計畫目標

隨著時間的推移，台灣的羽球選手以優異的表現在世界舞台上越來越受到關注，帶動了台灣國內人民對於羽球運動的熱情與投入，為羽球產業帶來了許多的商機和潛力。然而以另一大產業推手，羽球球館經營者的角度而言，首要考量無疑是以最有效率的方式滿足使用者的需求，提高客人的黏著度。因此本子計畫希望透過人工智慧的能力賦予球場更多的服務面向，包括整合羽球追蹤及落點判斷的賽事自動計分系統，以及基於影像分析的互動式發球機器人。藉由我們的智慧化球館，無論是娛樂上的輕鬆互動、競技上的認真勝負、抑或是訓練上的技戰術提升，需求各異的民眾都能得到更多元豐富的使用體驗，最終和經營者之間達到雙贏，共同推動整體羽球產業的發展。

研究方法

(一)、場地辨識

為了使我們整個系統能夠適應在不同場館中的相機布置，同時解決倘若在系統運作期間相機遭到偏移需要重新定位，人為地重新進行對齊相當耗時且費神的問題，我們整合了AI背景濾除和模板比對，自動對畫面中的場地標線進行辨識，進而計算畫面座標和球場座標的對應關係以及球場內外劃分，以利後續研究工作之展開。

(二)、自動計分系統

為了實現完整的計分系統，我們重新設計落地事件預測的系統架構，我們使用全新的TrackNetV3架構，並使用全新的資料集訓練，成功解決以往方法在球減速後預測軌跡準確度下降的問題，另外，我們採用比賽視角來應用在落地事件預測的任務上。

比賽視角

我們發現羽球的落地軌跡不像是網球落地軌跡相當明確，因此在嘗試過各種落地判斷法則後，我們認為直接對羽球球速變化來做分析對於落點判斷效果最好，因此我們的設計架構如下，先針對慢球速連續幀進行判斷，若連續的慢球速幀成立，則再進行連續靜止幀進行判斷，若也成立則辨別為落地事件發生。而這種落地事件偵測架構策略可以很好規避掉羽球被打出球場外(畫面之外)和球在來回的最高點和未偵測到球的誤判發生。