Good-Badminton——开源AI羽毛球鹰眼系统，用计算机视觉分析比赛

📅 2026年06月25日 · 技术

计算机视觉与体育分析的交叉领域又添新作——Good-Badminton 是一个开源的 AI 羽毛球鹰眼系统，能够基于比赛视频自动检测球员姿态、追踪羽毛球轨迹、分析运动数据并生成可视化报告。

核心功能

• 球员姿态检测：支持 RTMPose、RTMO 和 Ultralytics YOLO Pose 等多种姿态模型，识别人体关键点和骨架
• 羽毛球检测：使用 YOLO 模型检测羽毛球位置，在输出视频中绘制运动轨迹
• 球场坐标映射：手动标注球场关键点，将图像坐标映射到标准球场坐标
• 回合检测：根据连续球场视图自动判断回合开始和结束
• 运动统计分析：统计移动距离、速度、回合数量等数据
• 可视化输出：生成带骨架、轨迹的热力图和散点图

技术栈

项目基于 Python 构建，核心依赖包括 OpenMMLab 生态的 RTMPose/RTMO 姿态估计算法、Ultralytics YOLO 目标检测框架，以及 OpenCV 进行视频处理。推荐在 6GB+ 显存的 GPU 上运行，CPU 也可用于短视频分析。

使用方式

安装过程简单直接：创建虚拟环境后 pip install -r requirements.txt，下载羽毛球检测权重，然后运行 python main.py --video-path videos/demo.mp4 即可。程序会自动检测球场边界或引导手动标注，分析结果保存为带标注的输出视频、JSON 数据文件和位置图表。

实用价值

对于羽毛球爱好者和教练来说，Good-Badminton 提供了专业级的运动分析能力。从技术动作统计到球员跑动热力图，这些数据可以帮助运动员优化训练策略。对于开发者而言，该项目也是将计算机视觉应用于体育领域的优秀参考实现。

参考来源

• Good-Badminton — GitHub