CN103617644A - 一种基于机器视觉的羽毛球边线越界判别方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉的羽毛球边线越界判别方法，（1）从比赛视频中提取多幅连续帧图像，将该图像由RGB空间转到灰度空间；（2）从步骤（1）得到的灰度空间的图像中提取羽毛球场地的边界线位置，标定出羽毛球场地边界线的位置，然后根据边界线的位置得到羽毛球场特征点的位置，所述羽毛球场特征点指相邻边界线的交点；（3）根据羽毛球场特征点的位置建立欧式坐标系与步骤（1）中采集的图像坐标系之间的投影矩阵，从而得到整个羽毛球场在欧式坐标系的平面坐标；根据羽毛球落地瞬间的位置判断羽毛球是否越界。

Description

一种基于机器视觉的羽毛球边线越界判别方法

技术领域

本发明涉及机器视觉与图像处理，特别是一种基于机器视觉的羽毛球边线越界判别方法。

背景技术

在羽毛球比赛中，对边线球的判定经常出现争议，即对边线球是好球还是坏球存在分歧。因为目前的裁判系统几乎完全是主观裁判系统，边线球的落点全由裁判员眼睛观察来判定，而通过人眼观察得到的结果是与观察者所处的位置与角度、观察者视力的好坏和眼睛的疲劳程度等因素密切相关。这样对于同一落点，不同位置的观察者可能给出完全相反的结论。另外，羽毛球落地速度快、与地面接触点小且隐蔽；裁判较长时间盯着边线容易出现眼睛疲劳造成视觉误差；人眼判断的主观性以及人眼分辨能力的有限性等，这些原因都会不同程度的引起比赛中边线球是好球还是坏球的误判甚至故意误判的状况，影响比赛的公正性。

目前国内外的研究与本项目所开发的羽毛球边线越界判别系统相类似的、可用于客观地执行球类比赛裁判任务的类似系统主要有：用于网球裁判辅助功能的“鹰眼技术”；羽毛球数字检测系统；球类比赛线审辅助装置等。这些装置使用成本太高，要通过改变球的颜色、质量、场地埋设绝缘材料等手段达到辅助裁判的目的，对于羽毛球比赛的推广应用有限，而且与羽毛球竞赛规则发生冲突。

发明内容

本发明的目的在于克服上述已有技术的不足，提供了一种基于机器视觉的羽毛球边线越界判别方法，实现对羽毛球落地瞬间是否压线做出客观、精确、快速的判断，对羽毛球比赛公平、公正、顺利进行有着重要意义。

为实现上述目的，本发明采用以下技术方案：

一种基于机器视觉的羽毛球边线越界判别方法，包括以下步骤：

（1）从比赛视频中提取多幅连续帧图像，将该图像由RGB空间转到灰度空间；

（2）从步骤（1）得到的灰度空间的图像中提取羽毛球场地的边界线位置，标定出羽毛球场地边界线的位置，然后根据边界线的位置得到羽毛球场特征点的位置，所述羽毛球场特征点指相邻边界线的交点；

（3）根据羽毛球场特征点的位置建立欧式坐标系与步骤（1）中采集的图像坐标系之间的投影矩阵，从而得到整个羽毛球场在欧式坐标系的平面坐标；

（4）根据羽毛球落地瞬间的位置判断羽毛球是否越界。

作为本发明的优选实施例，所述步骤（2）中，通过膨胀、闭合图像处理方法对图像中边界线进行加强，然后利用Canny边缘检测算法，检测出图像中羽毛球场的边界线。

作为本发明的优选实施例，所述步骤（2）中，所述羽毛球场特征点的位置确定方法为：利用Hough变换检测羽毛球场边界线的直线，得到直线方程，每条边界线表示为ay=bx+c，则四条边界线表示为：

$\left\{\begin{array}{c}{a}_{1}y=b_{1}x+c_1\\ a_{2}y=b_{2}x+c_2\\ a_{1}y=b_{1}x+c_3\\ a_{2}y{=b}_2{x+c}_4\end{array}\right.$

式中，a₁,a₂,b₁,b₂,c₁和c₂分别是对应方程的系数；

由于四条边界线总是有两对边界线相互平行，故，上述方程x和y的系数相同，联立求解即得特征点的位置坐标分别为(x₁,y₁)、(x₂,y₂)、(x₃,y₃)、(x₄,y₄)。

所述步骤（4）中羽毛球是否越界的判断方法为：根据四条边界线的方程利用工程优化方法得到包括边界线的整个球场的区域，该球场的区域表示为：

$\left\{\begin{array}{c}{A}_{1}y\≥B_{1}x+C_1\\ A_{2}y\≥B_{2}x+C_2\\ A_{1}y\≤B_1{x+C}_3\\ A_{2}y\≤B_{2}x+C_4\end{array}\right.$

式中，A₁,A₂,B₁,B₂,C₁和C₂的绝对值分别与a₁,a₂,b₁,b₂,c₁和c₂相等；

如果羽毛球落地点的坐标(x₀,y₀)在上述区域内，则羽毛球并未越界；否则，即为越界。

本发明与现有技术相比具有以下有益效果：本发明方法首先提取比赛视频中的连续图像，从中得到羽毛球场地的边界线位置和特征点位置，然后根据特征点位置得到整个羽毛球场在欧式坐标系的平面坐标，最后根据羽毛球落地瞬间的位置和特征点的位置关系判断羽毛球是否越界。

具体实施方式

以下将结合附图，清楚、完整的描述本发明基于机器视觉的羽毛球边线越界判别方法的设置，羽毛球场平面坐标的建立，羽毛球目标的建模与提取和羽毛球边线是否越界判定的详细过程：

在羽毛球比赛规则中设计“界内”球和“界外”球的条款是“所有长底线都是它所确定的区域的组成部分”和“羽毛球应有16根羽毛固定在球托部”，依据这两条规则可得出：只要球的任何部分的最初落地点落在此时该球应落的有效区域（发球区域或球场区域）的线上即为“界内”球，也即好球。

考虑到边界线不是一根细线，而是有宽度的线，所以，得到判断好球与坏球的规则是：

1、若羽毛球任何部分的最初落地点落在有效区域（发球区域或球场区域）内，则判定该球为好球；

2、若羽毛球任何部分的最初落地点落在边界线上或部分压在线上，甚至该点只是占据边界线外沿一点，则判定该球为好球；

3、若羽毛球任何部分的最初落地点均不符合上述两种情况，则判定该球为坏球。

羽毛球边线越界自动判别方法的原理和步骤如下：

(1)视频图像序列的读取：从比赛视频中提取多幅连续帧图像，并将图像由RGB空间转化到灰度空间。

(2)图像中球场特征线的提取：首先通过膨胀、闭合等图像处理方法对图像中边界线等球场特征线进行加强；利用Canny边缘检测算法，检测出图像中的边界线；提取并标定出球场边线的位置。

(3)根据球场特征线方程求解特征点坐标：利用Hough变换检测直线，得到直线方程求解边界线的交点坐标，即为球场特征点的图像坐标；因为每条检测到的边界线可以表示为ay=bx+c，则求解到的四条边界线为：

$\left\{\begin{array}{c}{a}_{1}y=b_{1}x+c_1\\ a_{2}y=b_{2}x+c_2\\ a_{1}y=b_{1}x+c_3\\ a_{2}y{=b}_2{x+c}_4\end{array}\right.$

式中，因为总是有两对边界线是相互平行的，所以其x、y的系数相同。通过两条非平行直线的联立即可得到四个交点坐标(x₁,y₁)、(x₂,y₂)、(x₃,y₃)、(x₄,y₄)。

(4)求解球场坐标的投影矩阵：根据得到的球场特征点坐标位置(此时为欧式坐标)，利用线型摄像机模型的摄像机标定方法得到欧式坐标系与图像世界坐标系之间的投影矩阵，即可求得整个球场在欧式坐标系的平面坐标。

(5)提取关键帧(含羽毛球落地瞬间的图像)中羽毛球目标点：由羽毛球的特殊形状和颜色设计羽毛球评价模板，图像中符合羽毛球评价模板的目标即为羽毛球目标点；根据得到的投影矩阵可得到羽毛球目标点在球场欧式坐标系中的坐标(x₀,y₀)。

(6)判断羽毛球落地点(x₀,y₀)是否越界：根据求解得到的四条边界线，利用工程优化方法得到整个球场(包含边界线)的区域，可表示为

$\left\{\begin{array}{c}{A}_{1}y\≥B_{1}x+C_1\\ A_{2}y\≥B_{2}x+C_2\\ A_{1}y\≤B_1{x+C}_3\\ A_{2}y\≤B_{2}x+C_4\end{array}\right.$

若(x₀,y₀)在上述区域内，则羽毛球并未越界；否则，即为越界。

(7)根据越界判断结果给出相应的警示。

本发明的优点为：

1)本发明是以羽毛球比赛视频为图像来源，图像采集方法简单有效，易于处理；

2)本发明由计算机进行图像分析处理以判定羽毛球的越界行为，速度快、结果准确：

3)本发明采用机器视觉对羽毛球比赛中羽毛球是否边线越界做出判决，很大程度上减轻了司线裁判员的工作量和失误，降低了人为控制比赛的因素，提高了盘发结果的可信度；

4)本发明设计了多摄像机无遮挡拍摄羽毛球比赛的视频图像采集方法，用较少的摄像机代替司线裁判员，降低了成本；

5)本发明设计了基于背景建模的羽毛球目标的提取算法，具有很好的鲁棒性；

6)本发明设计了基于羽毛球形状和大小的羽毛球目标模板，可以更好地从比赛视频的连续帧中提取羽毛球目标；

7)本发明并未改变比赛中羽毛球的质量、颜色等，符合规则要求；

8)本发明中的灯光提示设备可及时、准确的完成对主裁判的执法辅助判断，不会干扰比赛，也不易受场外因素干扰。

Claims (4)

1.一种基于机器视觉的羽毛球边线越界判别方法，其特征在于：包括以下步骤：

（1）从比赛视频中提取多幅连续帧图像，将该图像由RGB空间转到灰度空间；

（2）从步骤（1）得到的灰度空间的图像中提取羽毛球场地的边界线位置，标定出羽毛球场地边界线的位置，然后根据边界线的位置得到羽毛球场特征点的位置，所述羽毛球场特征点指相邻边界线的交点；

（3）根据羽毛球场特征点的位置建立欧式坐标系与步骤（1）中采集的图像坐标系之间的投影矩阵，从而得到整个羽毛球场在欧式坐标系的平面坐标；

（4）根据羽毛球落地瞬间的位置判断羽毛球是否越界。

2.根据权利要求1所述的方法，其特征在于：所述步骤（2）中，通过膨胀、闭合图像处理方法对图像中边界线进行加强，然后利用Canny边缘检测算法，检测出图像中羽毛球场的边界线。

3.根据权利要求1所述的方法，其特征在于：步骤（2）中，所述羽毛球场特征点的位置确定方法为：利用Hough变换检测羽毛球场边界线的直线，得到直线方程，每条边界线表示为ay=bx+c，则四条边界线表示为：

$\left\{\begin{array}{c}{a}_{1}y=b_{1}x+c_1\\ a_{2}y=b_{2}x+c_2\\ a_{1}y=b_{1}x+c_3\\ a_{2}y{=b}_2{x+c}_4\end{array}\right.,$

式中，a₁,a₂,b₁,b₂,c₁,c₂,c₃和c₄分别是对应方程的系数；

由于四条边界线总是有两对边界线相互平行，故，上述方程x和y的系数相同，联立求解即得特征点的位置坐标分别为(x₁,y₁)、(x₂,y₂)、(x₃,y₃)、(x₄,y₄)。

4.根据权利要求3所述的方法，其特征在于：所述步骤（4）中羽毛球是否越界的判断方法为：根据四条边界线的方程利用工程优化方法得到包括边界线的整个球场的区域，该球场的区域表示为：

$\left\{\begin{array}{c}{A}_{1}y\≥B_{1}x+C_1\\ A_{2}y\≥B_{2}x+C_2\\ A_{1}y\≤B_1{x+C}_3\\ A_{2}y\≤B_{2}x+C_4\end{array}\right.$

式中，A₁,A₂,B₁,B₂,C₁,C₂,C₃和C₄的绝对值分别与a₁,a₂,b₁,b₂,c₁,c₂,c₃和c₄相等；

如果羽毛球落地点的坐标(x₀,y₀)在上述区域内，则羽毛球并未越界；否则，即为越界。