任何社交媒体平台上共享。在一些实施例中，所识别的运动员的上下文交互内容可以被定制为特定赛季和该赛季中相应的运动员统计数据。在另一个实施例中，运动员和运动队的一个或更多个社交媒体帖子作为按需增强的内容被提供。在另一个实施例中，特别为用户提供所定制的运动员的正面交锋统计数据作为丰富的内容以增强他们的观看交互。交互模块111b为用户实
时提供丰富的内容、为感兴趣的用户提供更多的参与度和比赛体验平台，并且为各种广播公司和广告商增加现有内容的货币化潜力。用户可以与交互视频中的一个或更多个所识别的运动员进行交互。如本文所使用的，“用户”是指应用的任何终端用户，例如，在前述设备之一上观看比赛的体育迷。
49.在实施例中，体育分析系统100提供识别驱动的交互性，以使观看者能够获得关于所识别的运动员的信息。体育分析系统100允许用户在用户设备的屏幕上与所识别的运动员交互。例如，当识别出运动员时，在屏幕上显示诸如相关联的图标和/或标记的视觉线索，使得用户被通知所识别出的运动员并由此打开用于交互的通道。基于对线索的检测定制上下文交互内容以适应用户的要求。在另一个实施例中，体育分析系统100通过向用户通知用于从所识别的运动员中选择感兴趣的运动员的选项，允许用户与帧中的多于一个所识别的运动员交互。例如，如果在任何时间点识别出多个运动员，则显示相关联的图标和/或标记的阵列，使得用户能够选择感兴趣的任何运动员来进行交互。
50.体育分析系统100提供用户与超文本传输协议现场流101a中的现有图形资产以及围绕该现有图形资产的交互性。体育分析系统100围绕嵌入在超文本传输协议现场流101a中的图形动态地覆盖上下文交互内容布局。如本文所使用的，“图形”是指与超文本传输协议现场流101a一起显示的任何信息(诸如记分卡、运动员统计数据、运动员信息等)。体育分析系统100识别图形资产在作为超文本传输协议现场流101a的一部分的屏幕上的坐标，并确保附加的覆盖物彼此不会重叠，以便提供良好的用户体验。此外，体育分析系统100在超文本传输协议现场流101a中的被覆盖的图形上面为用户提供扩展的信息作为按需的上下文交互内容。例如，当用户点击记分卡时，记分卡的扩展版本将打开，以公开先前不可用的各种信息。此外，用户还可以与记分卡的扩展版本进行交互和定制记分卡的扩展版本，使得用户将能够实时访问更多种类的按需的上下文交互内容。
51.图2示例性地示出了由体育分析系统100采用的用于分析体育赛事的现场视频广播流的计算机服务器的架构。计算机系统200包括例如处理器201、诸如用于存储程序和数据的存储器单元202的非暂时性计算机可读存储介质、输入/输出(i/o)控制器203、网络接口204、数据总线205、显示单元206、输入设备207、固定介质驱动器208、输出设备210等。计算机服务器200可以可选地包括用于接收可移动介质的可移动介质驱动器209。处理器201从存储器单元202检索用于执行体育分析系统100的模块(例如103、104、105、106、107、108和109)的指令。
52.图3示出了用于分析体育赛事的现场视频广播流的方法。本文公开的方法采用包括至少一个处理器201的体育分析系统100，该至少一个处理器201被配置为执行用于分析体育赛事的现场视频广播流的计算机程序指令。体育分析系统100使用视频解复用器101从视频捕获设备接收301体育赛事的现场视频广播流。体育分析系统100的视频解复用器101将现场广播流拆分302为实时消息传递协议流101b和超文本传输协议现场流101a。体育分析系统100在预定时间间隔内分析303实时消息传递协议流101b。该预定时间间隔包括实时消息传递协议流和超文本传输协议现场流之间的相位差。该预定时间间隔小于帧的帧保留时间。体育分析系统100使用基于第一组线索的可用性从第一组线索中选择的一个或更多个线索来检测303a实时消息传递协议流的帧中存在的一个或更多个人，该第一组线索包括面部检测、头部检测、人检测和运动衫号码检测。
53.体育分析系统100通过分析实时消息传递协议流的一个或更多个先前帧来跟踪303b帧中检测到的人。体育分析系统100使用基于第二组线索的可用性从第二组线索中选择的一个或更多个线索来识别303c帧中被跟踪的人，该第二组线索包括面部识别106a、人识别106b、运动衫识别106c、体育赛事的现场得分馈送106d和体育赛事的实况报道106e。运动衫识别106c包括运动衫号码分类和运动队识别中的一个或更多个。当在帧中执行面部识别106a、人识别106b和运动衫识别106c时，将单独的权重分配给面部识别106a、人识别106b和运动衫识别106c中的每一个。基于在帧中识别的每个人的清晰度来确定单独的权重。如果面部识别106a、人识别106b和运动衫识别106c中的任何一个不可用，则将现场得分馈送106d和实况报道106e中的一个或更多个用于帧中的一个或更多个运动员的识别。体育分析系统100通过将每个被识别的人的分配的权重与所有运动员的预先存在的数据进行比较来识别303d帧中的一个或更多个运动员。
54.体育分析系统100在预定时间间隔内将超文本传输协议现场流101a和包括所识别的运动员的上下文交互内容的分析数据传输303e到由体育分析系统100在用户设备111上提供的客户端应用111a。因此，现场视频广播流被转换成包括所识别的运动员的上下文交互内容的交互视频。在用户设备上显示所识别的运动员的上下文交互内容，而不使所识别的运动员的上下文交互内容与体育赛事的现场视频广播流的图形重叠。所识别的运动员的上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，并且可以定制上下文交互内容以用于在社交媒体上共享。用户可以与交互视频中的一个或更多个所识别的运动员进行交互。
55.图7a-图7d示例性地示出了覆盖在体育赛事的超文本传输协议现场流101a上的按需增强的上下文交互内容的屏幕截图。上下文交互内容在不与显示在体育赛事的超文本传输协议现场流101a上的现有图形重叠的情况下被显示。如本文所使用的，“上下文交互内容”是指实时地流式传输到用户设备111上以增强用户交互和提高收视率的任何按需增强的内容。图7a示出了上下文覆盖物的渲染的示例性屏幕截图，该上下文覆盖物渲染包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示的上下文交互内容。图7b示出了板球比赛中的击球手的个人简介的渲染的示例性屏幕截图。图7c示出了板球比赛中的击球手的运动员统计数据的渲染的示例性屏幕截图。体育分析系统100渲染所识别的运动员的上下文交互内容，以显示该运动员跨不同形式的比赛的整体统计数据(例如进行的比赛的总场数、进行的接球的次数、总跑动次数、进球率、击球率(batting average)等)。上下文交互内容可以根据要求进行定制，并且可选地可在任何社交媒体平台上共享。在一些实施例中，用户可以获得对特定赛季的运动员统计数据的访问权。在另一个实施例中，运动员和运动队的一个或更多个社交媒体帖子作为按需增强的内容被提供，如图7d中示例性示出的。这包括运动员的交互信息，例如照片、视频等。
56.图8示例性地示出了覆盖在超文本传输协议现场流101a上的丰富的上下文交互内容的屏幕截图。特别为用户提供所定制的运动员的正面交锋统计数据作为丰富的内容以增强他们的观看交互。体育分析系统100示出了比赛中的关键运动员在他们的统计数据和与比赛日所进行的比赛的相关性方面的正面交锋比较。图9a-图9b示例性地示出了覆盖在超文本传输协议现场流101a上的针对用户的参与度和观看体验的丰富的上下文交互内容的屏幕截图。丰富的上下文交互内容被定制以提高参与度并为用户提供增强的观看体验。例
如，如图9a所示，在诸如板球的体育赛事中，丰富的上下文交互内容以请求用户选择他们最喜欢的比赛运动队的投票的形式被递送到超文本传输协议现场流101a上。再一次，这种类型的丰富的上下文交互内容显著提高了用户的参与度，从而提高了收视率。在一些实施例中，这可以被定制为合法的投注游戏，使得用户能够对他们最喜欢的运动队或运动员进行投注以交换任何奖励。然而，体育分析系统100可以用于其他体育赛事，以达到期望的结果。
57.在如图9b中示例性示出的一个实施例中，覆盖有幻想体育游戏形式的丰富的上下文交互内容，以保持用户积极参与超文本传输协议现场流101a。
58.图10a-图10d示例性地示出了覆盖在超文本传输协议现场流101a上以用于增加现有内容的货币化潜力的丰富的上下文交互内容的屏幕截图。生成该丰富的上下文交互内容以为广播公司和广告商增加现有内容的货币化潜力。该丰富的上下文交互内容可以是定向广告、门票销售和品牌商品中的至少一个。在如图10c所示的另一个示例性实施例中，体育分析系统100通过传输关于与所识别的运动员和运动队相关的品牌商品的丰富的上下文交互内容来邀请用户直接从他们的门户在线购买，从而增加货币化潜力。类似地，如图10c所示，可以基于对线索的识别来呈现一个或更多个定向广告。例如，当体育分析系统100在预定的时间间隔内识别出并跟踪来自运动队a的运动员a时，它可以推送针对与运动员a相关的任何品牌的定向广告。在如图10d所示的另一个示例性实施例中，通过将售票平台传输到用户设备111上以允许用户为他们自己预订体育赛事中本赛季的任何后续比赛的门票，也提高了货币化潜力。例如，当运动队a在板球联赛的淘汰赛中正与运动队b比赛时，体育分析运动队识别线索并检测运动员和/或运动队以传输售票平台，从而根据正在进行的比赛的结果向用户给出购买下一场比赛的门票的选项。
59.体育分析系统100通过提供用于用户参与的交互层来增强视频流。体育分析系统100引入交互性，并允许通过执行多层面视频和用户分析来对内容进行个性化，以提高观看者参与度。体育分析系统100捕获关于访问内容的用户的用户信息。捕获用户人口统计数据、最喜欢的品牌、社交资料、数字支出信息、最喜欢的运动队和/或运动员、在平台上访问上下文交互内容所花费的时间等，以递送个性化的内容递送，从而增加货币化。类似地，体育分析系统100允许内容所有者通过识别谁在屏幕上和识别用户正在超文本传输协议现场流101a中的上下文交互内容上实际点击什么来递送丰富的上下文广告。如图11所示，实时识别是这种增加的重要部分，因为它有助于提供使内容更相关的上下文。体育分析系统100通过插件在客户端的网站上变得可用，或者可以通过sdk与客户端的应用(安卓/ios)集成在一起。此外，体育分析系统100将实时帧级识别数据与其他数据部件一起泵入实时数据库，该其他数据部件例如为配置数据、运动员/运动队信息、现场比赛统计数据、球迷游戏(例如投票或幻想)或在线市场。这些数据被定期下载到插件/sdk中，使用该插件/sdk将交互性层呈现给消费者。通过这种设置，用户可以访问前面提到的增值内容/与前面提到的增值内容进行交互。体育分析系统100接受各种格式(例如内置在插件/sdk中的超文本传输协议现场流)的视频流。插件/sdk还处理处于帧级的超文本传输协议现场流与下载的识别数据的同步。
60.一种非暂时性计算机可读存储介质，其包含有计算机程序代码，该计算机程序代码包括可由体育分析系统100中的至少一个处理器201执行的用于分析体育赛事的现场视频广播流的指令。计算机程序代码包括：第一计算机程序代码，其用于从一个或更多个视频
捕获设备接收体育赛事的现场视频广播流；第二计算机程序代码，其用于将现场广播流拆分为实时消息传递协议流和超文本传输协议现场流；第三计算机程序代码，其用于在预定时间间隔内分析实时消息传递协议流，其中该预定时间间隔包括实时消息传递协议流与超文本传输协议现场流之间的相位差，并且其中预定时间间隔小于帧的帧保留时间；第四计算机程序代码，其用于使用基于第一组线索的可用性从第一组线索中选择的一个或更多个线索来检测实时消息传递协议流的帧中存在的一个或更多个人，该第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；第五计算机程序代码，其用于通过分析实时消息传递协议流的一个或更多个先前帧来跟踪帧中检测到的人；第六计算机程序代码，其用于使用基于第二组线索的可用性从第二组线索中选择的一个或更多个线索来识别帧中的被跟踪的人，该第二组线索包括面部识别、人识别、运动衫识别、体育赛事的现场得分馈送以及体育赛事的实况报道，其中运动衫识别包括运动衫号码分类和运动队识别中的一个或更多个，其中当在帧中执行面部识别、人识别和运动衫识别时，将单独的权重分配给面部识别、人识别和运动衫识别中的每一个，其中，如果面部识别、人识别和运动衫识别中的任何一个不可用，则将现场得分馈送和实况报道中的一个或更多个用于帧中的一个或更多个运动员的识别，并且其中，基于在帧中识别的每个人的清晰度来确定单独的权重；第七计算机程序代码，其用于通过将每个被识别的人的分配的权重与所有运动员的预先存在的数据进行比较来识别帧中的一个或更多个运动员；以及第八计算机程序代码，其用于在预定时间间隔内将超文本传输协议现场流和包括所识别的运动员的上下文交互内容的分析数据传输到由体育分析系统在用户设备上提供的客户端应用。
61.该计算机程序代码还包括第九计算机程序代码，其用于提供用户与交互视频的交互。在用户设备上显示所识别的运动员的上下文交互内容，而不使所识别的运动员的上下文交互内容与超文本传输协议现场流的现有图形重叠。所识别的运动员的上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，其中所识别的运动员的上下文交互内容可以被定制并在社交媒体上共享。类似地，该系统允许用户在一个或更多个社交媒体平台中实时在线共享他们最喜欢的比赛时刻。
62.执行计算机程序代码以显示上下文交互内容，而不使它与显示在体育赛事的现场视频广播流上的现有图形重叠。上下文交互内容还包括关于运动员统计数据和个人简介的任何感兴趣的信息。上下文交互内容可以根据要求进行定制，并且可选地可在任何社交媒体平台上共享。在一些实施例中，上下文交互内容可以被定制为比赛的特定赛季和该赛季中相应的运动员统计数据。在另一个实施例中，运动员和运动队的一个或更多个社交媒体帖子在现场视频广播流上作为按需增强的内容被提供，以更深入地了解运动员和运动队在体育运动之外的活动。在另一个实施例中，特别为用户提供所定制的运动员的正面交锋统计数据作为丰富的内容以增强他们的观看交互。在另一个实施例中，上下文交互内容被定制以提高参与度并为用户提供增强的比赛体验。
63.计算机程序代码被存储在计算机可用或计算机可读的存储器中，该存储器能够指导计算机或其他可编程数据处理装置以特定方式实现功能。计算机程序代码还可以由制造的物品执行，该物品包含用于执行在流程图的每个框或流程图中描述的功能的指令装置。计算机程序指令可以加载到计算机或其他可编程数据处理设备上，使得可以在计算机或其他可编程数据处理设备上执行一系列操作步骤，以执行用于体育分析系统100的指令。
64.用于分析体育赛事的现场视频广播流的体育分析系统100以多层面的方式为终端用户、内容所有者、广告商、广播公司、体育公司、体育特许经营机构、运动队等提供了显著的益处。用户可以简单地与围绕运动员显示的上下文内容进行交互，并在一个或更多个社交媒体平台上在线共享他们最喜欢的比赛时刻。该平台还允许用户购买感兴趣的比赛的门票和购买由相关运动队或特许经营机构出售的商品。体育分析系统100允许内容所有者捕获用户人口统计数据、用户关注的品牌、社交资料、数字支出信息、最喜欢的运动队和/或运动员、在ai驱动的上下文交互内容递送平台上花费的时间等。此外，该信息还可以用于递送个性化的内容递送和货币化。体育分析系统100有助于通过按球迷付费的交互模式产生增量收入，并且不需要任何附加的硬件(例如摄像机和传感器)来实现。现有的硬件足以以性价比高和无麻烦的方式实现该系统。体育分析系统100使内容所有者能够从广泛的交互性选项中进行选择并将它们提供给用户，并允许内容所有者基于谁在屏幕上和基于观看者实际点击的内容来递送上下文广告。用户通过在一个地方关注他们最喜欢的运动员、统计数据和他们的社交媒体更新来获得显著的益处，并获得更丰富的信息来享受比赛，并与现场视频广播流进行更多的交互。
65.上述示例仅仅是为了解释而提供的，并且绝不被解释为对本文公开的方法和体育分析系统100的限制。虽然已经参考各种实施例描述了该方法和体育分析系统100，但是应当理解，本文使用的词语是描述和说明的词语，而不是限制的词语。此外，尽管本文已经参考特定的装置、材料和实施例描述了该方法和体育分析系统100，但该方法和体育分析系统100不旨在局限于本文公开的细节；相反，该方法和体育分析系统100扩展到所有功能等效的结构、方法和用途，例如在所附权利要求的范围内的结构、方法和用途。虽然本文所述的实施例针对分析体育赛事的现场视频广播流，但这些实施例也可以如权利要求中所阐述的那样针对分析体育赛事的预先录制的视频流。虽然公开了多个实施例，但受益于本说明书的教导的本领域技术人员将理解，本文公开的方法和体育分析系统100能够进行修改，并且可以实施其他实施例并且可以对其进行改变，而不脱离本文公开的方法和体育分析系统100的范围和精神。
技术特征：
1.一种体育分析系统，包含用于分析体育赛事的现场视频广播流的计算机服务器，所述体育分析系统包括：视频解复用器，其用于从视频捕获设备接收所述体育赛事的所述现场视频广播流，并将接收到的所述现场广播流拆分为实时消息传递协议流和超文本传输协议现场流；非暂时性计算机可读存储介质，其用于存储由所述体育分析系统的模块定义的计算机程序指令；和至少一个处理器，其通信地耦合到所述非暂时性计算机可读存储介质，所述至少一个处理器被配置为执行由所述体育分析系统的所述模块定义的所述计算机程序指令，所述模块包括：分析模块，其用于在预定时间间隔内分析所述实时消息传递协议流，其中，所述预定时间间隔对应于所述实时消息传递协议流与所述超文本传输协议现场流之间的相位差，其中，所述分析模块包括：检测模块，其用于使用基于第一组线索的可用性从所述第一组线索中选择的一个或更多个线索来检测在所述实时消息传递协议流的帧中存在的一个或更多个人，所述第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；跟踪模块，其用于通过分析所述实时消息传递协议流的一个或更多个先前帧来跟踪所述帧中的所述检测到的人；识别模块，其用于使用基于第二组线索的可用性从所述第二组线索中选择的一个或更多个线索来识别所述帧中的所述被跟踪的人，所述第二组线索包括面部识别、人识别、运动衫识别、所述体育赛事的现场得分馈送和所述体育赛事的实况报道，其中，当在所述帧中执行所述面部识别、所述人识别和所述运动衫识别时，将单独的权重分配给所述面部识别、所述人识别和所述运动衫识别中的每一个；比较模块，其用于通过将每个所述被识别的人的所述分配的权重与所有运动员的预先存在的数据进行比较来识别所述帧中的一个或更多个运动员；和传输模块，其用于在所述预定时间间隔内将所述超文本传输协议现场流和包括所述识别的运动员的上下文交互内容的分析数据传输到由所述体育分析系统在用户设备上提供的客户端应用，其中，所述现场视频广播流被转换为包括所述识别的运动员的所述上下文交互内容的交互视频。2.根据权利要求1所述的体育分析系统，其中，如果所述面部识别、所述人识别和所述运动衫识别中的任何一个不可用，则所述识别模块将所述现场得分馈送和所述实况报道中的一个或更多个用于所述帧中的所述一个或更多个运动员的所述识别。3.根据权利要求1所述的体育分析系统，其中，所述预定时间间隔小于所述帧的帧保留时间。4.根据权利要求1所述的体育分析系统，其中，所述运动衫识别包括运动衫号码分类和运动队识别中的一个或更多个。5.根据权利要求1所述的体育分析系统，其中，基于在所述帧中识别的每个人的清晰度来确定所述单独的权重。6.根据权利要求1所述的体育分析系统，其中，所述客户端应用包括用于提供用户与所述交互视频的交互的交互模块。
7.根据权利要求1所述的体育分析系统，其中，在所述用户设备上显示所述识别的运动员的所述上下文交互内容，而不使所述识别的运动员的所述上下文交互内容与所述超文本传输协议现场流的现有图形重叠。8.根据权利要求7所述的体育分析系统，其中，所述识别的运动员的所述上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，其中，所述识别的运动员的所述上下文交互内容被配置为是定制的并且在社交媒体上共享。9.一种用于分析体育赛事的现场视频广播流的方法，所述方法采用包括至少一个处理器的体育分析系统，所述至少一个处理器被配置为执行用于执行所述方法的计算机程序指令，所述方法包括：由所述体育分析系统的视频解复用器从视频捕获设备接收所述体育赛事的所述现场视频广播流；由所述体育分析系统的所述视频解复用器将所述现场广播流拆分为实时消息传递协议流和超文本传输协议现场流；在预定时间间隔内分析所述实时消息传递协议流，其中，所述预定时间间隔包括所述实时消息传递协议流和所述超文本传输协议现场流之间的相位差，其中，所述分析包括：使用基于第一组线索的可用性从所述第一组线索中选择的一个或更多个线索来检测在所述实时消息传递协议流的帧中存在的一个或更多个人，所述第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；通过分析所述实时消息传递协议流的一个或更多个先前帧，跟踪所述帧中的所述检测到的人；使用基于第二组线索的可用性从所述第二组线索中选择的一个或更多个线索来识别所述帧中的所述被跟踪的人，所述第二组线索包括面部识别、人识别、运动衫识别、所述体育赛事的现场得分馈送和所述体育赛事的实况报道，其中，当在所述帧中执行所述面部识别、所述人识别和所述运动衫识别时，将单独的权重分配给所述面部识别、所述人识别和所述运动衫识别中的每一个；和通过将每个所述被识别的人的所述分配的权重与所有运动员的预先存在的数据进行比较来识别所述帧中的一个或更多个运动员；和在所述预定时间间隔内将所述超文本传输协议现场流和包括所述识别的运动员的上下文交互内容的分析数据传输到由所述体育分析系统在用户设备上提供的客户端应用；由此，所述现场视频广播流被转换为包括所述识别的运动员的所述上下文交互内容的交互视频，并被传输到所述用户设备。10.根据权利要求9所述的方法，其中，如果所述面部识别、所述人识别和所述运动衫识别中的任何一个不可用，则将所述现场得分馈送和所述实况报道中的一个或更多个用于所述帧中的所述一个或更多个运动员的所述识别。11.根据权利要求9所述的方法，其中，所述预定时间间隔小于所述帧的帧保留时间。12.根据权利要求9所述的方法，其中，所述运动衫识别包括运动衫号码分类和运动队识别中的一个或更多个。13.根据权利要求9所述的方法，其中，基于在所述帧中识别的每个人的清晰度来确定所述单独的权重。
14.根据权利要求9所述的方法，其中，用户能够与所述交互视频中的所述识别的运动员中的一个或更多个进行交互。15.根据权利要求9所述的方法，其中，在所述用户设备上显示所述识别的运动员的所述上下文交互内容，而不使所述识别的运动员的所述上下文交互内容与所述超文本传输协议现场流的图形重叠。16.根据权利要求15所述的方法，其中，所述识别的运动员的所述上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，其中，所述识别的运动员的所述上下文交互内容被配置为是定制的并且在社交媒体上共享。17.一种非暂时性计算机可读存储介质，其上包含有计算机程序代码，所述计算机程序代码包括能够由至少一个处理器执行的用于分析体育赛事的现场视频广播流的指令，所述计算机程序代码包括：第一计算机程序代码，其用于从一个或更多个视频捕获设备接收所述体育赛事的所述现场视频广播流；第二计算机程序代码，其用于将所述现场广播流拆分为实时消息传递协议流和超文本传输协议现场流；第三计算机程序代码，其用于在预定时间间隔内分析所述实时消息传递协议流，其中，所述预定时间间隔包括所述实时消息传递协议流和所述超文本传输协议现场流之间的相位差；第四计算机程序代码，其用于使用基于第一组线索的可用性从所述第一组线索中选择的一个或更多个线索来检测在所述实时消息传递协议流的帧中存在的一个或更多个人，所述第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；第五计算机程序代码，其用于通过分析所述实时消息传递协议流的一个或更多个先前帧来跟踪所述帧中的所述检测到的人；第六计算机程序代码，其用于使用基于第二组线索的可用性从所述第二组线索中选择的一个或更多个线索来识别所述帧中的所述被跟踪的人，所述第二组线索包括面部识别、人识别、运动衫识别、所述体育赛事的现场得分馈送和所述体育赛事的实况报道，其中，当在所述帧中执行所述面部识别、所述人识别和所述运动衫识别时，将单独的权重分配给所述面部识别、所述人识别和所述运动衫识别中的每一个；第七计算机程序代码，其用于通过将每个所述被识别的人的所述分配的权重与所有运动员的预先存在的数据进行比较来识别所述帧中的一个或更多个运动员；和第八计算机程序代码，其用于在所述预定时间间隔内将所述超文本传输协议现场流和包括所述识别的运动员的上下文交互内容的分析数据传输到由所述体育分析系统在用户设备上提供的客户端应用。18.根据权利要求17所述的非暂时性计算机可读存储介质，其中，如果所述面部识别、所述人识别和所述运动衫识别中的任何一个不可用，则将所述现场得分馈送和所述实况报道中的一个或更多个用于所述帧中的所述一个或更多个运动员的所述识别。19.根据权利要求17所述的非暂时性计算机可读存储介质，其中，所述计算机程序代码还包括用于提供用户与所述交互视频的交互的第九计算机程序代码。20.根据权利要求17所述的非暂时性计算机可读存储介质，其中，所述预定时间间隔小
于所述帧的帧保留时间。21.根据权利要求17所述的非暂时性计算机可读存储介质，其中，所述运动衫识别包括运动衫号码分类和运动队识别中的一个或更多个。22.根据权利要求17所述的非暂时性计算机可读存储介质，其中，基于在所述帧中识别的每个人的清晰度来确定所述单独的权重。23.根据权利要求17所述的非暂时性计算机可读存储介质，其中，在所述用户设备上显示所述识别的运动员的所述上下文交互内容，而不使所述识别的运动员的所述上下文交互内容与所述超文本传输协议现场流的现有图形重叠。24.根据权利要求23所述的非暂时性计算机可读存储介质，其中，所述识别的运动员的所述上下文交互内容包括记分卡、运动员信息和比赛统计数据中的一个或更多个的动态显示，其中，所述识别的运动员的所述上下文交互内容被配置为是定制的并且在社交媒体上共享。25.一种体育分析系统，包含用于分析体育赛事的预先录制的视频流的计算机服务器，所述体育分析系统包括：非暂时性计算机可读存储介质，其用于存储由所述体育分析系统的模块定义的计算机程序指令；和至少一个处理器，其通信地耦合到所述非暂时性计算机可读存储介质，所述至少一个处理器被配置为执行由所述体育分析系统的所述模块定义的所述计算机程序指令，所述模块包括：分析模块，其用于分析所述预先录制的视频流，其中，所述分析模块包括：检测模块，其用于使用基于第一组线索的可用性从所述第一组线索中选择的一个或更多个线索来检测在所述预先录制的视频流的帧中存在的一个或更多个人，所述第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；跟踪模块，其用于通过分析一个或更多个先前帧来跟踪所述帧中的所述检测到的人；识别模块，其用于使用基于第二组线索的可用性从所述第二组线索中选择的一个或更多个线索来识别所述帧中的所述被跟踪的人，所述第二组线索包括面部识别、人识别、运动衫识别、所述体育赛事的得分馈送和所述体育赛事的实况报道，其中，当在所述帧中执行所述面部识别、所述人识别和所述运动衫识别时，将单独的权重分配给所述面部识别、所述人识别和所述运动衫识别中的每一个；比较模块，其用于通过将每个所述被识别的人的所述分配的权重与所有运动员的预先存在的数据进行比较来识别所述帧中的一个或更多个运动员；和传输模块，其用于将所述预先录制的视频流和包括所述识别的运动员的上下文交互内容的分析数据传输到由所述体育分析系统在用户设备上提供的客户端应用，其中，所述预先录制的视频流被转换为包括所述识别的运动员的所述上下文交互内容的交互视频。26.一种用于分析体育赛事的预先录制的视频流的方法，所述方法采用包括至少一个处理器的体育分析系统，所述至少一个处理器被配置为执行用于执行所述方法的计算机程序指令，所述方法包括：分析所述预先录制的视频流，其中，所述分析包括：使用基于第一组线索的可用性从所述第一组线索中选择的一个或更多个线索来检测
在所述预先录制的视频流的帧中存在的一个或更多个人，所述第一组线索包括面部检测、头部检测、人检测和运动衫号码检测；通过分析一个或更多个先前帧来跟踪所述帧中的所述检测到的人；使用基于第二组线索的可用性从所述第二组线索中选择的一个或更多个线索来识别所述帧中的所述被跟踪的人，所述第二组线索包括面部识别、人识别、运动衫识别、所述体育赛事的得分馈送和所述体育赛事的实况报道，其中，当在所述帧中执行所述面部识别、所述人识别和所述运动衫识别时，将单独的权重分配给所述面部识别、所述人识别和所述运动衫识别中的每一个；和通过将每个所述被识别的人的所述分配的权重与所有运动员的预先存在的数据进行比较来识别所述帧中的一个或更多个运动员；和将所述预先录制的视频流和包括所述识别的运动员的上下文交互内容的分析数据传输到由所述体育分析系统在用户设备上提供的客户端应用；由此，所述预先录制的视频流被转换为包括所述识别的运动员的所述上下文交互内容的交互视频，并被传输到所述用户设备。
技术总结
提供了用于分析体育赛事的现场视频广播流(LVBS)的方法和体育分析系统(SAS)。SAS将LVBS拆分为实时消息传递协议(RTMP)流和超文本传输协议现场流(HLS)，并使用RTMP流和HLS之间的相位差来分析RTMP流。SAS使用第一组线索检测RTMP流的帧中存在的人，并通过分析先前的帧来跟踪检测到的人。SAS使用第二组线索识别被跟踪的人，为第二组线索中的每一个分配单独的权重，并将每个被识别的人的分配的权重与所有运动员的预先存在的数据进行比较，以识别帧中的运动员。SAS将HLS和所识别的运动员的上下文交互内容传输到用户设备。文交互内容传输到用户设备。文交互内容传输到用户设备。
