# 橄榄球航拍轨迹分析系统

一个基于计算机视觉的橄榄球比赛航拍视频分析系统，能够自动检测和跟踪球员，并在3D场景中可视化运动轨迹。

## 系统特点

- 基于YOLOv8的自动球员检测与跟踪
- 球员运动轨迹平滑处理与分析
- 基于Three.js的3D场景可视化
- 支持视频上传、处理和结果查看
- 轨迹数据导出与分享

## 技术栈

### 前端
- React
- Material UI
- Three.js / React Three Fiber
- Axios

### 后端
- Flask
- OpenCV-Python
- Ultralytics YOLOv8
- NumPy / SciPy
- Supervision

## 安装指南

### 前端安装

```bash
# 进入前端目录
cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm start
```

### 后端安装

```bash
# 进入后端目录
cd backend

# 创建虚拟环境
python -m venv venv

# 激活虚拟环境
# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

# 安装依赖
pip install -r requirements.txt

# 启动后端服务
python app.py
```

## 使用说明

1. 启动前端和后端服务
2. 访问 http://localhost:3000
3. 上传橄榄球比赛航拍视频
4. 等待系统处理完成
5. 查看3D场景中的球员轨迹分析结果

## 目录结构

```
├── frontend/               # 前端React应用
│   ├── public/             # 静态资源
│   ├── src/                # 源代码
│   │   ├── components/     # React组件
│   │   ├── pages/          # 页面组件
│   │   └── App.js          # 主应用组件
│   └── package.json        # 前端依赖配置
│
├── backend/                # 后端Flask应用
│   ├── models/             # 模型定义
│   ├── utils/              # 工具函数
│   ├── app.py              # 主应用入口
│   └── requirements.txt    # 后端依赖配置
│
└── README.md               # 项目说明文档
```

## 示例展示

![系统截图](./docs/screenshot.png)

## 许可证

MIT