python案例认为这次挡拆配合是否犯规？

wen python案例 2026-08-08 204

本文目录导读：

案例需求
Python 代码模拟
输出结果与解释
真实场景的延伸思考

我们来一起分析一个Python案例，用来判断篮球比赛中的“挡拆配合”是否犯规。

要判断挡拆是否犯规，本质上是一个逻辑判断问题，在篮球规则中，挡拆（掩护）犯规的核心在于掩护者的身体姿态和移动状态。

以下是一个基于规则的Python模拟案例：

案例需求

假设我们正在开发一个AI裁判系统，系统通过传感器捕获了以下数据,需要判断这次挡拆是否犯规。

规则标准（简化版）：

合法挡拆：掩护者必须双脚站立（或原地小碎步），身体直立，且与防守者有一臂距离。
掩护犯规（移动掩护）：掩护者在建立掩护后，横向或向防守者方向移动去“追击”防守人。
掩护犯规（推人）：掩护者张开手臂或主动发力顶开防守者。

Python 代码模拟

class PickAndRollJudger:
    def __init__(self):
        # 设定犯规的临界值
        self.max_movement_speed = 1.5  # 单位：米/秒，超过此速度视为移动掩护
        self.legal_arm_distance = 0.6   # 单位：米，低于此距离视为接触过近
    def judge(self, player_data):
        """
        :param player_data: 包含球员状态的数据字典
        :return: 判定结果（字符串）
        """
        # 提取关键特征
        movement_speed = player_data.get("movement_speed", 0)   # 掩护者横向移动速度
        arm_distance = player_data.get("arm_distance", 2.0)     # 与防守者的距离
        contacts = player_data.get("contacts", [])              # 接触部位列表，如 ['hand_push', 'shoulder']
        is_moving = player_data.get("is_moving", False)         # 是否双脚离地/移动
        had_established_position = player_data.get("had_established_position", False)
        # --- 逻辑判断 ---
        # 规则1：如果掩护者还在移动（通常指建立掩护后还在追防），视为犯规
        if is_moving and movement_speed > self.max_movement_speed:
            return "防守犯规 - 非法掩护（移动掩护）"
        # 规则2：如果距离过近且发生剧烈接触（推人）
        if (arm_distance < self.legal_arm_distance) and ("hand_push" in contacts):
            return "防守犯规 - 非法掩护（推人）"
        # 规则3：如果未建立合法位置（脚没站稳）就发生接触
        if not had_established_position and (arm_distance < self.legal_arm_distance):
            return "防守犯规 - 掩护未站稳就接触"
        # 规则4：如果以上都不满足，则为合法掩护
        # 额外的：如果距离适中且没有主动发力
        if (arm_distance >= self.legal_arm_distance) or ("shoulder" in contacts and not is_moving):
            return "合法掩护 - 挡拆配合有效"
        # 兜底
        return "待进一步检测"
# --- 模拟两个场景 ---
# 场景1：经典移动掩护（犯规）
data_illegal = {
    "movement_speed": 2.8,   # 移动太快
    "arm_distance": 0.3,     # 靠得很近
    "contacts": ["hand_push"], 
    "is_moving": True,
    "had_established_position": False  # 还没站稳就动
}
# 场景2：教科书般的挡拆（合法）
data_legal = {
    "movement_speed": 0.2,   # 基本静止
    "arm_distance": 0.8,     # 保持了一臂距离
    "contacts": ["shoulder"], # 胸腔接触不算推
    "is_moving": False,
    "had_established_position": True  # 双脚站定
}
# 运行判定
judger = PickAndRollJudger()
result1 = judger.judge(data_illegal)
result2 = judger.judge(data_legal)
print("案例1（移动掩护）：", result1)
print("案例2（站位掩护）：", result2)

输出结果与解释

运行这段代码,你会得到如下输出：

案例1（移动掩护）： 防守犯规 - 非法掩护（移动掩护）
案例2（站位掩护）： 合法掩护 - 挡拆配合有效

解释：

案例1：系统检测到掩护者移动速度（2.8m/s）远高于阈值（1.5m/s），且处于移动状态，触发了“移动掩护”犯规判定,这是NBA和FIBA规则里最常见的挡拆犯规。
案例2：系统检测到球员站定、距离合适,判定为合法掩护。

真实场景的延伸思考

在真正的篮球比赛中,这个逻辑会更复杂。

圆柱体原则：掩护者必须站在防守者的侧前方，不能是背后，也不能在防守者的行进路线上突然“闪现”。
时间差：防守者如果已经起跳，掩护者不能去“垫脚”。
数据来源：真实AI裁判会用视觉骨架检测（OpenPose）或雷达数据来获取 movement_speed 和 arm_distance。