本發(fā)明涉及一種球賽視頻的跟蹤算法，尤其涉及一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法。
背景技術(shù)：
采用普通攝像頭進(jìn)行球賽無監(jiān)督的錄制時(shí)，由于運(yùn)動(dòng)員速度過快，常導(dǎo)致高速運(yùn)動(dòng)的運(yùn)動(dòng)員存在運(yùn)動(dòng)模糊，虛影和殘影問題；同時(shí)，由于運(yùn)動(dòng)動(dòng)作幅度較大，且時(shí)常發(fā)生球員間接觸或遮擋的情況，這使得一般的目標(biāo)跟蹤方法對(duì)球賽中運(yùn)動(dòng)跟蹤效果較差。本發(fā)明提出的對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，融合區(qū)域信息和局部特征的優(yōu)點(diǎn)，可適應(yīng)于遮擋較為嚴(yán)重情況，且有效地防止了漂移問題，可有效地解決球賽中運(yùn)動(dòng)員跟蹤問題。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明為解決上述技術(shù)問題而采用的技術(shù)方案是提供一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中具體包括以下步驟：
1)初始化；
利用人工標(biāo)注或算法自動(dòng)學(xué)習(xí)的方法，獲取得到場景的一些先驗(yàn)信息；
2)圖像預(yù)處理；
(1)對(duì)視頻中的球場建立背景模型，并從中分割出前景,并在前景上提取局部特征點(diǎn)；
(2)從前景區(qū)域中提取出邊緣；
(3)對(duì)上一幀提取出來的特征點(diǎn)采用光流跟蹤得到當(dāng)前幀的位置，并存儲(chǔ)當(dāng)前光流跟蹤的結(jié)果中點(diǎn)的位置，作為下幀跟蹤的待跟蹤點(diǎn)；
3)行人檢測器檢測人體；
利用線下采用機(jī)器學(xué)習(xí)方法訓(xùn)練好的行人檢測器，對(duì)視頻中的前景處進(jìn)行行人檢測；
4)融合區(qū)域信息和局部特征的跟蹤；
對(duì)檢測到的行人區(qū)域進(jìn)行跟蹤；
在球員之間發(fā)生遮擋時(shí)，利用上各特征點(diǎn)的光流跟蹤的結(jié)果來將部分遮擋上的目標(biāo)跟蹤上，同時(shí)將光流跟蹤結(jié)果點(diǎn)存儲(chǔ)起來以作為下幀跟蹤的待跟蹤點(diǎn)；
未被遮擋部分，采用如下方法提?。?/p>
獲取當(dāng)前幀采用區(qū)域跟蹤法未能跟蹤上的區(qū)域在上一幀的位置區(qū)域l，得到區(qū)域l中采用局部特征點(diǎn)光流跟蹤在本幀跟蹤上的點(diǎn)，這些點(diǎn)所組成的區(qū)域即為未被遮擋部分的局部。
上述的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中，初始化步驟中，先驗(yàn)信息包括從視頻中提取出球場位置，球場各處普通球員的身高。
上述的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中，行人檢測器檢測人體步驟中，采用hog+svm行人檢測器，或haar+adoboost行人檢測器，或acf行人檢測器，或深度學(xué)習(xí)的行人檢測器。
上述的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中，行人檢測器檢測人體步驟中，為了減少計(jì)算量，利用初始化中所獲取的球員的身高先 驗(yàn)知識(shí)來加速。
上述的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中，融合區(qū)域信息和局部特征的跟蹤步驟中，對(duì)檢測到的行人區(qū)域進(jìn)行跟蹤采用kalman+粒子濾波基于概率估計(jì)的方法進(jìn)行，或采用camshift基于模板匹配的方法。
上述的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，其中，融合區(qū)域信息和局部特征的跟蹤步驟中，為了進(jìn)一步提高被部分遮擋目標(biāo)的跟蹤效果，采用提高未被遮擋部分的局部特征點(diǎn)數(shù)目的方法，以用于下一幀的跟蹤。
本發(fā)明相對(duì)于現(xiàn)有技術(shù)具有如下有益效果：
融合區(qū)域信息和局部特征的優(yōu)點(diǎn)，可適應(yīng)于遮擋較為嚴(yán)重情況，且有效地防止了漂移問題，可有效地解決球賽中運(yùn)動(dòng)員跟蹤問題，克服了現(xiàn)有技術(shù)中一般的目標(biāo)跟蹤方法對(duì)球賽中運(yùn)動(dòng)跟蹤效果較差的弊端。
附圖說明
圖1為本發(fā)明提供的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法的示意圖。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的描述。
本發(fā)明提供的一種對(duì)球賽視頻中運(yùn)動(dòng)員進(jìn)行跟蹤的算法，具體方案包括：
一、初始化。
利用人工標(biāo)注或算法自動(dòng)學(xué)習(xí)的方法，獲取得到場景的一些先驗(yàn)信息 (如從視頻中提取出球場位置，球場各處普通球員的身高)。
二、圖像預(yù)處理。
(1)對(duì)視頻中的球場建立背景模型，并從中分割出前景,并在前景上提取局部特征點(diǎn)(如fast特征點(diǎn))；
(2)從前景區(qū)域中提取出邊緣(如采用sobel邊緣提取算子)。
(3)對(duì)上一幀提取出來的特征點(diǎn)，采用光流跟蹤得到當(dāng)前幀的位置，并存儲(chǔ)當(dāng)前光流跟蹤的結(jié)果中點(diǎn)的位置，作為下幀跟蹤的待跟蹤點(diǎn)。
三、行人檢測器檢測人體。
利用線下采用機(jī)器學(xué)習(xí)方法訓(xùn)練好的行人檢測器，對(duì)視頻中的前景處進(jìn)行行人檢測(如hog+svm行人檢測器，haar+adoboost行人檢測器，或acf行人檢測器，或深度學(xué)習(xí)的行人檢測器)。進(jìn)一步地，為了減少計(jì)算量，可利用上初始化中所獲取的球員的身高等先驗(yàn)知識(shí)來加速。
四、融合區(qū)域信息和局部特征的跟蹤。
對(duì)檢測到的行人區(qū)域進(jìn)行跟蹤(可采用kalman+粒子濾波等基于概率估計(jì)的方法進(jìn)行，也可以采用camshift等基于模板匹配的方法)。
在球員之間發(fā)生較嚴(yán)重的遮擋時(shí)，采用區(qū)域跟蹤的方法一般較難跟蹤上，這個(gè)時(shí)候可利用上各特征點(diǎn)的光流跟蹤的結(jié)果，來將部分遮擋上的目標(biāo)跟蹤上。同時(shí)將光流跟蹤結(jié)果點(diǎn)，存儲(chǔ)起來以作為下幀跟蹤的待跟蹤點(diǎn)。
為了進(jìn)一步提高被部分遮擋目標(biāo)的跟蹤效果，可提高未被遮擋部分的局部特征點(diǎn)數(shù)目，以用于下一幀的跟蹤。而未被遮擋部分，可采用如下方法提取：
獲取當(dāng)前幀采用區(qū)域跟蹤法未能跟蹤上的區(qū)域在上一幀的位置區(qū)域 l，得到區(qū)域l中采用局部特征點(diǎn)光流跟蹤在本幀跟蹤上的點(diǎn)，這些點(diǎn)所組成在區(qū)域即為未被遮擋部分的局部。
雖然本發(fā)明已以較佳實(shí)施例揭示如上，然其并非用以限定本發(fā)明，任何本領(lǐng)域技術(shù)人員，在不脫離本發(fā)明的精神和范圍內(nèi)，當(dāng)可作些許的修改和完善，因此本發(fā)明的保護(hù)范圍當(dāng)以權(quán)利要求書所界定的為準(zhǔn)。