随着硬件设备和智能显卡的发展,人工智能技术近些年有了长足的进步,同时在体育行业中的应用也逐渐增多。本课题以当下体育行业热门研究方向——冰壶运动为研究背景,结合人工智能技术将数字化、信息化带入传统冰壶赛场,构建了智能冰壶辅助训练系统。该系统通过冰壶目标的识别检测、运动测量和轨迹预测等任务,实现冰壶运动过程的智能理解和分析。本课题首先针对冰壶自身结构与赛道特点构建了多相机同步采集子系统,通过该子系统收集了多场次冰壶运动图像作为研究样本,同时通过人工标注构建了国内首个相对完整的冰壶运动数据集。该数据集不仅可以为目前算法提供训练样本,更能够为之后姿态检测、博弈策略等方向的研究提供样本支持。在数据样本的支持下,本课题主要就目标检测与运动测量对智能冰壶辅助训练进行了研究。对于目标检测部分,本文对计算机视觉中目前先进的目标检测神经网络进行了研究和分析,并且在原模型基础上针对冰壶任务特点选择了网络压缩和回归策略改进两个主要优化方案。实验结果表明,优化后的网络能够在保证精度的前提大幅降低运算量,减少了对设备计算能力的要求从而能够更好地应用在嵌入式设备中且实现了实时检测的任务。冰壶运动测量部分主要分为两个部分:3D坐标解算和轨迹匹配。在冰壶3D位置坐标计算中,我们对比了EPnP算法、双目视觉法和插值法,通过对比实验得出静止场景下插值法误差较小,双目视觉则更准确,针对不同场景任务可选择对应算法,体现了整体算法的灵活性;在运动轨迹匹配中,我们创新性地将KM算法应用在相邻帧位置坐标点匹配上,利用匹配对象联系得到冰壶运动轨迹,充分利用了检测信息与时空连续性,在实际应用中的效果也十分理想。最后我们结合检测测量算法构建了智能辅助训练系统,该系统在实验测试中表现出良好的功能,已能够实时地为运动训练提供初步但精准的辅助信息。