CN103886618A - 一种球类的检测方法和装置 - Google Patents
一种球类的检测方法和装置 Download PDFInfo
- Publication number
- CN103886618A CN103886618A CN201410090369.6A CN201410090369A CN103886618A CN 103886618 A CN103886618 A CN 103886618A CN 201410090369 A CN201410090369 A CN 201410090369A CN 103886618 A CN103886618 A CN 103886618A
- Authority
- CN
- China
- Prior art keywords
- detected
- ball
- motion
- target area
- original image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明实施例公开了一种球类的检测方法和装置,所述的方法包括:提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;判断再次筛选后是否剩下一个目标区域,若是,则判定所述目标区域为待检测球类所在的区域,否则,返回上一步骤。本发明实施例由粗到精筛选待检测球类所在的区域,不仅减少了系统计算量,提高了检测效率,适应了场景复杂的情况,提高了检测的精度。
Description
技术领域
本发明涉及计算机视觉与图像处理的技术领域,具体涉及一种球类的检测方法,以及一种球类的检测装置。
背景技术
基于多媒体技术的体育视频分析为体育运动带来了许多革新,在体育转播和裁判工作中产生了具有重大的意义,极大推进了体育产业的发展。
视觉分析系统的关键技术之一就是图像平面的目标检测与跟踪技术。
运动目标检测的目的是从序列图像中将变化区域从背景图像中提取出来。运动区域的有效分割对于目标跟踪、行为理解等后期处理是非常重要的,因为以后的处理过程仅仅考虑图像中对应于运动区域的像素。例如,用户在网球赛事直播中会看到有网球落点的统计、网球轨迹的模拟等等。
现有技术中的视觉分析系统受光照强度影响较大,且当场景比较复杂时,此检测效果并不好。
因此,目前需要本领域技术人员迫切解决的一个技术问题就是:提供一种球类检测机制,用以提高对球类检测的识别精度。
发明内容
本申请所要解决的技术问题是提供一种球类的检测方法,用以提高对球类检测的识别精度。
本发明还提供了一种球类的检测装置,用以保证上述方法的实现及应用。
为了解决上述问题,本发明公开了一种球类的检测方法,包括:
提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
判断再次筛选后是否剩下一个目标区域,若是,则判定所述目标区域为待检测球类所在的区域,否则,返回上一步骤。
优选地,所述提取原始图像中的前景图像的步骤包括:
增强所述原始图像的对比度;
采用高斯模型提取原始图像中的前景图像。
优选地,所述待检测球类的特征信息包括以下的一种或多种:
面积、形状、形心。
优选地,所述颜色信息包括颜色值,所述运动步长信息包括运动步长值,所述采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选的步骤包括:
获取待检测球类的所有颜色信息对应的参考颜色值;
分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域;
和/或,
获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域。
优选地,所述运动步长信息还包括运动方向,在所述获取待检测球类的各颜色信息对应的参考颜色值的步骤之前,所述采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选的步骤还包括:
获取待检测球类的参考运动方向;
分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域。
本发明实施例还公开了一种球类的检测装置,包括:
提取模块,用于提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
初步筛选模块,用于采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
再次筛选模块,用于采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
判断模块,用于判断再次筛选后是否剩下一个目标区域,若是,则调用判定模块;否则,调用再次筛选模块;
判定模块,用于判定所述目标区域为待检测球类所在的区域。
优选地,所述提取模块包括:
增强子模块,用于增强所述原始图像的对比度;
高斯模型处理模块,用于采用高斯模型提取原始图像中的前景图像。
优选地,所述待检测球类的特征信息包括以下的一种或多种:
面积、形状、形心。
优选地,所述颜色信息包括颜色值,所述运动步长信息包括运动步长值,所述再次筛选模块包括:
第一获取子模块,用于获取待检测球类的所有颜色信息对应的参考颜色值;
第一确定子模块,用于分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
第一判断子模块,用于分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则调用第一保留子模块;若否,则调用第一删除子模块;
第一保留子模块,用于保留所述一个或多个目标区域;
第一删除子模块,用于删除所述一个或多个目标区域;
和/或,
第二获取子模块,用于获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
第二确定子模块,用于依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
第二判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则调用第二保留子模块;若否,则调用第二删除子模块;
第二保留子模块,用于保留所述一个或多个目标区域;
第二删除子模块,用于删除所述一个或多个目标区域。
优选地,所述运动步长信息还包括运动方向,所述再次筛选模块还包括:
第三获取子模块,获取待检测球类的参考运动方向;
第三判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则调用第三保留子模块;若否,则调用第三删除子模块;
第三保留子模块,用于保留所述一个或多个目标区域;
第三删除子模块,用于删除所述一个或多个目标区域。
与现有技术相比,本发明实施例包括以下优点:
本发明实施例通过提取原始图像的前景图像,将产生变化的区域提取出来,即将运动中的待检测球类提取出来,然后在前景图像中的待检测区域采用待检测球类的特征信息进行初步筛选,最后采用颜色信息和/或运动步长信息进行再次筛选,由粗到精筛选待检测球类所在的区域,不仅减少了系统计算量,提高了检测效率,适应了场景复杂的情况,提高了检测的精度。
本发明实施例联合面积、圆度、形心等球类特征评估目标,可以更加有效的识别出球类目标,进一步提高了球类的检测精度。
本发明实施例可以根据实际情形调整参考颜色值,使之适应光照的变化,降低了光照的影响,更准确的度量参考颜色区间,进一步提高了球类的检测精度。
附图说明
图1是本发明的一种球类的检测方法实施例的步骤流程图;
图2是本发明的一种原始图像的示例图;
图3是图2所示的原始图像中的前景图像;
图4是对图3进行初步筛选之后的示例图;
图5是采用颜色值对图4进行再次筛选之后的示例图;
图6是采用运动步长值对图5进行再次筛选之后的示例图;
图7是本发明的一种球类的检测装置实施例的结构框图。
具体实施方式
为使本发明实施例的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明实施例作进一步详细的说明。
参照图1,示出了本发明的一种球类的检测方法实施例的步骤流程图,具体可以包括如下步骤:
步骤101,提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
在球类(如乒乓球、网球等等)比赛中,往往关心的是球类的运动状态,如球类的飞行轨迹、落点位置等等,而想要得到这些信息,首先需要将球类从复杂的场景中提取出来。本发明实施例中球类检测的目的就是从序列图像,即球类比赛中的每一帧图像,将球类从背景图像中提取出来。运动区域的有效分割对于球类跟踪、行为理解等后期处理是非常重要的,因为以后的处理过程需要考虑图像中球类所在区域的像素。
原始图像可以为序列图像中的其中一帧图像。例如,如图2所示,该原始图像的示例为乒乓球比赛中的其中一帧图像。
在本发明的一种优选实施例中,步骤101可以包括如下子步骤:
子步骤S11,增强所述原始图像的对比度;
在具体实现中,可以采用以下图像处理方法的一种或多种增强原始图像的对比度:
直方图均衡化、色阶调整、Gamma校正、均值模糊。
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区域变成在全部灰度范围内的均匀分布。直方图均衡化就是对原始图像进行非线性拉伸,重新分配图像像素值,使一定灰度范围内的像素数量大致相同。直方图均衡化就是把原始图像的直方图分布改变成“均匀”分布直方图分布。
色阶描述了图像中的影调范围为0~255。使用色阶工具时,出现的直方图会显示图像中影调的分布情况。要让图像变暗,就把黑色滑块向右拖动。相反,如果想让图像变亮,则把白色滑块向左拖动。把两个滑块都向中间拖动,则图像的反差加大。
Gamma曲线是一种特殊的色调曲线,当Gamma值等于1的时候,曲线为与坐标轴成45°的直线,这个时候表示输入和输出密度相同。高于1的Gamma值将会造成输出亮化,低于1的Gamma值将会造成输出暗化。
均值模糊(box blur)就是将原始图像中像素周边所有的影响都是1,求平均值即可。
当然,上述图像处理方法只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他图像处理方法,本发明实施例对此不加以限制。另外,除了上述图像处理方法外,本领域技术人员还可以根据实际需要采用其它图像处理方法,本发明实施例对此也不加以限制。
子步骤S12,采用高斯模型提取原始图像中的前景图像。
高斯模型就是用高斯概率密度函数(正态分布曲线)精确地量化事物,将一个事物分解为若干的基于高斯概率密度函数(正态分布曲线)形成的模型。
对于原始图像背景图像建立高斯模型,原始图像灰度直方图反映的是原始图像中某个灰度值出现的频次,也可以认为是原始图像灰度概率密度的估计。如果原始图像所包含的目标区域(前景图像)和背景区域相比比较大,且背景区域和目标区域(前景图像)在灰度上有一定的差异,那么该原始图像的灰度直方图呈现双峰-谷形状,其中一个峰对应于目标,另一个峰对应于背景的中心灰度。对于复杂的原始图像,一般是多峰的。通过将直方图的多峰特性看做是多个高斯分布的叠加,可以将原始图像的前景图像与背景图像进行分割。
经过增强对比度和高斯模型处理后,提取了原始图像中的前景图像,即是前后两帧原始图像变化的区域(即待检测区域),该变化的区域可以是一个或多个,记为集合M。本发明实施例中,可以从M中找出最可能是待检测球类的区域,记为G,然后对其进行计算分析。
例如,图3示出了本发明实施例的提取图2所示的原始图像中的前景图像。其中,经过高斯模型处理,将属于前景图像的像素值设为255,将属于背景图像的像素值设为0,即图3中白色区域为前景图像,黑色区域为背景图像。
步骤102,采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
需要说明的是,待检测球类可以为乒乓球、网球、足球等等,本发明实施例对此不加以限制。
特征信息可以为标识待检测球类特征的信息,对于不同类型的待检测球类,其特征信息可以不同。
在具体实现中,待检测球类的特征信息可以包括以下的一种或多种:
面积、形状、形心。
面积(Area)可以为待检测区域占有的像素总数。面积大小和具体的成像效果相关,在本发明实施例的一种优选示例中,待检测区域的面积在原始图像面积的0.01倍-0.00025倍之间。当面积符合条件时,则保留此待检测区域。否则,删除此待检测区域。
形状是指待检测区域是否接近于圆。在本发明实施例的一种优选示例中,待检测区域长轴(MajorAxisLength)与短轴(MinorAxisLength)(或短轴与长轴)的比值需要小于0.65。当形状符合条件时,则保留此待检测区域。否则,删除此待检测区域。
形心可以为待检测区域的几何中心。在求得形心坐标后,判断此坐标处的像素是在待检测区域内还是在待检测区域外。若在待检测区域内则符合条件,保留此待检测区域。否则,删除此待检测区域。
当然,上述特征信息只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他特征信息,例如周长(Perimeter)、离心率(Eccentricity)、圆度(Roundness)、对称性(Symmetry)等等,本发明实施例对此不加以限制。
本发明实施例联合面积、圆度、形心等球类特征评估目标,可以更加有效的识别出球类目标,进一步提高了球类的检测精度。
例如,参见图4,示出了本发明实施例对图3所示前景图像进行初步筛选之后的示例图。
经过初步筛选之后,删除了部分待检测区域,得到了目标区域,该目标区域可以是一个或多个,可以记为集合M1。
步骤103,采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
在本发明的一种优选实施例中,所述颜色信息可以包括颜色值,则在本实施例中,步骤103可以包括如下子步骤:
子步骤S21,获取待检测球类的所有颜色信息对应的参考颜色值;
子步骤S22,分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
子步骤S23,分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则执行子步骤S24,若否,则执行子步骤S25;
子步骤S24,保留所述一个或多个目标区域;
子步骤S25,删除所述一个或多个目标区域;
颜色信息是描述图像内容的一个重要特征,本发明实施例可以使用颜色信息对M1进行再次筛选。
首先需要从球图像样本空间(在球类比赛开始之前预先采集一些包含待检测球类的图像序列)中提取待检测球类的颜色信息,获得参考颜色值。该参考颜色值可以为对应颜色信息的颜色值的均值。
以RGB色彩模式(工业界的一种颜色标准,是通过对红色Red、绿色Green、蓝色Blue三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的)为例进行说明。
本发明实施例中可以提取待检测球类的所在区域所有像素的R、G、B的值,然后相加再除以像素的个数,求取待检测球类所在区域中所有像素的R、G、B三分量均值T(R)、T(G)、T(B)。再分别确定R、G、B的参考颜色区间(T(R)-β1,T(R)+β1)、(T(G)-β2,T(G)+β2)、(T(B)-β3,T(B)+β3),其中β1、β2、β3为常数。然后分别求取目标区域对应的原始图像的R、G、B三分量均值,看是否处于各自对应的参考颜色区间中,将不在参考颜色区间内的目标区域删除,得到目标区域的集合M2。
当然,上述颜色信息只是作为示例,在实施本发明实施例时,可以根据实际情况设置其他颜色信息,例如印刷色彩模式CMYK(青色Cyan、品红色Magenta、黄色Yellow、黑色Black)、HSV(色相Hue、饱和度Saturation、明度Value)颜色模型等等,本发明实施例对此不加以限制。
本发明实施例可以根据实际情形调整参考颜色值,使之适应光照的变化,降低了光照的影响,更准确的度量参考颜色区间,进一步提高了球类的检测精度。
需要说明的是,本发明实施例中可以将参考颜色区间设置得小一些,例如将上述β1、β2、β3设置得小一些,可以直接通过颜色信息的再次筛选之后,所剩下的目标区域即为待检测球类所在的区域,即此时M2只有一个目标区域。
在本发明的一种优选实施例中,所述运动步长信息可以包括运动步长值,则在本实施例中,步骤103可以包括如下子步骤:
子步骤S31,获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
子步骤S32,依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
子步骤S33,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则执行子步骤S34,若否,则执行子步骤S35;
子步骤S34,保留所述一个或多个目标区域;
子步骤S35,删除所述一个或多个目标区域。
运动步长可以为前后两帧图像之间目标区域的形心之间的距离。
待检测球类的运动步长与帧率相关,帧率越高,运动步长越小,帧率越低,移动步长越大。因此,选取合适的运动步长至关重要。
在具体实现中,初始参考运动步长值可以进行实验预先确定,通过实验确定在特定帧率下待检测球类的运动步长。之后的参考运动步长值可以更新为前面两帧图像待检测球类所在区域的形心之间的距离。
本发明实施例中,将集合M1中的所有目标区域依次作为初始位置进行筛选。首先通过实验确定初始参考运动步长L,然后利用当前帧与符合条件的下一帧中之间的待检测球类所在区域的距离更新参考运动步长L。由于图像识别的误差,每两帧之间的待检测球类所在区域的距离并不严格等于L。因此需要确定一个参考运动步长区间(L-α,L+α),其中α为常数,将不在参考运动步长区间内的目标区域删除,得到目标区域的集合M3。在实际中,可以根据获取原始图像的相机帧率的变化及实际的比赛情况,选取合适的α值。
在本发明的一种优选实施例中,所述运动步长信息可以包括运动步长值,所述运动步长信息还可以包括运动方向,则在本实施例中,步骤103可以包括如下子步骤:
子步骤S41,获取待检测球类的参考运动方向;
子步骤S42,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则执行子步骤S43,若否,则执行子步骤S44;
子步骤S43,保留所述一个或多个目标区域;
子步骤S44,删除所述一个或多个目标区域;
子步骤S45,获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
子步骤S46,依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
子步骤S47,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则执行子步骤S48,若否,则执行子步骤S49;
子步骤S48,保留所述一个或多个目标区域;
子步骤S49,删除所述一个或多个目标区域。
在本发明实施例中,为了提高待检测球类的检测精度,可以考虑待检测球类的运动方向。具体可以包括待检测球类在水平方向的运动方向和垂直方向的运动方向,即待检测球类是处于上升段还是下降段,是从左往右运动还是从右往左运动。
作为本发明实施例的一种优选示例,目标区域的运动方向的信息可以通过目标区域的坐标信息获得。具体地,对前后两帧的原始图像建立直角坐标系,获得目标区域形心的两个坐标,通过该两个坐标可以计算得到目标区域在水平方向的运动方向和竖直方向的运动方向。例如,以原始图像的左下角为原点建立直角坐标,对于某个目标区域的形心,前一帧的坐标为(1,2),后一帧的坐标为(2,3),则该目标区域在水平方向的运动方向为从左向右,在垂直方向上的运动方向为从下向上。
参考运动方向可以为预先设定的,也可以是前两帧检测出的待检测球类的运动方向,本发明实施例对此不加以限制。
当目标区域的运动方向与参考运动方向不相同时,则将该目标区域删除,得到目标区域的集合M4。再对M4里的目标区域采用运动步长值进行筛选,最终得到目标区域的集合M5。
需要说明的是,由于子步骤S45-子步骤S49与子步骤S31-子步骤S35的应用基本相似,所以描述的比较简单,相关之处参见子步骤S31-子步骤S35的部分说明即可,本发明实施例在此不加以详述。
在本发明的一种优选实施例中,所述颜色信息可以包括颜色值,所述运动步长信息可以包括运动步长值,则在本实施例中,步骤103可以包括如下子步骤:
子步骤S51,获取待检测球类的所有颜色信息对应的参考颜色值;
子步骤S52,分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
子步骤S53,分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则执行子步骤S54,若否,则执行子步骤S55;
子步骤S54,保留所述一个或多个目标区域;
子步骤S55,删除所述一个或多个目标区域;
子步骤S56,获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
子步骤S57,依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
子步骤S58,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则执行子步骤S59,若否,则执行子步骤S60;
子步骤S59,保留所述一个或多个目标区域;
子步骤S60,删除所述一个或多个目标区域。
本发明实施例中,可以将将参考颜色区间设置得宽泛一些,例如将上述β1、β2、β3设置得宽泛一些,否则可能将会把带检测球类所在的区域给删除了。在通过颜色值对M1中的目标区域进行筛选后,得到目标区域集合M2,再对M2里的目标区域采用运动步长值进行筛选,最终得到目标区域的集合M6。
例如,参见图5,示出了本发明实施例对图4采用颜色值进行再次筛选之后的示例图,此时M2中包括3个目标区域。
又例如,参见图6,示出了本发明实施例对图5采用运动步长值进行再次筛选之后的示例图,此时M6中包括1个目标区域。
需要说明的是,由于子步骤S51-子步骤S55与子步骤S21-子步骤S25的应用基本相似,子步骤S56-子步骤S60与子步骤S31-子步骤S35的应用基本相似,所以描述的比较简单,相关之处参见子步骤S21-子步骤S25和子步骤S31-子步骤S35的部分说明即可,本发明实施例在此不加以详述。
在本发明的一种优选实施例中,所述颜色信息可以包括颜色值,所述运动步长信息可以包括运动步长值,所述运动步长信息还可以包括运动方向,则在本实施例中,步骤103可以包括如下子步骤:
子步骤S61,获取待检测球类的所有颜色信息对应的参考颜色值;
子步骤S62,分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
子步骤S63,分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则执行子步骤S64,若否,则执行子步骤S65;
子步骤S64,保留所述一个或多个目标区域;
子步骤S65,删除所述一个或多个目标区域;
子步骤S66,获取待检测球类的参考运动方向;
子步骤S67,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则执行子步骤S68,若否,则执行子步骤S69;
子步骤S68,保留所述一个或多个目标区域;
子步骤S69,删除所述一个或多个目标区域;
子步骤S70,获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
子步骤S71,依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
子步骤S72,分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则执行子步骤S73,若否,则执行子步骤S74;
子步骤S73,保留所述一个或多个目标区域;
子步骤S74,删除所述一个或多个目标区域。
本发明实施例中,在通过颜色值对M1中的目标区域进行筛选后,得到目标区域集合M2,然后对M2里面的目标区域采用运动方向进行筛选,获得目标区域的集合M7,再对M7里面的目标区域采用运动步长值进行筛选,最终得到目标区域的集合M8。
需要说明的是,由于子步骤S61-子步骤S65与子步骤S21-子步骤S25的应用基本相似,由于子步骤S66-子步骤S69与子步骤S41-子步骤S44的应用基本相似,子步骤S70-子步骤S74与子步骤S31-子步骤S35的应用基本相似,所以描述的比较简单,相关之处参见子步骤S21-子步骤S25、子步骤S31-子步骤S35和子步骤S41-子步骤S44的部分说明即可,本发明实施例在此不加以详述。
步骤104,判断再次筛选后是否剩下一个目标区域,若是,则执行步骤105,否则,返回执行步骤103;
步骤105,判定所述目标区域为待检测球类所在的区域。
在具体实现中,可以判断集合M2、M3、M5、M6、M8里面是否剩下一个目标区域。当剩下一个目标区域时,则判定该目标区域为待检测球类所在的区域,例如,如图6所示,图6中剩下的一个白色区域为乒乓球所在的区域。否则,例如存在多个目标区域,返回步骤103,重新设置参考颜色区间和/或参考运动步长区间和/或参考运动方向,重新进行再次筛选。
需要说明的是,当再次筛选后没有剩下目标区域时,一种情况是参考颜色区间和/或参考运动步长区间设置不当,把待检测球类所在的区域给误删了;另一种情况是原始图像中没有待检测球类,此时,本发明实施例的球类检测结束。
本发明实施例通过提取原始图像的前景图像,将产生变化的区域提取出来,即将运动中的待检测球类提取出来,然后在前景图像中的待检测区域采用待检测球类的特征信息进行初步筛选,最后采用颜色信息和/或运动步长信息进行再次筛选,由粗到精筛选待检测球类所在的区域,不仅减少了系统计算量,提高了检测效率,适应了场景复杂的情况,提高了检测的精度。
对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参考图7,示出了本发明的一种球类的检测装置实施例的结构框图,具体可以包括以下模块:
提取模块701,用于提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
初步筛选模块702,用于采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
再次筛选模块703,用于采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
判断模块704,用于判断再次筛选后是否剩下一个目标区域,若是,则调用判定模块705;否则,调用再次筛选模块703;
判定模块705,用于判定所述目标区域为待检测球类所在的区域。
在本发明的一种优选实施例中,所述提取模块701可以包括如下子模块:
增强子模块,用于增强所述原始图像的对比度;
高斯模型处理模块,用于采用高斯模型提取原始图像中的前景图像。
在本发明的一种优选实施例中,述待检测球类的特征信息可以包括以下的一种或多种:
面积、形状、形心。
在本发明的一种优选实施例中,所述颜色信息可以包括颜色值,所述运动步长信息可以包括运动步长值,所述再次筛选模块703可以包括如下子模块:
第一获取子模块,用于获取待检测球类的所有颜色信息对应的参考颜色值;
第一确定子模块,用于分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
第一判断子模块,用于分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则调用第一保留子模块;若否,则调用第一删除子模块;
第一保留子模块,用于保留所述一个或多个目标区域;
第一删除子模块,用于删除所述一个或多个目标区域;
和/或,
第二获取子模块,用于获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
第二确定子模块,用于依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
第二判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则调用第二保留子模块;若否,则调用第二删除子模块;
第二保留子模块,用于保留所述一个或多个目标区域;
第二删除子模块,用于删除所述一个或多个目标区域。
在本发明的一种优选实施例中,所述运动步长信息还可以包括运动方向,所述再次筛选模块703还可以包括如下子模块:
第三获取子模块,获取待检测球类的参考运动方向;
第三判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则调用第三保留子模块;若否,则调用第三删除子模块;
第三保留子模块,用于保留所述一个或多个目标区域;
第三删除子模块,用于删除所述一个或多个目标区域。
由于本发明的装置实施例基本相应于前述的方法实施例,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此就不赘述了。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者移动设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者移动设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者移动设备中还存在另外的相同要素。
以上对本发明实施例所提供的一种球类的检测方法和一种球类的检测装置,进行了详细介绍,本文中应用了具体个例对本发明实施例的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明实施例的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明实施例的限制。
Claims (10)
1.一种球类的检测方法,其特征在于,包括:
提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
判断再次筛选后是否剩下一个目标区域,若是,则判定所述目标区域为待检测球类所在的区域,否则,返回上一步骤。
2.根据权利要求1所述的方法,其特征在于,所述提取原始图像中的前景图像的步骤包括:
增强所述原始图像的对比度;
采用高斯模型提取原始图像中的前景图像。
3.根据权利要求1所述的方法,其特征在于,所述待检测球类的特征信息包括以下的一种或多种:
面积、形状、形心。
4.根据权利要求1或2或3所述的方法,其特征在于,所述颜色信息包括颜色值,所述运动步长信息包括运动步长值,所述采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选的步骤包括:
获取待检测球类的所有颜色信息对应的参考颜色值;
分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域;
和/或,
获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域。
5.根据权利要求4所述的方法,其特征在于,所述运动步长信息还包括运动方向,在所述获取待检测球类的各颜色信息对应的参考颜色值的步骤之前,所述采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选的步骤还包括:
获取待检测球类的参考运动方向;
分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则保留所述一个或多个目标区域;若否,则删除所述一个或多个目标区域。
6.一种球类的检测装置,其特征在于,包括:
提取模块,用于提取原始图像中的前景图像;所述前景图像包括一个或多个待检测区域;
初步筛选模块,用于采用待检测球类的特征信息对所述一个或多个待检测区域进行初步筛选,获得初步筛选后剩下的一个或多个目标区域;
再次筛选模块,用于采用待检测球类的颜色信息和/或运动步长信息对所述一个或多个目标区域进行再次筛选;
判断模块,用于判断再次筛选后是否剩下一个目标区域,若是,则调用判定模块;否则,调用再次筛选模块;
判定模块,用于判定所述目标区域为待检测球类所在的区域。
7.根据权利要求6所述的装置,其特征在于,所述提取模块包括:
增强子模块,用于增强所述原始图像的对比度;
高斯模型处理模块,用于采用高斯模型提取原始图像中的前景图像。
8.根据权利要求6所述的装置,其特征在于,所述待检测球类的特征信息包括以下的一种或多种:
面积、形状、形心。
9.根据权利要求6或7或8所述的装置,其特征在于,所述颜色信息包括颜色值,所述运动步长信息包括运动步长值,所述再次筛选模块包括:
第一获取子模块,用于获取待检测球类的所有颜色信息对应的参考颜色值;
第一确定子模块,用于分别依据所述参考颜色值确定所有颜色信息的参考颜色区间;
第一判断子模块,用于分别判断所述一个或多个目标区域对应的原始图像的所有颜色信息的颜色值是否落入所述参考颜色区间;若是,则调用第一保留子模块;若否,则调用第一删除子模块;
第一保留子模块,用于保留所述一个或多个目标区域;
第一删除子模块,用于删除所述一个或多个目标区域;
和/或,
第二获取子模块,用于获取待检测球类的运动步长信息对应的参考运动步长值;所述参考运动步长值包括预置的初始参考运动步长值,和/或,当前原始图像之前两帧的原始图像的待检测球类的参考运动步长值;
第二确定子模块,用于依据所述参考运动步长值确定运动步长信息的参考运动步长区间;
第二判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动步长值是否落入所述参考运动步长区间;若是,则调用第二保留子模块;若否,则调用第二删除子模块;
第二保留子模块,用于保留所述一个或多个目标区域;
第二删除子模块,用于删除所述一个或多个目标区域。
10.根据权利要求9所述的装置,其特征在于,所述运动步长信息还包括运动方向,所述再次筛选模块还包括:
第三获取子模块,获取待检测球类的参考运动方向;
第三判断子模块,用于分别判断所述一个或多个目标区域在当前原始图像与前一帧原始图像的运动方向与所述参考运动方向是否相同;若是,则调用第三保留子模块;若否,则调用第三删除子模块;
第三保留子模块,用于保留所述一个或多个目标区域;
第三删除子模块,用于删除所述一个或多个目标区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410090369.6A CN103886618A (zh) | 2014-03-12 | 2014-03-12 | 一种球类的检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410090369.6A CN103886618A (zh) | 2014-03-12 | 2014-03-12 | 一种球类的检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103886618A true CN103886618A (zh) | 2014-06-25 |
Family
ID=50955491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410090369.6A Pending CN103886618A (zh) | 2014-03-12 | 2014-03-12 | 一种球类的检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886618A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387945A (zh) * | 2018-02-02 | 2018-08-10 | 珠海格力电器股份有限公司 | 一种传感器检测区域确定方法、装置、存储介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639354A (zh) * | 2008-08-01 | 2010-02-03 | 索尼株式会社 | 对象跟踪的设备和方法 |
CN101681433A (zh) * | 2007-03-26 | 2010-03-24 | 汤姆森特许公司 | 通过彩色图像分割和形状分析检测足球视频中感兴趣对象的方法和装置 |
CN102148919A (zh) * | 2010-02-09 | 2011-08-10 | 新奥特(北京)视频技术有限公司 | 一种球类检测的方法及系统 |
CN103218826A (zh) * | 2013-03-19 | 2013-07-24 | 浙江中控研究院有限公司 | 基于Kinect的抛体检测、三维定位与轨迹预测方法 |
-
2014
- 2014-03-12 CN CN201410090369.6A patent/CN103886618A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101681433A (zh) * | 2007-03-26 | 2010-03-24 | 汤姆森特许公司 | 通过彩色图像分割和形状分析检测足球视频中感兴趣对象的方法和装置 |
CN101639354A (zh) * | 2008-08-01 | 2010-02-03 | 索尼株式会社 | 对象跟踪的设备和方法 |
CN102148919A (zh) * | 2010-02-09 | 2011-08-10 | 新奥特(北京)视频技术有限公司 | 一种球类检测的方法及系统 |
CN103218826A (zh) * | 2013-03-19 | 2013-07-24 | 浙江中控研究院有限公司 | 基于Kinect的抛体检测、三维定位与轨迹预测方法 |
Non-Patent Citations (2)
Title |
---|
YIHONG GONG等: "Automatic Parsing of TV Soccer Programs", 《PROCESSINGS OF THE INTERNATIONAL CONFERENCE ON MULTIMEDIA COMPUTERING AND SYSTEMS》 * |
王永等: "鉴别球类图像的多分类器系统", 《福建电脑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108387945A (zh) * | 2018-02-02 | 2018-08-10 | 珠海格力电器股份有限公司 | 一种传感器检测区域确定方法、装置、存储介质及设备 |
CN108387945B (zh) * | 2018-02-02 | 2020-01-24 | 珠海格力电器股份有限公司 | 一种传感器检测区域确定方法、装置、存储介质及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103548056B (zh) | 图像处理装置、摄像装置以及图像处理方法 | |
CN111079740A (zh) | 图像的质量评价方法、电子设备和计算机可读存储介质 | |
CN107274373B (zh) | 直播中打码方法及装置 | |
CN113379680B (zh) | 缺陷检测方法、装置、电子设备和计算机可读存储介质 | |
KR20040088518A (ko) | 디지털 화상에서 적목 특징의 검출 및 보정 | |
CN108388905B (zh) | 一种基于卷积神经网络和邻域上下文的光源估计方法 | |
KR20070112130A (ko) | 그래픽 객체를 검출하기 위한 방법 및 전자 디바이스 | |
CN107103606A (zh) | 一种图像识别方法及装置 | |
CN107454285A (zh) | 图像噪声估计方法及装置与图像提取装置 | |
CN108205671A (zh) | 图像处理方法及装置 | |
CN107507144A (zh) | 肤色增强的处理方法、装置及图像处理装置 | |
WO2019210707A1 (zh) | 一种图像清晰度评测方法、装置及电子设备 | |
CN108806638B (zh) | 一种图像的显示方法及其装置 | |
CN104143077B (zh) | 基于图像的行人目标检索方法和系统 | |
CN114677394B (zh) | 抠图方法、装置、摄像设备、会议系统、电子设备及介质 | |
CN106162157A (zh) | 鱼眼摄像头的空间频率响应的测试方法 | |
CN111160215B (zh) | 图像标识的亮度调节装置及方法 | |
CN115100240A (zh) | 视频中的物体追踪方法及装置、电子设备、存储介质 | |
CN109978916A (zh) | 基于灰度图像特征匹配的Vibe运动目标检测方法 | |
CN111160340B (zh) | 一种运动目标检测方法、装置、存储介质及终端设备 | |
CN110717910B (zh) | 基于卷积神经网络的ct图像目标检测方法及ct扫描仪 | |
CN103886618A (zh) | 一种球类的检测方法和装置 | |
CN101461228A (zh) | 图像处理电路、半导体装置和图像处理设备 | |
CN111738099A (zh) | 基于视频图像场景理解的人脸自动检测方法 | |
CN114638805B (zh) | 一种轨道板裂缝检测方法、系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140625 |
|
RJ01 | Rejection of invention patent application after publication |