一、项目演示视频
项目简介
本项目是一个基于人工智能技术的篮球动作规范检测智能预警系统，旨在通过先进的计算机视觉技术和深度学习模型，为篮球训练与竞赛场景提供场上人员目标识别、动作规范辅助分析与预警服务。系统集成了图片检测、视频检测、实时检测、模型管理、数据集管理等多项功能，构建了一个完整的篮球动作规范检测与预警服务平台。
二、技术栈
-
前端技术栈 (web-vue)
核心框架: Vue 3.5.13 (Composition API)
UI组件库: Element Plus 2.9.4
状态管理: Pinia 2.3.1
路由管理: Vue Router 4.5.0
HTTP客户端: Axios 1.7.9
图表可视化: ECharts 5.6.0
构建工具: Vite 6.1.0 + TypeScript 5.7.2
-
后端+算法端技术栈 (web-flask)
核心框架: Flask (Python)
数据库: SQLite 3
身份认证: JWT
图像处理: OpenCV + NumPy
深度学习: YOLOv8/YOLO11/YOLO12/YOLO26
视频处理: OpenCV视频流处理
大语言模型: Qwen-VL的API接口
三、功能模块
核心创新点
- 目标精准检测: 支持场上人员目标的智能识别和定位
- 多模态检测方式: 支持图片、视频、实时摄像头三种检测模式
- YOLO模型集成: 集成YOLOv8/YOLO11/YOLO12/YOLO26等先进目标检测模型
- 智能预警分析: 基于AI的篮球场景目标自动识别、定位与预警
- 分层权限管理: 支持管理员和普通用户的差异化功能访问
- 完整工作流程: 从数据集管理到模型管理再到检测分析预警的完整闭环
- 多模态大模型辅助分析: 使用通义千问VL多模态大模型提供三大场景的AI分析能力：
- 图片检测中对场景与动作进行结果评估与详细智能分析，并生成训练改进建议，支持用户填写补充信息引导分析；
- 视频检测完成后对关键帧手动触发大模型动作姿势规范评估（动作明显不规范/暂未见明显不规范）；
- 实时检测中对 YOLO 检测到的画面进行动作姿势规范评估
- 模型评估系统: 支持上传YOLO格式标签与模型预测对比，自动计算Precision、Recall、mAP50等精度指标，生成GT框与预测框的可视化对比图，支持用户评分和评语
- 实时预警系统: 支持严重程度分级(可忽略/轻微/中等/严重/紧急)、大模型动作姿势规范评估(动作明显不规范记录+报警/暂未见明显不规范仅记录/未开启评估不记录)、处理状态管理
核心功能模块
- 用户管理: 支持用户注册、登录、权限管理、个人信息管理等功能
- 数据集管理: 支持上传ZIP格式YOLO数据集，自动验证数据集结构和完整性
- 模型管理: 支持创建模型、上传权重、训练过程图片/文件管理、模型发布等
- 图片检测: 上传图片进行篮球场景目标检测，支持CLAHE图像增强、AI智能分析（结果评估+详细分析，支持用户补充信息）、改进建议生成、导出Word报告
- 视频检测: 上传视频进行逐帧检测，支持帧率采样、异步处理、进度查询、关键帧截图保存、对关键帧手动触发大模型规范评估（动作明显不规范/暂未见明显不规范）
- 实时检测: 使用电脑摄像头进行实时检测，会话级智能去重、大模型动作姿势规范评估（动作明显不规范记录+报警/暂未见明显不规范仅记录/未开启评估不记录）、严重程度五级分级(可忽略/轻微/中等/严重/紧急)、处理状态管理(未处理/已处理)、实时通知预警、多维度筛选(用户/严重程度/规范评估结果/处理状态)
- 模型评估: 上传图片和标签文件评估模型性能，支持精度指标计算、可视化对比、用户评分筛选
应用场景
- 训练与比赛复盘: 训练馆与赛场录像中的场上人员识别与动作姿势规范提醒
- 青训与俱乐部: 结合图像与视频进行动作观察与风险提示
- 教学演示: 结合视频与图像进行场景巡检与辅助讲解
- 教育培训: 篮球视觉检测与动作规范分析的教学演示
四、项目链接
羊羊小栈-篮球动作规范检测分析预警系统(YOLO检测_多模态大模型分析).zip
链接: https://pan.baidu.com/s/1MUrj2Rl50Apu01nDrnCKVg?pwd=1t5j 提取码: 1t5j
- 完整系统源码
(1)前端源码(web-vue)
(2)后端+算法端源码(web-flask)
(3)模型训练代码(other/model_train/detect) - 项目启动教程
(1)环境安装教程(视频+文档)
(2)系统启动教程(视频+文档) - 项目介绍文档
(1)项目概述
(2)项目技术栈
(3)项目目录结构
(4)核心功能模块介绍
(5)API接口文档 - 系统PPT
(1)系统架构图、架构交互图
(2)算法模块流程图
(3)图片、视频、实时检测时序图
(4)数据流图
(5)UML类图
(6)功能模块概要图、功能模块图
(7)数据库ER图
(8)训练过程图
(9)验证指标图
(10)验证效果图 - 系统使用注意事项
- 模型训练文档
- 数据库开发文档
(1)数据库概述
(2)数据库表详细设计结构
(3)建表SQL语句 - 系统文档
(1)介绍
(2)相关技术与理论
(3)系统需求分析
(4)系统总体设计
(5)系统设计与实现
(6)模型训练与性能评估
(7)系统测试 - 篮球动作规范检测数据集
(1)总样本数：18487个图片与标注文件
(2)训练集：16149张图片 (用于模型训练)
(3)验证集：1558张图片 (用于模型验证和性能调优)
(4)测试集：780张图片 (用于模型最终性能评估)
(5)检测类别: 1类人员目标检测
0: person - 人 - 已经训练好的模型权重，整体精度如下：
(1)precision (精确率): 0.901
(2)recall (召回率): 0.869
(3)mAP50 (IoU阈值0.5时的平均精度): 0.931
(4)mAP50-95 (IoU阈值0.5-0.95的平均精度): 0.722