AI 摘要
- Good-Badminton 是一套開源的羽毛球比賽影片分析工具。
- 系統可偵測球員姿態並追蹤羽毛球軌跡。
- 專案已在 GitHub 以 Apache-2.0 授權開放。
專案概述
Good-Badminton 是一套託管於 GitHub 的開源專案，屬於電腦視覺（Computer Vision）羽毛球比賽影片分析工具。專案目標是透過 AI 技術，為業餘愛好者及專業教練提供低成本、近似「鷹眼」級別的賽事分析。系統整合球員姿態偵測、羽毛球軌跡追蹤、場地座標映射及運動數據統計等功能，以提供較完整的賽事剖析。
核心功能
- 球員姿態偵測：支援 RTMPose、RTMO 以及 Ultralytics YOLO Pose，用於捕捉選手的身體關節與骨架動作。
- 羽毛球偵測與軌跡繪製：以 YOLO 模型進行羽毛球定位，並在輸出影片中繪製擊球與飛行軌跡。
- 自動球場出界檢測：可自動識別標準羽毛球場線；使用者亦可在瀏覽器中手動微調四個角點，建立圖像座標與標準球場座標之間的映射。
- 運動數據統計：系統可計算球員的移動距離、即時速度、最高速度及回合數量，並生成熱力圖與散點圖。
- 干擾過濾：據來源說明，系統能有效過濾場外觀眾與裁判等干擾。
技術架構與操作方式
根據來源描述，Good-Badminton 的核心架構結合多種電腦視覺與機器學習模型。為降低使用門檻，專案設計為透過瀏覽器操作：使用者上傳比賽影片與場地範本圖後，即可完成自動場地檢測、參數設定與結果檢視，來源指出一般使用者無需具備深厚的程式開發背景。
硬體需求
專案同時支援 CPU 與 GPU 運算。官方建議配置如下：
| 項目 | 官方建議 |
|---|---|
| 顯示卡 | NVIDIA 顯示卡，顯示記憶體 6GB 以上 |
| 系統記憶體 | 16GB |
| 儲存裝置 | 固態硬碟（SSD） |
官方指出，以上配置有助於高解析度影片的流暢渲染與推論速度。
授權與開放性
專案已於 GitHub 正式開源，採用 Apache-2.0 授權條款。來源指出，其他開發者可將其用於運動科學研究、賽事覆盤及二次開發。
社群實測回饋
來源引述 Threads 用戶 picobeth 的實測經驗。據其觀察，目前系統似乎以單打辨識為主，雙打支援尚未十分完善。該用戶表示，稍微修改程式後效果已相當不錯，並調整了顯示介面，之後還計畫嘗試加入球速估算功能。
在運算效能方面，picobeth 表示：「麻煩的是我的電腦沒有顯卡，光是這段 30 秒的影片，用純 CPU 運算就要跑將近半小時。」這一回饋反映了在沒有獨立顯示卡的情況下，處理影片所需時間可能相當長。
限制與待觀察事項
- 目前雙打辨識的支援程度，來源僅提供單一用戶的觀察，尚未有更廣泛的驗證。
- 純 CPU 運算的處理時間較長，實際使用時建議參考官方硬體建議。
- 來源未提供該專案在不同場地、光線或拍攝角度下的完整準確率數據。
Reference Link : hkepc.com
