动态地确定区域

背景技术

本发明一般涉及动态地确定区域。

在一些体育运动(例如网球)的比赛进行期间，一个选手试图通过在球场的边界内并且在使对手回球的机会最小化的位置处击球来从对手得分。换句话说，一个选手试图以这样的方式射球，以使对手回球的有效性最小化。在每个选手周围存在他们最活跃的区域。当运动员/选手适应场地或球场上的环境时，该区域不断变化。

发明内容

在本发明的一个方面中，一种计算机实现的方法包括：由计算设备在运动赛事的比赛进行期间监测传感器数据；由所述计算设备基于所述监测所述传感器数据来确定与目标相关联的预测因子；由所述计算设备基于所述预测因子和识别所述目标的历史有效性的训练数据来确定所述目标的实时有效性区域；以及由计算设备输出实时有效性区域以用于显示目标周围的实时有效性区域。在本发明的另一方面，该方法包括基于对传感器数据的持续监测来更新目标的实时有效区域；以及持续输出对该实时有效区域的更新，以持续显示对该实时有效性区域的更新。在本发明的另一方面，训练数据包括识别比赛的有效性和与比赛的有效性相关联的预测因子的特定集合的训练记录。有利地，本发明的方面确定并呈现实时有效性区域以改进观众体验并改进运动员进行比赛和技术的评估。

在本发明的一个方面，存在一种用于训练机器学习系统以确定和显示目标的实时有效性体积(volume of effectiveness)的计算机程序产品。所述计算机程序产品包括计算机可读存储介质，所述计算机可读存储介质具有体现在其中的程序指令，所述程序指令可由计算设备执行以使所述计算设备：在运动赛事的比赛进行期间监测传感器数据；确定由目标进行的比赛的有效性；基于所述监视所述传感器数据而确定与目标相关联的预测因子的数据集；生成并存储训练数据记录，所述训练数据记录将所述比赛的所述有效性与所述预测因子的数据集相关联；基于所述监视所述传感器数据确定实时预测因子的数据集；基于所述实时预测因子的数据集和所述生成所述训练数据记录来确定所述目标的所述实时有效性体积；以及输出实时有效性体积以用于显示目标周围的实时有效性体积。在本发明的另一方面，实时有效性体积是圆柱体的体积，其中圆柱体的体积的半径基于第一回归方程确定，并且圆柱体的高度基于第二回归方程确定。有利地，本发明的方面训练用于确定个性化的有效性体积的机器学习系统，以改进观众体验并改进运动员进行比赛和技术的评估。

在本发明的一个方面中，一种系统包括：与计算设备相关联的处理器、计算机可读存储器和计算机可读存储介质；用于在运动赛事的比赛进行期间监测传感器数据的程序指令；用于基于所述监测所述传感器数据和与主要目标相关联的第一集合预测因子来确定所述主要目标的有效性的体积的程序指令；用于基于所述监测所述传感器数据和与次级目标相关联的第二集合预测因子来确定所述次级目标的有效性的体积的程序指令；确定与所述次级目标相关的第三集合预测因子的程序指令，所述第三集合预测因子使所述次级目标的有效性的体积最小化；用于确定所述主要目标的一个或多个建议动作以引入所述第三集合预测因子并使所述次要目标的有效性体积最小化的程序指令；以及用于显示所述主要目标的有效性体积、所述次要目标的有效性体积以及所建议的动作的程序指令。程序指令被存储在计算机可读存储介质上，以便由处理器经由计算机可读存储器来执行。在本发明的另一方面，该系统还包括用于确定和显示叙述的程序指令，该叙述描述主要目标的有效性体积、次要目标的有效性体积或使用自然语言生成的建议动作。在本发明的另一方面，主要目标是运动赛事的运动员，次级目标是对手运动员，运动赛事是网球。有利地，本发明的方面确定并呈现实时有效性区域以及相应的自动生成的评论，以改进观众体验并改进运动员进行比赛和技术的评估。

在本发明的一个方面，一种计算机实现的方法包括由计算设备生成运动赛事的目标的多个训练数据记录，其中训练数据记录各自识别由目标进行的比赛的有效性的度量，以及与有效性的每个度量相关联的历史预测因子的数据集；由所述计算设备实时监测所述运动赛事的传感器数据；由所述计算装置基于所述监视所述传感器数据确定所述目标的实时预测因子的数据集；由所述计算装置基于所述实时预测因子的数据集和所述生成所述多个训练数据记录来确定所述目标的实时有效性体积；以及由计算设备输出实时有效性体积以用于显示目标周围的实时有效性体积。在本发明的另一方面，实时有效体积是圆柱体的体积，其中圆柱体的体积的半径基于第一回归方程确定，并且圆柱体的高度基于第二回归方程确定。有利地，本发明的方面维护用于确定和呈现实时有效性区域的训练记录，以改进观众体验并改进运动员进行比赛和技术的评估。

附图说明

通过本发明的示例性实施例的非限制性示例，参考所提到的多个附图，在以下详细描述中描述了本发明。

图1示出了根据本发明的方面的计算机基础结构。

图2示出了根据本发明的方面的示例实现的概览。

图3示出了根据本发明的方面的示例环境。

图4示出了根据本发明的方面的用于生成训练数据记录的示例流程图，该训练数据记录将被用于确定在有效性体积方程中的未知变量的加权因子和值。

图5示出了根据本发明的方面的实现。

图6示出了根据本发明的方面的用于基于训练数据、实时预测因子和/或加权因子确定在特定时间点的实时有效性体积的示例流程图。

图7示出了根据本发明的方面的用于确定最小化对手的有效性体积的动作的示例流程图。

图8-10示出了根据本发明的方面的显示各种预测因子的变化率分析的示例性曲线图。

图11示出了根据本发明的方面的用于确定实时有效性体积的示例流程图。

具体实施方式

本发明总体上涉及在比赛进行期间动态地确定运动员的有效性区域，并且更具体地，涉及在比赛进行期间基于预测因子动态地确定运动员的有效性区域。本发明的方面动态地确定在体育运动(例如网球)的比赛进行期间目标(例如运动员)的有效性区域。本发明的方面在比赛进行期间实时显示有效性区域(在此也称为“有效性面积”或“有效性体积”)。如本文所述，在本发明的一个方面，有效性区域表示围绕目标(例如，运动员)的面积或体积，在该面积或体积中，运动员被认为是“有效的”(例如，进行有效的“比赛”，其具有高的可能性来对着对手得分或防守由对手对着运动员得分)。使用网球游戏作为说明性示例，“比赛”被认为是这样的事件，其中运动员被分派任务以将球返回到对手以试图针对对手得分。

在实施例中，有效性体积是围绕运动员具有特定半径的圆柱体(或任何其它各种形状)的体积。如这里所述并且根据本发明的实施例，基于各种预测因子、情况数据、顺序数据、与运动员相关的生物统计数据和/或由运动员进行的先前比赛的有效性来确定有效性体积。使用网球比赛作为说明性示例，比赛的“有效性”可涉及比赛是否导致运动员得分，或者导致对抗由对手对运动员得分的成功防御。如本文所述，基于先前比赛的有效性和预测因子来确定有效性体积，所述预测因子例如运动员的身体位置/朝向、在给定时间的运动员的动量和跑步方向、比赛期间运动员的初始和结束速度、运动员的最大和平均加速度、运动员的方向/轨迹的角度和方向/轨迹的变化、球的轨迹、运动员的正手摆动或反手摆动位置、运动员的疲劳水平、运动员在球场上的位置等。如这里所述，使用一组传感器设备(包括照相机、运动传感器、物体传感器等)来收集预测因子，该组传感器设备分布在运动环境中(例如，围绕球场、场地等)和/或由运动员穿戴。

如本文所述，预测因子用于确定特定形状的体积方程中的未知变量(例如，对于圆柱体的V＝πr

在实施例中，训练数据包括将预测因子与比赛的有效性相关联的数据记录。因此，本发明的方面从一个或多个传感器设备获得关于预测因子的信息，以从历史训练数据导出比赛的有效性，并确定有效性的体积。在根据本发明的一个实施例的示例用例中，有效性体积是可实时查看的，以增强观众观看体验，并且可以在稍后的时间重放，并且用于允许运动员和教练评估、调整和改进技术。

如本文所述，运动员的有效性体积使用一组预测因子来确定。同样，本发明的方面确定运动员为了创建其中在比赛进行期间引入最小化对手的有效性体积的预测因子(例如，最小化对手的当重新定向以进行比赛时的“重定向步”的有效性)的情况而可以采取的动作。如本文所述，“重定向步”可以指改变选手移动的方向的一个移动或一系列移动。移动可以是脚步的缩短或延长(例如，短步伐对长跨步)、横向运动(例如，滑步)、猛击(例如，当到达落射时)、后踏(例如，对于选手在网前并且对手在选手的头顶“吊高球”的情况)。换句话说，本发明的方面确定运动员可以采取的动作以便最小化他们的对手的有效性体积并且最小化对手得分或对抗运动员所进行的比赛的机会。

作为一个说明性的例子，本发明的方面确定在网球比赛中的给定点处，运动员应该瞄准将球打向球场中的特定位置、朝向对手的反手挥拍等，因为这些动作将导致出现使对手的有效性体积最小化的预测因子。也就是说，本发明的方面确定建议的动作将导致对手处于“弱”位置，对手需要采取困难的轨迹来进行比赛，对手需要采取困难的“重定向步”，对手需要使用较弱类型的挥拍(例如，反手挥拍)，对手需要行进相对长的距离来进行比赛，对手需要具有特定的动量和方向来进行比赛，等等。

在实施例中，以任何各种形状(例如，立方体、圆柱体、矩形棱柱等)生成有效性体积。不同的运动员、偏好和目标使用不同的形状。在实施例中，本发明的方面确定多个不同形状的有效性体积，并且用户可以选择显示哪个形状以用于有效性体积。

在实施例中，本发明的方面使用有效性体积来基于诸如球轨迹的预测因子预测运动员在比赛进行期间可能被预测在哪里。例如，本发明的方面预测运动员在有效性的体积内。另外或替代地，有效性体积表示运动员应该具有最高成功机会的地方，并且类似地，表示运动员可以采取的用以最小化其对手的成功机会的动作。

如这里所述，在示例性用例中，本发明的方面基于对有效性体积的确定和/或对运动员可采取的用以最小化对手的有效性体积的动作的确定来生成叙述。例如，本发明的方面使用自然语言生成(NLG)技术来生成叙述，该叙述描述基于有效性体积和相应的预测因子的情形(例如，生成自动的逐个比赛的分析)。作为说明性示例，本发明的方面生成叙述“选手A在5轮拉力之后并且当正手击球时回球方面是杰出的”。

虽然本发明的方面是根据确定网球比赛的有效性体积来描述的，但是本发明的方面不限于此。例如，本发明的方面可应用于其它体育或娱乐活动，诸如棒球、篮球、拳击/跆拳道、高尔夫球、飞盘、风筝飞翔、台球、乒乓球、马球、英式足球、橄榄球等。此外，本发明的方面可应用于单打或双打网球，使得可执行分析以确定其中一个选手优先于另一个选手被最佳地定位以进行比赛的情况。此外，本发明的方面用于确定任何有效性区域(例如，二维分析的有效性面积而不是三维分析的有效性体积)。这样，用于确定有效性体积的类似过程可以用于确定有效性面积。

本发明的方面提供了通过确定体积方程中的未知变量以确定体积度量来确定运动员的有效性体积的技术问题的技术解决方案。如本文所述，回归技术用于确定体积方程中的未知变量。此外，涉及机器学习和认知计算技术的技术解决方案被用于解决准确地确定运动员的预测因子的技术问题，所述预测因子又被用于确定有效性体积。在实施例中，本发明的方面生成用户界面或修改现有用户界面以显示和示出运动员移动和有效性的有效范围/体积。本发明的方面通过实现预测系统来改进用户界面技术，该预测系统在用户界面上显示有效性、预测的移动和相关模拟。

本发明的方面提供了解决特定问题的特定实现，即，使用机器学习和认知计算来解决确定运动员的有效性体积并最小化运动员的对手的有效性体积的问题。在职业体育界环境中，使用本发明的方面的特定解决方案来解决真实世界特定问题。此外，本发明的方面改进了处理数据的方式，以提供对本文所述的特定问题的特定解决方案。

本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。

计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。

本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如Smalltalk、C++等)和过程编程语言(例如“C”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接、包括局域网(LAN)或广域网(WAN)到用户的计算机，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。

在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。

计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方案中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合，可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

现在参考图1，示出了计算机基础结构的示例的示意图。计算机基础结构10仅是合适的计算节点的一个示例，而非旨在对此处所描述的本发明的各实施例的使用范围或功能提出任何限制。无论如何，计算机基础结构10能够被实现和/或执行上文所阐述的任何功能。

在计算机基础结构10中，存在计算机系统/服务器12，其可与许多其它通用或专用计算系统环境或配置一起操作。适合与计算机系统/服务器12一起使用的公知的计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型计算机系统、大型计算机系统、以及包括任何上述系统或设备的分布式云计算环境等。

计算机系统/服务器12可以在计算机系统可执行指令的一般上下文中描述，诸如由计算机系统执行的程序模块。通常，程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。计算机系统/服务器12可以在分布式云计算环境中实践，其中任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中，程序模块可以位于包括存储器存储设备的本地和远程计算机系统存储介质中。

如图1所示，计算机基础结构10中的计算机系统/服务器12以通用计算设备的形式示出。计算机系统/服务器12的组件可以包括但不限于一个或多个处理器或处理单元16、系统存储器28以及将包括系统存储器28的各种系统组件耦合到处理器16的总线18。

总线18表示若干类型的总线结构中的任何一种的一个或多个，包括存储器总线或存储器控制器、外围总线、加速图形端口、以及使用各种总线体系结构中的任何一种的处理器或局部总线。作为示例而非限制，这些体系结构包括工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强型ISA(EISA)总线、视频电子技术标准协会(VESA)局部总线和外围部件互连(PCI)总线。

计算机系统/服务器12通常包括各种计算机系统可读介质。这样的介质可以是计算机系统/服务器12可访问的任何可用介质，并且它包括易失性和非易失性介质、可移动和不可移动介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓冲存储器32。计算机系统/服务器12还可以包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。仅作为示例，存储系统34可被提供用于从不可移动、非易失性磁介质(未示出，并且通常被称为“硬盘驱动器”)读取和向其写入。尽管未示出，但是可以提供用于从可移动、非易失性磁盘(例如，“软盘”)读取和向其写入的磁盘驱动器，以及用于从诸如CD-ROM、DVD-ROM或其它光学介质等可移动、非易失性光盘读取或向其写入的光盘驱动器。在这种情况下，每个都可以通过一个或多个数据介质接口连接到总线18。如下面将进一步描绘和描述的，存储器28可以包括至少一个程序产品，该程序产品具有一组(例如，至少一个)程序模块，该程序模块被配置成执行本发明的实施例的功能。

具有一组(至少一个)程序模块42的程序/实用程序40、以及操作系统、一个或多个应用程序、其它程序模块和程序数据，可作为示例而非限制存储在存储器28中。操作系统、一个或多个应用程序、其它程序模块和程序数据或其某种组合中的每一个可包括联网环境的实现。程序模块42通常执行这里描述的本发明实施例的功能和/或方法。

计算机系统/服务器12还可以与一个或多个外部设备14通信，诸如键盘、指示设备、显示器24等；使得用户能够与计算机系统/服务器12交互的一个或多个设备；和/或任何使计算机系统/服务器12能够与一个或多个其它计算设备通信的设备(例如网卡、调制解调器等)。这种通信可以经由输入/输出(I/O)接口22发生，然而，计算机系统/服务器12可以经由网络适配器20与一个或多个网络通信，所述网络诸如局域网(LAN)、通用广域网(WAN)和/或公共网络(例如，因特网)。如图所示，网络适配器20通过总线18与计算机系统/服务器12的其它组件通信，应当理解，尽管未示出，其它硬件和/或软件组件可以与计算机系统/服务器12结合使用，示例包括但不限于：微码、设备驱动程序、冗余处理单元、外部磁盘驱动器阵列、RAID系统、磁带驱动器和数据档案存储系统等。

图2示出了根据本发明的方面的示例实现的概览。如图2所示，在运动赛事(例如网球)的比赛期间，在给定时间为每个运动员确定有效性体积。例如，随着比赛进程，运动员到处移动，并且预测因子基于运动员的轨迹、球轨迹、运动员的动量、运动员的加速度、运动员的速度、运动员的等连续地变化。如图2中可见，随着比赛进程，有效性体积基于变化的预测因子动态地变化。在图2的示例中，在一个时刻，运动员具有一个有效性体积(例如，有效性体积201)，并且在另一时刻(例如，在运动员已经移动之后)，相同的运动员具有不同的有效性体积(例如，有效性体积202)。类似地，在一个时刻，对手具有一个有效性体积(例如，有效性体积203)，而在另一时刻(例如，在对手移动之后)，相同的对手具有不同的有效性体积(例如，有效性体积204)。

在实施例中，有效性体积被包括在运动赛事的实况广播中。作为根据本发明的一个方面的示例性使用情况，有效性体积以图2所示的类似方式叠加在运动员的实况视频广播上。另外地或可选地，在示例性实施例中，用户设备运行以图形方式实时地表示运动员以及有效性体积的应用程序。以这种方式，通过向观众提供关于比赛的进行如何影响运动员的有效性的更大洞察来改进观众体验。此外，在实施例中，具有有效性体积的比赛视频被存储并在稍后的时间重放，以允许运动员和教练评估、调整和改进技术。此外，与有效性体积相关的预测因子可被存储以允许运动员和教练评估和获得关于哪些预测因子最大化运动员的有效性体积以及哪些预测因子最小化他们的对手的有效性体积的洞察。在示例性实施方式中，图2所示的示例可以是实时显示运动员和对手及其各自的有效性体积的用户界面的截屏。图2中所示的这些图像/模拟被呈现，并且可以在用户界面中显示的同时被进一步操纵。

图3示出了根据本发明的方面的示例环境。如图3所示，环境300包括用户设备210、传感器设备215、运动员有效性体积确定系统220和网络230。在实施例中，环境300中的一个或多个组件对应于图2的云计算环境中的一个或多个组件。在实施例中，环境300中的一个或多个组件包括图1的计算机系统/服务器12的组件。

用户设备210包括能够经由诸如网络230的网络通信的计算设备。例如，用户设备210可以对应于移动通信设备(例如，智能电话或个人数字助理(PDA))、便携式计算机设备(例如，膝上型计算机或平板计算机)、台式计算机和/或另一类型的计算设备。在一些实施例中，用户设备210托管用于显示运动员的表示和他们各自的有效性体积的应用。附加地或替代地，用户设备210用于观看运动赛事的实况或记录的广播，其中有效性体积被叠加在运动员的实况视频上。另外或替代地，用户设备210接收识别预测因子的信息，在特定时间点有效性体积是基于所述预测因子(例如，以允许运动员和/或教练评估不同的预测因子和情况如何影响有效性体积)。

传感器设备215包括用以收集与预测因子有关的传感器数据的一或多个电子传感器(例如，相机、运动传感器、对象传感器、音频传感器等)。在实施例中，传感器设备215分布在球场、场地等上或周围。在实施例中，传感器设备215用于确定比赛进行过程中的预测因子和/或其他数据，诸如运动员轨迹、球轨迹、运动员速度、运动员加速度、运动员移动中的变化、朝向/位置等。在实施例中，传感器设备215包括由运动员穿戴的可穿戴设备，其中传感器设备215收集生物数据和/或一或多个预测因子，例如本文描述的那些。在实施例中，传感器设备215收集数据，例如球和每个运动员/对手的位置的X、Y、Z坐标和/或速度单位向量、球和每个运动员/对手的速度等。由传感器设备215收集的数据可存储在基于云的数据库中，且可包含数百万或潜在数十亿个数据点。在实施例中，存储数据记录以将预测因子与比赛的有效性的度量相关联。

运动员有效性体积确定系统220包括一个或多个计算设备(例如，诸如图1的计算机系统/服务器12)，其在比赛进行过程中动态地确定运动员的有效性体积。如本文所述，运动员有效性体积确定系统220跟踪训练数据，该训练数据建立了运动员所进行的各种比赛的有效性的度量(例如，使用比赛有效性确定模块222)，以及与有效性相关的预测因子(例如，使用预测因子确定模块221)。从训练数据(例如，由训练数据库223存储的)，运动员有效性体积确定系统220确定加权因子，该加权因子结合到体积方程中的未知变量的确定中，如在此更详细地描述的。运动员有效性体积确定系统220监测由传感器设备215收集的传感器数据，并且存储将传感器数据(例如，与预测因子相关)与比赛有效性的度量相关联的信息。运动员有效性体积确定系统220使用实时传感器数据来确定实时预测因子(例如，使用预测因子确定模块221)并且确定运动员的实时有效性体积(例如，使用有效性体积确定模块224)。运动员有效性体积确定系统220使用机器学习/训练和认知计算技术，以基于与目标相关的预测因子在任何给定时间精确地确定目标的有效性体积。

网络230包括网络节点和一个或多个有线和/或无线网络。例如，网络230可以包括蜂窝网络(例如，第二代(2G)网络、第三代(3G)网络、第四代(4G)网络、第五代(5G)网络、长期演进(LTE)网络、全球移动系统(GSM)网络、码分多址(CDMA)网络、演进数据优化(EVDO)网络等)、公共陆地移动网络(PLMN)和/或另一网络。另外，或可选地，网络230可以包括局域网(LAN)、广域网(WAN)、城域网(MAN)、公共交换电话网(PSTN)、自组织网络、管理的因特网协议(IP)网络、虚拟专用网(VPN)、内联网、因特网、基于光纤的网络和/或这些或其它类型的网络的组合。

环境300中的设备和/或网络的数量不限于图3所示的数量，实际上，环境300可以包括附加的设备和/或网络；更少的设备和/或网络；不同的设备和/或网络；或者与图3所示的不同布置的设备和/或网络。此外，在一些实现中，环境300的一个或多个设备可以执行被描述为由环境300的另外的一个或多个设备执行的一个或多个功能。环境300的设备可以经由有线连接、无线连接、或有线和无线连接的组合来互连。

图4示出了用于生成训练数据记录的过程的示例流程图，该训练数据记录将被用于确定加权因子并且被用于确定有效性体积方程中的未知变量的值。在实施例中，图4的步骤例如在图3的环境中实现，并且使用图3中描绘的元件的附图标记来描述。如上所述，流程图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。如这里所述，图4的过程用于确定表示比赛的有效性、那些比赛的有效性体积以及那些比赛的预测因子的训练数据。一旦产生了足够的训练数据，就基于预测因子的实时集合，使用训练数据导出给定时间的实时有效性体积。

如图4所示，作为说明性示例，过程400包括在比赛进行期间监视传感器数据(步骤410)。例如，运动员有效性体积确定系统220在运动(例如网球)的比赛进行期间监测来自传感器设备215的传感器数据。在实施例中，运动员有效性体积确定系统220监测与预测因子相关的传感器数据，例如运动员轨迹、球轨迹、运动员速度、运动员加速度、运动员移动中的变化、定向/位置等。

过程400还包括确定比赛有效性(步骤420)。例如，运动员有效性体积确定系统220确定由运动员进行的比赛的有效性的度量。使用网球比赛作为说明性示例，“比赛”可被认为是这样的事件，其中运动员被分派任务以将球返回到对手以试图针对对手得分。在网球中，可以基于在进行比赛之后(例如，当球返回时)的球速度、比赛的结果(例如，比赛是否导致得分、防御对手得分等)、和/或随后比赛的结果来测量比赛的有效性。在实施例中，比赛的有效性被确定为表示比赛有效达到的级别的数值。例如，立即得分的比赛得分相对较高，而立即输掉得分点的比赛得分相对较低。

过程400还包括确定运动员行进以完成比赛的距离(步骤430)。例如，运动员有效性体积确定系统220使用监测的传感器数据来确定运动员行进以完成比赛的距离。如这里更详细描述的，在一个示例性实施方式中，该距离表示有效性体积的半径值，并且是用于确定要用于确定实时有效性体积的加权因子的训练数据记录的一部分。实际上，运动员行进以完成比赛的距离表示半径，并且因此表示体积(其中在一个示例性实施方式中，高度值是基于运动员的身高和到达范围的固定值)。如果比赛被认为是有效的(例如，在步骤420)，则在步骤430确定的体积是有效性体积。

过程400还包括确定预测因子数据集(步骤440)。例如，运动员有效性体积确定系统220确定预测因子数据集，该数据集识别在给定时间点的比赛期间的预测因子。预测因子数据集包括由传感器设备215在监视传感器数据时收集的信息。例如，预测因子数据集表示运动员在球场上的位置、运动员轨迹、运动员动量、球轨迹、运动员速度、运动员加速度、运动员运动中的变化、方向/位置和/或其他与进行比赛相关的动作。另外或替代地，预测因子数据集识别运动员的生物统计数据。

过程400还包括存储用于完成的比赛的训练数据记录(步骤450)。例如，运动员有效性体积确定系统220存储训练数据记录，该训练数据记录将预测数据集与比赛有效性的度量和运动员行进的距离(例如，对应于圆柱体的体积方程中的半径，或矩形棱柱的体积方程中的长度/宽度)相关联。即，训练数据记录识别比赛的有效性水平、进行比赛所行进的距离以及与比赛相关联的预测数据。这样，训练数据记录识别给定一组预测数据的比赛的有效性体积。重复处理步骤410-450，以收集更多的训练数据，并为不同的预测数据集生成更多的训练数据记录，并为类似的预测因子集合平均有效性分数。在示例实现中，使用任何合适的数据归一化技术将预测因子归一化为值集合。

如本文更详细地描述的，训练数据记录用于基于将实时预测因子与历史预测因子进行比较以及与那些历史预测因子相关联的历史有效性体积来确定实时有效性体积。如本文所述，当确定实时有效性体积时，也考虑加权因子。

过程400还包括在收集足够的训练数据之后确定加权因子(步骤460)。例如，运动员有效性体积确定系统220确定用于确定有效性体积方程中的未知变量的值的加权因子。以圆柱体为例，有效性体积方程为V＝πr

r

h

在方程(1)和(2)中，x

过程400还包括存储用于确定实时有效性体积的加权因子(步骤470)。例如，运动员有效性体积确定系统220存储在步骤460确定的加权因子。如本文所述，运动员有效性体积确定系统220随后使用加权因子来确定给定一组预测因子的半径。

图5示出了根据本发明的方面的示例实现。如图5所示，传感器设备215用于确定运动员在比赛开始时的开始位置、运动员进行比赛的结束位置以及进行比赛所行进的距离(例如，体积方程中的半径)。运动员有效性体积确定系统220确定来自传感器设备215的半径信息(例如，类似于过程步骤430)，确定比赛的有效性(例如，类似于过程步骤420)，确定预测因子(例如，类似于过程步骤440)，以及存储训练数据记录(例如，类似于过程步骤450)。

图6示出了用于基于训练数据、实时预测因子和/或加权因子确定特定时间点的实时有效性体积的过程的示例流程图。在示例实现中，图6的步骤例如在图3的环境中实现，并且使用图3中描绘的元件的附图标记来描述。如上所述，流程图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。如本文所述，来自过程400的数据和/或训练记录在过程600中使用，如在过程600的各个过程步骤中指出的。

如图6所示，过程600包括在比赛进行期间监视传感器数据(步骤610)。例如，运动员有效性体积确定系统220以与上面关于过程步骤410所讨论的类似的方式监测来自传感器设备215的传感器数据。

过程600还包括识别实时预测因子数据集(步骤620)。例如，运动员有效性体积确定系统220根据来自步骤610的所监测传感器数据实时识别预测因子数据集。如本文所述，预测因子包括目标(例如，运动员)在球场上的位置、运动员轨迹、运动员动量、球轨迹、运动员速度、运动员加速度、运动员移动的变化、朝向/位置和/或其他与进行比赛相关的动作。

过程600进一步包括基于实时预测因子、先前确定的加权因子和训练数据记录确定实时有效性体积(步骤630)。在一个示例中，运动员有效性体积确定系统220是通过确定体积方程中的未知变量而得到目标(例如，运动员)的实时有效性体积。使用圆柱体作为示例，运动员有效性体积确定系统220使用两个回归方程(1)和(2)来确定半径和高度，并且进而确定目标(例如，运动员)的有效性体积。作为示例，运动员有效性体积确定系统220使用方程(1)和(2)并且使用训练数据记录(例如，在图4的过程400中的步骤450处生成和存储的以及在图5中生成和存储的)来确定在圆柱体的体积方程中的半径和高度，其中xi是在步骤620处确定的每个预测因子集合，并且β是先前确定的加权因子(例如，在图4的过程400中的步骤460处)。在实施例中，运动员有效性体积确定系统220使用任何数量的形状(例如，矩形棱柱、梯形棱柱、五棱柱、八边形棱柱等)来确定实时有效性体积。在示例性实现中，实时有效体积是多个形状的体积的并集或交集。在实施例中，训练数据记录用于基于将实时预测因子与历史预测因子进行比较以及与那些历史预测因子相关联的历史有效性体积，结合先前确定的加权因子，来确定实时有效性体积。

过程600包括输出有效性体积和相关信息用于显示(步骤640)。例如，运动员有效性体积确定系统220输出用于显示的有效性体积。如这里所述，在示例性实施方式中，有效性体积被显示为实况广播的一部分，其中有效性体积被叠加在运动员之上(例如，以图2中所示的类似方式)。附加地或替代地，在示例性实施方式中，用户设备210运行以图形方式实时地表示运动员以及有效性体积的应用。

在实施例中，运动员有效性体积确定系统220还输出与有效性体积相关联的相关信息。例如，自然语言生成技术被实现以生成描述基于有效性体积和对应的预测因子的情形的叙述。作为说明性示例，本发明的一个示例方面生成叙述“选手A在5轮拉力之后并且当正手击球时回球方面是杰出的”。

如图6进一步所示，过程600返回到过程步骤420，以便基于连续的比赛生成更多的训练数据记录。这样，训练数据被连续地更新和细化，以提高有效性体积的计算和准确性。在示例性实施方式中，过程600被连续地重复，使得在运动员在球场四处移动并进行比赛时的比赛进行期间，实时的有效性体积被动态地确定并显示。以这种方式，通过向观众提供关于比赛进行如何影响运动员的有效性的更大洞察来改进观众体验。此外，在示例性实施方式中，具有有效性体积的比赛视频被存储并在稍后的时间重放，以允许运动员和教练评估、调整和改进技术。

图7示出用于确定最小化对手的有效性体积的动作的过程的示例流程图。在示例实现中，图7的步骤例如在图3的环境中实现，并且使用图3中描绘的元件的附图标记来描述。如上所述，流程图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。

如图7所示，过程700包括在比赛进行期间监视传感器数据(步骤710)。例如，运动员有效性体积确定系统220以与上面关于过程步骤410所讨论的类似的方式监测来自传感器设备215的传感器数据。

过程700包括在由主要目标或运动员进行比赛之前识别最小化次要目标(例如，对手)的有效性体积的预测因子(步骤720)。例如，基于先前获得的与对手相关的训练数据，运动员有效性体积确定系统220识别一个预测因子集合，该预测因子集合先前导致对手的最小有效性体积。更具体地，运动员有效性体积确定系统220识别最小化对手有效性体积的对手的预测因子，例如对手轨迹、动量、位置、方位等。

过程700还包括输出识别引入最小化对手的有效性体积的预测因子的动作的信息(步骤730)。例如，运动员有效性体积确定系统220输出识别主要目标(例如，运动员)可采取的用以最小化其对手的有效性体积的可能动作的信息。也就是说，运动员有效性体积确定系统220基于对手的预测因子和与那些预测因子相关联的有效性，识别运动员可采取的一组可能的动作，并识别运动员应采取哪个(哪些)动作，以便引入来降低对手的有效性体积的情况。

作为示例，运动员有效性体积确定系统220提供运动员可以采取的建议动作/击球选择，在比赛进行过程中的特定时刻引入这样的预测因子(在步骤720确定)，从而最小化对手的有效性体积。作为说明性示例，运动员有效性大小确定系统220确定在网球比赛中的给定点处，运动员应该瞄准将球打向球场中的特定位置、朝向对手的反手挥杆等，因为这些动作将导致出现使对手的有效性大小最小化的预测因子。即，建议的动作将导致对手处于“弱”位置，对手需要采取困难的轨迹来进行比赛，对手需要使用较弱类型的挥拍(例如，反手挥拍)，对手需要行进相对长的距离来进行比赛，对手需要具有特定的动量和方向来进行比赛，等等。

在示例性实施例中，运动员有效性体积确定系统220以允许运动员和/或教练在比赛回放期间在稍后时间回顾建议的方式存储和/或呈现建议的动作。也就是说，在示例性实施例中，运动员有效性体积确定系统220将建议作为字幕合并成为比赛的实况广播的一部分，其可以被记录以便在稍后时间回顾。另外或可选地，运动员有效性体积确定系统220以数据结构或一些其它方式存储建议的动作，用于以后回顾和检索。另外或替代地，运动员有效性体积确定系统220在应用中以图形方式呈现建议的动作，使得建议的动作在比赛进行期间在相应的时间索引处可见。

图8-10示出了根据本发明的方面的示例性曲线图，其示出了各种预测因子的变化率分析。如本文所述，在示例性实现中，对预测因子的变化率进行预测，并且将这些预测的变化率用作回归模型的一部分以确定有效性体积。另外或替代地，在示例性实施方式中，将预测的变化率用作到支持向量机的输入，以选择用于确定有效性体积的形状。与预测的变化率有关的数据可以显示在用户界面中，例如显示图2的内容的用户界面。

在示例性实施例中，运动员有效性体积确定系统220跟踪与预测因子相关联的数据，并在用户界面(例如，用户界面800)中以图表的形式呈现该数据的变化率。在图8所示的示例中，运动员有效性体积确定系统220呈现两个运动员或选手根据比赛的重定向速度(例如，其中x轴是比赛编号，y轴是重定向速度的度量)。从图8所示的曲线图中，预测重定向速度的变化率。

参考图9，在示例性实施方式中，显示了选手的两个不同运动员的预测因子数据的比较(例如，在用户界面900中)。该比较示出了两个不同选手根据比赛的变化率。在示例实现中，选手之间的比较或差异将考虑每个选手的有效性体积因素(例如，与对手的较高差异导致对手的较低的有效性体积)。

参考图10，在示例性实施例中，呈现了特定运动员在若干比赛中预测因子的差异(例如，在用户界面1000中)。根据图10所示的图表，运动员对预测因子的变化率可以被预测并用于确定如本文所述的有效性体积。

图11示出了用于确定实时有效性体积的示例流程图。在示例实现中，图11的步骤例如在图3的环境中实现，并且使用图3中描绘的元件的附图标记来描述。如上所述，流程图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。

如图11所示，过程1100包括实时收集传感器数据(步骤1105)。例如，运动员有效性体积确定系统220从传感器设备215收集传感器数据(例如，以与上面关于图4中的步骤410所讨论的类似的方式)。

过程1100还包括预测变化率(步骤1110)。例如，运动员有效性体积确定系统220基于在一段时间内收集的传感器数据(例如，在步骤1105收集的)预测预测因子的变化率。预测预测因子的变化率的例子在上面参考图8-10进行了讨论。

过程1100还包括将Runge-Kutta应用于变化率(步骤1115)。例如，运动员有效性体积确定系统220将Runge-Kutta应用于在步骤1110确定的变化率。在实施方案中，可以应用经典的RK4 Runge-Kutta方法，例如：

对于n＝0,1,2,3,...，使用

在上述Runge-Kutta方法中，y

过程1100还包括使用支持向量机和Runge-Kutta的结果来选择形状(步骤1120)。例如，运动员有效性确定体积系统220通过将Runge-Kutta分析的结果(来自步骤1115)输入到支持向量机(SVM)中来选择形状(例如，圆柱形、矩形棱柱等)。在示例性实施例中，运动员有效性确定体积系统220使用任何合适的SVM技术来分析用于分类和回归分析的数据，作为形状选择的一部分。

过程1100还包括使用历史和预测的数据对所选形状应用回归模型(步骤1125)。例如，运动员有效性体积确定系统220应用用于选择的形状的回归模型并且使用历史和预测的数据(例如，来自步骤1105和步骤1110)。使用圆柱体作为示例，运动员有效性体积确定系统220可以应用回归模型，例如与方程(1)和(2)相关联的回归模型。

过程1100还包括选择位置数据和分层变化率(步骤1130)。例如，运动员有效性体积确定系统220选择位置数据(例如，基于运动员在球场或场地上的当前位置)和分层变化率(例如，基于来自步骤1110的变化率数据)。从步骤1130，运动员有效性体积确定系统220确定体积回归方程(例如，使用圆柱体作为示例的方程(1)和(2))中的未知变量。

过程1100还包括确定有效性体积(步骤1135)。例如，运动员有效性体积确定系统220通过将未知变量(从步骤1125和步骤1130导出)输入到选定形状的回归方程中来确定有效性体积。

过程1100还包括重复对每一空间区域的有效性体积确定(步骤1140)。例如，运动员有效性体积确定系统220在运动员在球场或场地周围移动时重复步骤1130和1135，以确定运动员在各个时间点的有效性体积。

过程1100还包括生成字幕(步骤1145)。例如，运动员有效性体积确定系统220基于运动员的有效性体积生成叙述或说明(例如，使用自然语言生成(NLG)技术来生成描述基于有效性体积和相应的预测因子的情况的叙述)。

过程1100还包括输出用以最小化对手的有效性体积的动作(步骤1150)。例如，运动员有效性体积确定系统220以与上述关于图7的处理步骤730所讨论的类似方式输出用以最小化对手有效性体积的动作。

过程1100还包括输出对手有效性体积(步骤1155)。例如，运动员有效性体积确定系统220基于与步骤1105-1135中描述的那些类似的、但是是用于运动员的对手的过程步骤确定和输出对手的有效性体积。

如本文所述，本发明的方面在体育运动(例如，网球)的比赛进行期间动态地确定运动员的有效性区域，并且在比赛进行期间实时地显示该有效性区域(例如，有效性体积)。如本文所述，有效区域表示运动员周围的面积或体积，其中运动员被认为是“有效的”(例如，进行有效的“比赛”，其具有高的可能性来针对对手得分或防守由对手针对运动员得分)。该有效性体积用于预测运动员/对手在给定时间可能在球场上的位置，并用于实时和/或比赛后分析以改善观众体验和教练策略。

在实施例中，服务提供商可以提供执行本文描述的过程。在这种情况下，服务提供商可以为一个或多个客户创建、维护、部署、支持等执行本发明的过程步骤的计算机基础设施。这些客户可以是例如使用技术的任何企业。作为回报，服务提供商可以根据订阅和/或费用协议从客户(多个)接收支付，和/或服务提供商可以从向一个或多个第三方销售广告内容接收支付。

在另外的实施例中，本发明提供了一种经由网络的计算机实现的方法。在这种情况下，可以提供诸如计算机系统/服务器12(图1)的计算机基础结构，并且可以获得(例如，创建、购买、使用、修改等)用于执行本发明的过程的一个或多个系统，并将其部署到计算机基础结构。在这个意义上，系统的部署可以包括以下中的一个或多个：(1)从计算机可读介质在诸如计算机系统/服务器12(如图1所示)的计算设备上安装程序代码；(2)将一个或多个计算设备添加到计算机基础结构；以及(3)合并和/或修改计算机基础结构的一个或多个现有系统，以使计算机基础结构能够执行本发明的过程。

已经出于说明的目的给出了本发明的各种实施例的描述，但是其不旨在是穷尽的或限于所公开的实施例。在不背离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域的普通技术人员将是显而易见的。选择本文所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。