羽毛球是我国传统体育项目,拥有广大受众。由于羽毛球判罚体制的主观性,经常出现运动员与裁判就某一判罚发生争论的现象。赛场上也使用一些信息化设备辅助判罚,但这类设备仅用于判断球体是否出界,并没有实现对发球过程的违例判决。随着人工智能技术的发展,一些以往不能解决的问题可借助人工智能技术逐步得到解决,本文拟用人工智能领域中的机器视觉技术来解决羽毛球发球过手的判决问题。羽毛球发球有两个特点:一是发球动作幅度小,导致动作检测不易实现;二是发球时间不确定,致使无法获悉发球时刻。本文采用机器视觉技术设计了一种发球过手违例判断方法,先用自适应增强变种算法(Gentle Adaboost,GAB)训练分类模型,完成对目标物体(羽毛球和球拍)的检测;结合检测区域,提取球心坐标作为目标点,对检测到的球拍部分构筑轮廓作为目标区域,再定义两者位置关系,根据目标点与目标区域的相对位置变化关系提取判决关键帧;最后由图像角度表示方法,建立状态判别模型,将判决关键帧中的球拍状态作为输入,输出结果量化为角度值,实现对是否发球过手的判决。系统采用模块化架构模式,在实现的过程中,着重解决三个问题:一是训练目标分类模型;二是如何根据目标点与目标区域的位置关系选取判决关键帧;三是根据过手违例状态建立判别模型,将目标区域轮廓量化为正负角度值。系统实现后,经测试表明,本文所提方法能成功实现对发球过手违例的判决,且所训练分类模型平均召回率分别为90.7%和89.1%,对违例状态的识别率为77%。本系统对人工智能技术应用到羽毛球赛场进行了尝试,为今后类似应用提供了参考价值。