任意球距离分析 — AI 智能测距

任意球距离全面测量

基于 IFAB Law 13 官方规则，YOLO 球员检测 + 场地标定 + 距离计算，逐帧测量球与人墙、球门的实际距离。

01

🎯

上传视频 · 自动标定

拖拽任意球视频，系统自动检测球场标线作为距离测量的基准参考，无需手动操作。

02

🤖

球员检测 + 距离计算

YOLO 检测球员与球位置，结合场地标定数据逐帧计算球→人墙、球→球门实际距离（单位：米）。

03

⚖️

IFAB 规则自动判定

自动比对球→人墙距离与 IFAB 9.15m 标准，统计人墙人数，输出逐帧测量报告与标注截图。

上传视频

拖拽任意球视频开始分析

支持 MP4、AVI、MOV、MKV 等常见格式，最大 200MB。上传后自动检测球场标线，无需手动标定，分析约需 30~60 秒。

📁

拖拽视频文件到此处

或点击选择本地文件

MP4 / AVI / MOV / MKV / WebM（最大 200MB）

基于 IFAB 官方规则
Law 13 · 任意球距离

IFAB Law 13 规定：任意球时防守方人墙必须距离球至少 9.15m（10 码）。系统自动测量球与人墙、球门的实际距离。

📋 IFAB Laws of the Game 2025/26

📐

Technical Documentation

系统技术文档

任意球距离分析系统的处理流程、架构设计、参数配置与核心模块说明

1. 系统处理流程

graph TD A["📹 上传视频"] --> B["🎯 首帧自动标定
HoughLinesP 门线检测"] B --> C{"标定成功?"} C -->|"✅ 是"| D["🤖 YOLO11 球员+球检测"] C -->|"❌ 否"| E["使用默认门线参数"] E --> D D --> F["🧱 DBSCAN 人墙聚类"] F --> G["📏 RANSAC 人墙线拟合"] G --> H["📐 单应性距离测量
球→人墙 / 球→球门"] H --> I["📊 逐帧数据汇总
固定人墙数 + 滑动平滑"] I --> J["🎬 生成标注视频与截图"] J --> K["📋 输出分析报告"] style A fill:#7C6BEE,stroke:#5B4EC7,color:#fff style K fill:#22c55e,stroke:#16a34a,color:#fff style D fill:#f59e0b,stroke:#d97706,color:#fff style H fill:#3b82f6,stroke:#2563eb,color:#fff

2. 系统架构

🌐 接入层 — HTTPS 终端

nginx 1.24 certbot SSL proxy_pass 200M 上传限制

↓

🐍 Web 层 — Flask 应用

Flask 3.1 Python 3.10 systemd 服务 RESTful JSON API

↓

🧠 AI 引擎 — 深度学习模型

YOLO11n-pose.pt yolo11n.pt OpenCV 5.0 Ultralytics 8.x

↓

📐 计算管线 — 几何测量

单应性标定+RANSAC DBSCAN 聚类 RANSAC 线拟合 IFAB Law 13

3. 参数配置 config.yaml

参数路径	默认值	说明
`models.pose`	yolo11n-pose.pt	YOLO 姿态估计模型，检测球员关键点用于标定
`models.detect`	yolo11n.pt	YOLO 目标检测模型，识别球员 / 球 / 守门员
`foul.forward_move_threshold_px`	30 px	守门员前移判定阈值，超过此像素数视为犯规
`foul.lookback_frames`	60 帧	回溯窗口（约 2 秒 @30fps），用于判定发球前位置
`foul.ball_speed_threshold_px`	6.0 px/f	球速阈值，超过此值判定为已开出
`foul.line_tolerance_px`	5 px	门线判定容差，判断守门员是否踩线
`output.dir`	data/results	分析结果（截图/视频/数据）输出目录
⚖️ IFAB Law 13	915 cm	人墙必须距离球 ≥ 9.15m（10 码）

4. 核心模块

⚙️

pipeline.py

主控管线，串联全部模块。支持单图/视频/手动标定三种模式，统一调度标定→检测→测量全流程。

analyze_frame(frame, idx) → FrameResult

🎯

detector.py

YOLO 检测封装（Ultralytics）。球员检测 + 球场关键点检测（32 点），为标定和距离测量提供坐标输入。

detect_players(frame, conf=0.15) → List[Detection]

📐

calibrator.py

高精度单应性标定。≥4 点 + RANSAC 外点剔除，重投影误差 ~68cm。输出像素→cm 转换矩阵。

auto_calibrate(frame) → dict

🧱

wall_detector.py

人墙检测：DBSCAN 聚类球员后 RANSAC 拟合人墙线段。识别离球最近的进攻方球员为发球员。

detect(players, ball_xy) → WallInfo

📏

distance_measurer.py

基于单应性矩阵的精确距离测量。支持球→人墙、球→球门、人墙长度的厘米级计算。

measure(ball, wall, goal) → FreeKickDistances

🎨

visualizer.py

可视化渲染引擎。球员框、球标注、人墙线、距离标注、2D 战术板俯视图，输出标注截图与视频。

draw_all_annotations(frame, results)

任意球距离AI 智能测距系统