CN107194306B - 视频中球员追踪方法和装置 - Google Patents

视频中球员追踪方法和装置 Download PDF

Info

Publication number
CN107194306B
CN107194306B CN201710209439.9A CN201710209439A CN107194306B CN 107194306 B CN107194306 B CN 107194306B CN 201710209439 A CN201710209439 A CN 201710209439A CN 107194306 B CN107194306 B CN 107194306B
Authority
CN
China
Prior art keywords
player
coordinates
current frame
players
coordinate
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.)
Active
Application number
CN201710209439.9A
Other languages
English (en)
Other versions
CN107194306A (zh
Inventor
毛丽娟
盛斌
李震
郑鹭宾
赵刚
梁俊豪
钟子以
莫双嘉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Shanghai University of Sport
Original Assignee
Shanghai Jiaotong University
Shanghai University of Sport
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University, Shanghai University of Sport filed Critical Shanghai Jiaotong University
Priority to CN201710209439.9A priority Critical patent/CN107194306B/zh
Publication of CN107194306A publication Critical patent/CN107194306A/zh
Application granted granted Critical
Publication of CN107194306B publication Critical patent/CN107194306B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • G06V20/47—Detecting features for summarising video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及一种视频中球员追踪方法和装置，该方法包括获取第一视角下的视频的当前帧；根据预设的不同球队颜色和当前帧中的各个像素的颜色值，对像素进行分类标记；然后确定待定球员坐标；获取与上一帧中的相应球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标，投影至目标平面的第一球员投影坐标；在目标平面中，根据第一球员投影坐标，追踪显示上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识。上述视频中球员追踪方法和装置，通过像素的颜色值，方便地识别出标识球员的像素，且根据像素的坐标得到所有球员的待定球员坐标，通过距离将上一帧的球员坐标与当前帧的待定球员坐标进行关联，实现对所有球员的跟踪。

Description

视频中球员追踪方法和装置
技术领域
本发明涉及图像处理领域，特别是涉及一种视频中球员追踪方法和装置。
背景技术
随着计算机科学技术的发展，计算机科技已经渐渐的融入了我们的日常生活。在体育比赛方面，计算机视觉技术发挥着重要的作用，相对于传统的人工记录，计算机视觉极大地减少了工作量和人工成本，更加清晰地展现了比赛数据，方便技战术分析。足球作为最热门的体育项目之一，对于其比赛视频分析系统的研究自然非常关键。
在足球视频分析领域，Bebie等人实现了半自动的足球比赛视频片段三维重现，着重于球员的动作和姿态的重现。针对多目标跟踪领域，也有一系列的算法被提出，例如较为经典的联合概率数据关联，其首先通过背景差分得到前景图，这样可以高效地提取目标量测数据，但在后面关联跟踪中没有考虑到当目标由运动变静止后，目标融入背景中，背景差分法无法得到目标的测量数据，从而无法跟踪该目标。
发明内容
基于此，有必要针对关联跟踪中目标由运动变静止后，目标丢失的问题，提供一种视频中球员追踪方法和装置。
一种视频中球员追踪方法，所述方法包括：
获取第一视角下的视频的当前帧；
根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记；
根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标；
获取与上一帧中的相应球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标作为所述当前帧的确定球员坐标；
获取所述当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标；
在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识。
在其中一个实施例中，所述方法还包括：
根据所述视频获得第一视角下的球场区域；
根据所述球场区域的各个像素的颜色值，提取所述球场图像中的球场线；
根据所述球场线，确定当前帧与目标平面之间的坐标投影关系。
在其中一个实施例中，所述根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记的步骤，包括：
根据预设的草地颜色范围，确定所述当前帧中的草地区域；
根据所述草地区域的轮廓确定球场区域；
根据预设的不同球队颜色，将所述当前帧中属于所述球场区域且不属于所述草地区域的像素，分类标记为不同球队球员像素。
在其中一个实施例中，所述根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标的步骤，包括：
确定被标记为不同球队球员像素的像素坐标；
获取与所述像素坐标相对应的预设矩形框；
根据所述预设矩形框中每一行的球员像素的数量，获取所述预设矩形框中的像素有效行的数量；
当所述预设矩形框中像素有效行的数量大于预设数量时，则通过所述预设矩形框中的所有所述球员像素的坐标计算当前帧中的待定球员坐标。
在其中一个实施例中，所述方法还包括：
计算所述当前帧中的待定球员坐标的中心坐标；
判断与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数是否小于预设个数；
当与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数小于预设个数时，则计算丢失球员的数量；
根据所述当前帧中的待定球员坐标距离所述中心坐标的距离，获取与所述丢失球员的数量相同个数的，与所述上一帧中的球员坐标间的距离大于等于所述第一预设距离的所述当前帧中的球员坐标作为所述当前帧的确定球员坐标。
在其中一个实施例中，所述在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识的步骤，包括：
获取第二视角下的视频，并计算在所述第二视角下的视频中与所述当前帧对应的视频帧的球员坐标在所述目标平面的第三球员投影坐标；
当所述第一球员投影坐标与所述第三球员投影坐标间的距离小于第二预设距离时，则根据所述第一球员投影坐标和所述第三球员投影坐标计算在所述目标平面的目标投影坐标；
在所述目标平面中，将所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识，移动至所述目标投影坐标处。
一种视频中球员追踪装置，所述装置包括：
获取模块，用于获取第一视角下的视频的当前帧；
标记模块，用于根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记；
坐标确定模块，用于根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标；
计算模块，用于获取与上一帧中的相应球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标作为所述当前帧的确定球员坐标；
映射模块，用于获取所述当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标；
显示模块，用于在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识。
在其中一个实施例中，所述获取模块还用于根据所述视频获得第一视角下的球场区域；
所述装置还包括：
提取模块，用于根据所述球场区域的各个像素的颜色值，提取所述球场图像中的球场线；
矩阵计算模块，用于根据所述球场线，确定当前帧与目标平面之间的坐标投影关系。
在其中一个实施例中，所述标记模块包括：
草地区域确定单元，用于根据预设的草地颜色范围，确定所述当前帧中的草地区域；
球场区域确定单元，用于根据所述草地区域的轮廓确定球场区域；
标记单元，用于根据预设的不同球队颜色，将所述当前帧中属于所述球场区域且不属于所述草地区域的像素，分类标记为不同球队球员像素。
在其中一个实施例中，所述获取模块还用于获取第二视角下的视频，并计算在所述第二视角下的视频中与所述当前帧对应的视频帧的球员坐标在所述目标平面的第三球员投影坐标；
所述计算模块还用于当所述第一球员投影坐标与所述第三球员投影坐标间的距离小于第二预设距离时，则根据所述第一球员投影坐标和所述第三球员投影坐标计算在所述目标平面的目标投影坐标；
所述显示模块还用于在所述目标平面中，将所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识，移动至所述目标投影坐标处。
上述视频中球员追踪方法和装置，首先通过各个像素的颜色值，可以方便地识别出标识球员的像素，且根据各个像素的坐标可以得到所有球员的待定球员坐标，包括运动中的球员和静止的球员，然后将所获得的所有球员的待定球员坐标与上一帧的球员坐标进行匹配，可以将上一帧的球员坐标与当前帧的待定球员坐标进行关联，从而实现了对所有球员的跟踪。
附图说明
图1为一实施例中的视频中球员追踪方法的流程图；
图2为一实施例中坐标投影关系确定步骤的流程图；
图3为一实施例中顶帽操作以及二值化操作后的结果图；
图4为图3所示实施例中获取最大连通区域后的结果图；
图5为图4所示实施例中球场区域的平面图；
图6为图5所示实施例中球场线的示意图；
图7为图1所示实施例中的步骤S104的流程图；
图8为图1所示实施例中的步骤S106的流程图；
图9为图6所示实施例中球场区域的划分图；
图10为图9所示的预设矩形框的示意图；
图11为一实施例中球员数量确定步骤的流程图；
图12为图1所示实施例中步骤S112的流程图；
图13为图1所示实施例中的目标平面的示意图；
图14为一实施例中视频中球员追踪装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
请参阅图1，图1为一实施例中的视频中球员追踪方法的流程图，其中，该方法包括：
S102：获取第一视角下的视频的当前帧。
其中，视频可以是球员在比赛时通过摄像机拍摄的视频。球场可以理解为物理世界中的三维空间的一个平面，摄像机为物理世界中的三维空间的一个点，从物理世界的该点处看向球场的视角则为第一视角。
S104：根据预设的不同球队颜色和当前帧中的各个像素的颜色值，对各个像素进行分类标记。
具体地，比赛中至少可以包括两个球队，且为了区分球队，不同的球队的队服的颜色不相同，因此可以通过球队颜色来判断当前帧中各个像素是代表哪个球队的。
其中，各个像素的颜色值可以为各个像素的RGB(Red、Green、Blue，红、绿、蓝)值。
S106：根据分类标记后的各个像素的坐标确定当前帧中的待定球员坐标。
具体地，在对像素进行分类标记后，可以通过被标记为球员像素的像素坐标确定当前帧中的待定球员坐标，其中像素坐标可以是在当前帧中建立平面直角坐标系，根据该平面直角坐标系可以相应地读取每一像素的像素坐标。
S108：获取与上一帧中的相应球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标作为当前帧的确定球员坐标。
具体地，为了实现对球员的追踪，步骤S102至步骤S106将球员从当前帧中识别出来，再将识别出来的球员与上一帧中所识别出来的球员进行匹配，以确定当前帧中的球员与上一帧中的球员的对应关系。其中，由于球员在球场区域的位置不可能出现突变，因此以距离作为当前帧中的待定球员坐标与上一帧中的球员坐标的匹配条件，当当前帧中的待定球员坐标与上一帧中的球员坐标之间的距离小于第一预设距离时，则认为该当前帧中的待定球员坐标为当前帧中的确定的球员坐标，从而实现对球员的追踪。
S110：获取当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标。
具体地，目标平面可以为一二维平面，其与球场相对应，可以将该目标平面理解成为按比例缩小的球场平面。
且为了直观地向观看视频的用户展现球员在球场的位置，将当前帧中的确定球员坐标投影至该目标平面中的第一球员投影坐标。
S112：在目标平面中，根据第一球员投影坐标，追踪显示上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识。
具体地，球员标识是可以唯一确定该球员的图标，例如可以为一圆形图标、三角形图标等，也可以为一带有号码的人形图标等。为了实现对该球员的追踪，可以将上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识，移动至第一球员投影坐标处，以直观地表示该球员的位置发生了变化，实现对该球员的追踪。
上述视频中球员追踪方法，首先通过各个像素的颜色值，可以方便地识别出标识球员的像素，且根据各个像素的坐标可以得到所有球员的待定球员坐标，包括运动中的球员和静止的球员，然后将所获得的所有球员的待定球员坐标与上一帧的球员坐标进行匹配，可以将上一帧的球员坐标与当前帧的待定球员坐标进行关联，从而实现了对所有球员的跟踪。
在其中一个实施例中，请参阅图2，图2为一实施例中坐标投影关系确定步骤的流程图，该坐标投影关系确定步骤可以在图1所示实的步骤S102之前进行，该坐标投影关系步骤可以包括：
S202：根据视频获得第一视角下的球场区域。
具体地，假设物体较背景明亮，首先可以通过开操作排除图像中的小团块物体，然后使用顶帽操作，即原图像与开操作后的结果图的差，可以达到突出白线的效果，即突出球场线的效果，故而如图3，通过对当前帧的灰度图进行顶帽操作，然后对结果进行二值化，可以滤掉当前帧中暗淡的部分。
由于球场占据了当前帧中的大部分区域，且由于球场中的草地面积较大，因此球场大致是绿色的，从而可以根据当前帧中各个像素的颜色值来提取出球场区域，在RGB直方图中，R通道、G通道和B通道的峰值则代表了球场的区域，因此可以找到R通道、G通道和B通道的峰值，得到峰值后，可以以像素的颜色值与R通道、G通道和B通道的峰值的相似度选取合适的阈值来对图像进行二值化处理。另外，在选取峰值时，由于黑边会对峰值造成影响，因此在本实施例中可以另加判断舍去黑边。其中，可以通过以下公式来实现对图像的二值化处理：
Figure BDA0001260654520000071
其中，F(x，y)为当前帧中的像素(x,y)的二值化后的值，IR(x，y)为当前帧中像素(x,y)的R值，IG(x，y)为当前帧中像素(x,y)的G值，IB(x，y)为当前帧中像素(x,y)的B值，Rmax为R通道的峰值，Gmax为G通道的峰值，Bmax为B通道的峰值，Rth为R通道的阈值，Gth为G通道的阈值，Bth为B通道的阈值。
其中由于绿色的RGB为(0,255,0)红色的RGB为(255,0,0)，且当前帧中的球场区域是绿色的，跑道区域是红色的，因此增加IG(x，y)>IR(x，y)和IG(x，y)>IB(x，y)可以提出到大规模的红色跑道区域。
且由于在二值化处理后，得到的结果中噪声点较多，因此需要通过一系列形态学操作去除噪点，在此可以同3次腐蚀操作、1次中值操作和1次膨胀操作来去除噪点，其中腐蚀操作可以细化图像中物体的轮廓，可以用来分离物体间的连接消除离散点。中值操作是一种非线性的图像处理方法，其可以根据对领域内响度按灰度排序的结果决定中心像素的灰度，这样，在一定条件下可以克服线性滤波带来的图像的细节模糊问题，而且对滤除噪声干扰非常有效。膨胀操作会扩大图像中物体的轮廓，可以用来填充物体间的孔洞，强化离散点。在形态学操作后，再求得最大连通区域即可得到如图4的草地区域。
参见图4，球场线和球员在图4中仍以黑色像素的形式存在，为了得到球场区域，可以对图4再次进行1次膨胀操作和2次腐蚀操作以得到如图5的球场区域。
S204：根据球场区域的各个像素的颜色值，提取球场图像中的球场线。
具体地，图5中球场区域为白色，跑道区域以及周围环境区域为黑色，这样通过霍夫变换算法以及球场区域的各个像素的颜色值可以得到如图6的球场线。且由于在获得图6中的球场线前，得到的是许多线段，且许多线段连接起来是球场区域中的一条球场线，因此可以设置合适的阈值，将斜率与截距相同的线段归为同一类中，以该类中所有线段的斜率的平均值和截距的平均值作为该条球场线的斜率和截距。
S206：根据球场线，确定当前帧与目标平面之间的坐标投影关系。
具体地，参见图6，可以获取到球场区域的边界点以及真实球场区域中各个线段的比例。以图6中所创建的坐标系为例，其中A点的坐标可以通过求取球场区域中y值最大的交点即可，得到A点的坐标后，可以根据线段的交点得到E点和F点的坐标，计算c＝FE/AE，其中假设真实球场区域中F’E’/A’E’＝m，B’E’/A’E’＝n，假设h＝c/m，由于透视变形连续，可以忽略摄像头可能产生的广角畸变，计算B’E’/A’E’＝h×n，从而图6中所示的球场区域存在以下关系BE/AE＝h×n，从而可以得到BE＝h×n×AE，因此B点的坐标也可以确定。然后再计算C点和D点的坐标，可以先计算G点的坐标，且由于真实球场区域中A’G’/C’G’的值是已知的，结合BE/AE＝h×n，可以得到C点的坐标，且由于透视关系中，直线AC、直线BD以及直线L1相交于一点，因此可以计算直线AC与直线L1的交点，从而可以得到直线BD的方程和直线CD的方程，求直线BD和和直线CD的交点即可得到D点的坐标。
在A点、B点、C点以及D点的坐标确定后，可以根据坐标变换求得当前帧与目标平面之间的坐标投影关系，二维坐标的转换可以表示为3×3矩阵，自由度为8，将得到的A点、B点、C点以及D点的坐标带入到待求矩阵中，即可得到该待求矩阵，即当前帧与目标平面之间的坐标投影关系。
上述实施例中，通过获取球场区域中的球场线，根据该球场线的关键点的坐标即可求得当前帧与目标平面之间的坐标投影关系，可以实现视频图像到目标平面的转换，从而在后续球员追踪过程中，可以在该目标平面实时呈现追踪到的球员，简单、直观。
在其中一个实施例中，请参阅图7，图7为图1所示实施例中的步骤S104的流程图，该步骤S104，即根据预设的不同球队颜色和当前帧中的各个像素的颜色值，对各个像素进行分类标记的步骤，可以包括：
S702：根据预设的草地颜色范围，确定当前帧中的草地区域。
具体地，假设物体较背景明亮，首先可以通过开操作排除图像中的小团块物体，然后使用顶帽操作，即原图像与开操作后的结果图的差，可以达到突出白线的效果，即突出球场线的效果，故而如图3，通过对当前帧的灰度图进行顶帽操作，然后对结果进行二值化，可以滤掉当前帧中暗淡的部分。
由于球场占据了当前帧中的大部分区域，且由于球场中的草地面积较大，因此球场大致是绿色的，从而可以根据当前帧中各个像素的颜色值来提取出球场区域，在RGB直方图中，R通道、G通道和B通道的峰值则代表了球场的区域，因此可以找到R通道、G通道和B通道的峰值，得到峰值后，可以以像素的颜色值与R通道、G通道和B通道的峰值的相似度选取合适的阈值来对图像进行二值化处理。另外，在选取峰值时，由于黑边会对峰值造成影响，因此在本实施例中可以另加判断舍去黑边。其中，可以通过以下公式来实现对图像的二值化处理：
Figure BDA0001260654520000101
其中，F(x，y)为当前帧中的像素(x,y)的二值化后的值，IR(x，y)为当前帧中像素(x,y)的R值，IG(x，y)为当前帧中像素(x,y)的G值，IB(x，y)为当前帧中像素(x,y)的B值，Rmax为R通道的峰值，Gmax为G通道的峰值，Bmax为B通道的峰值，Rth为R通道的阈值，Gth为G通道的阈值，Bth为B通道的阈值。
其中由于绿色的RGB为(0,255,0)红色的RGB为(255,0,0)，且当前帧中的球场区域是绿色的，跑道区域是红色的，因此增加IG(x，y)>IR(x，y)和IG(x，y)>IB(x，y)可以提出到大规模的红色跑道区域。
且由于在二值化处理后，得到的结果中噪声点较多，因此需要通过一系列形态学操作去除噪点，在此可以同3次腐蚀操作、1次中值操作和1次膨胀操作来去除噪点，其中腐蚀操作可以细化图像中物体的轮廓，可以用来分离物体间的连接消除离散点。中值操作是一种非线性的图像处理方法，其可以根据对领域内响度按灰度排序的结果决定中心像素的灰度，这样，在一定条件下可以克服线性滤波带来的图像的细节模糊问题，而且对滤除噪声干扰非常有效。膨胀操作会扩大图像中物体的轮廓，可以用来填充物体间的孔洞，强化离散点。在形态学操作后，再求得最大连通区域即可得到如图4的草地区域。
S704：根据草地区域的轮廓确定球场区域。
参见图4，球场线和球员在图4中仍以黑色像素的形式存在，为了得到球场区域，可以对图4再次进行1次膨胀操作和2次腐蚀操作以得到如图5的球场区域。
S706：根据预设的不同球队颜色，将当前帧中属于球场区域且不属于草地区域的像素，分类标记为不同球队球员像素。
具体地，可以根据图5来判断像素是否处于球场区域，即属于球场区域的像素在图5中为白色。可以根据图4来判断像素是否属于草地区域，即属于草地区域的像素在图4中为黑色，当当前帧中属于球场区域且不属于草地区域的像素时，则认为该像素为球员像素，然后根据预设的不同球队颜色来对该球员像素进行标记，例如如果该像素的RGB值与第一球队颜色的RGB值的差值小于一预设值，则认为该球员像素为第一队球员像素，如果该像素的RGB值与第二球队颜色的RGB值的差值小于另一预设值，则认为该球员像素为第二队球员像素。这样可以实现对整个球场区域中的像素的分类标记，例如第一队球员像素标记为1，第二队球员像素标记为2，草地像素可以标记为0等。
上述实施例中，首先通过遍历当前帧中的像素识别出球员像素，并且通过球员像素与球队颜色的的比较，确定出该球员像素是第一队球员像素还是第二队球员像素，仅通过简单的颜色判断即可以实现对像素的分类标记，简单实用。
在其中一个实施例中，请参阅图8，图8为图1所示实施例中的步骤S106的流程图，步骤S106，即根据分类标记后的各个像素的坐标确定当前帧中的待定球员坐标的步骤可以包括：
S802：确定被标记为不同球队球员像素的像素坐标。
具体地，可以在当前帧中建立一平面直角坐标系，这样可以确定被标记为不同球队球员像素的像素坐标。
S804：获取与像素坐标相对应的预设矩形框。
具体地，由于当前帧中的图像有近大远小的特点，因此不能对当前帧中的图像的每一位置处都使用相同的预设矩形框，从而可以将当前帧划分为多个区域，每个区域设置不同的预设矩形框，如图9所示，将当前帧按照高度划分为10块，每块设置不同的预设矩形框。假设预设矩形框的长为5×a×sh，宽为5×a×sw，其中a可以根据当前帧中区域的不同，设置不同的值，例如a可以在一个列表中取值，列表在代码中可以为一个矢量Va；sh/sw可以为7/5，在其他实施例中，还可以设置为其他的比值。
S806：根据预设矩形框中每一行的球员像素的数量，获取预设矩形框中的像素有效行的数量。
具体地，在预设矩形框建立一如图10的平面直角坐标系，假设预设矩形框中第i行中，从(0，i)至(5×a×sw-1，i)遍历这5×a×sw点，将这5×a×sw点分别与(0，0)点相比较，当遍历完5×a×sw个点或者有2×a×sw个点与(0，0)点不同时，则跳出遍历。然后统计已经遍历的点，如果存在a×sw个点与(0，0)点相同，则标记该行为像素有效行。
待预设矩形框中5×a×sh行全部遍历完成后，统计像素有效行的数量。具体地，可以从第0行遍历到5×a×sh-1行，当5×a×sh行遍历完成或者像素有效行的数量超过2×a×sh行时，则跳出遍历。然后统计像素有效行的数量。
S808：当预设矩形框中像素有效行的数量大于预设数量时，则通过预设矩形框中的所有球员像素的坐标计算当前帧中的待定球员坐标。
具体地，接上述例子，当像素有效行的数量超过a×sh时，则认为该预设矩形框为有效的预设矩形框，这样可以避免有效矩形框的前几行不全是像素无效行，待确定该预设矩形框为有效矩形框后，可以通过该预设矩形框中的球员像素的坐标计算待定球员坐标，例如可以通过球员像素的坐标的平均值代表待定球员坐标。
上述实施例中，由于当前帧中的图像有近大远小的特点，在当前帧中的不同区域设置不同的预设矩形框，可以提高图像处理的精度，且通过像素有效行的数量来确定该预设矩形框是否有效，这样可以避免有效矩形框的前几行不全是像素无效行，从而可以准确地计算待定球员坐标。
在其中一个实施例中，如图11，图11为一实施例中球员数量确定步骤的流程图，该球员数量确定步骤可以是在图1所示的实施例的步骤S108之后，该球员数量确定步骤可以包括：
S1102：计算当前帧中的待定球员坐标的中心坐标。
具体地，可以通过当前帧中所有待定球员坐标来计算中心坐标，例如可以计算当前帧中所有待定球员坐标的平均值来计算中心坐标。
S1104：判断与上一帧中的球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标的个数是否小于预设个数。
具体地，例如在足球比赛中，一场比赛应有两队参加，每队上场队员不得多于11名，其中必须有一名守门员。如果任何一队少于7人则比赛不能开始。因此本实施例中预设个数可以为7、8、9、10或11等。本实施例中以8为例，若与上一帧中的球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标的个数小于8个，则认为存在丢失球员，这样需要确定丢失球员的球员坐标。
具体地，可以对每一帧中的球员坐标加上一个状态变量，例如正常和丢失，且为了方便匹配，可以首先对上一帧中的球员坐标进行排序，例如计算当前帧中的待定球员坐标的中心坐标，然后按照上一帧中的球员坐标与待定球员坐标的距离进行排序，在匹配时，首先在上一帧中获取状态变量为正常的球员坐标，然后获取当前帧中的待定球员坐标，如果两个球员坐标之间的距离小于第一预设距离时，则将当前帧中的待定球员坐标更新到上一帧中相应的球员坐标处，且标记当前帧中的待定球员坐标标记为丢失，即表示当前帧中的该待定球员坐标已使用。且当两个球员坐标之间的距离大于等于第一预设距离时，则更改上一帧中相应的球员坐标的状态变量为丢失。
且如果上一帧中状态变量为正常的球员坐标的数量不足8个时，则可以从当前帧中选择未使用的球员坐标，并选取上一帧中状态变量为丢失的球员坐标，如果两个球员坐标之间的距离小于第一预设距离时，则将当前帧中的待定球员坐标更新到上一帧中相应的球员坐标处，且标记当前帧中的相应的待定球员坐标标记为丢失，即表示当前帧中的该待定球员坐标已使用。
S1106：当与上一帧中的球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标的个数小于预设个数时，则计算丢失球员的数量。
具体地，假设本实施例中，当前帧中的待定球员坐标的个数为6个，则存在2个丢失球员。
S1108：根据当前帧中的待定球员坐标距离中心坐标的距离，获取与丢失球员的数量相同个数的，与上一帧中的球员坐标间的距离大于等于第一预设距离的当前帧中的球员坐标作为当前帧的确定球员坐标。
具体地，在本实施例中，如果还存在2个丢失球员，则选取当前帧中还未使用的待定球员坐标，并根据该待定球员坐标与中心坐标的距离，选取与中心坐标的距离最近的两个待定球员坐标更新到上一帧中的球员坐标中，并标记为球员坐标的状态为正常，这样再将上一帧中的球员坐标更新到当前帧中的球员坐标。且为了保证效率，可以每隔10帧、15帧、8帧等自动清理一次当前帧中状态为丢失的球员坐标。
上述实施例中，通过简单的球员坐标个数的判断，可以保证每一帧中状态为正常的球员坐标的个数，从而可以避免球员追踪失败，且每隔预设帧对状态为丢失的球员坐标进行清理，提高匹配的效率。
在其中一个实施例中，参阅图12所示，图12为图1所示实施例中步骤S112的流程图，该步骤S112，即在目标平面中，根据第一球员投影坐标，追踪显示上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识的步骤可以包括：
S1202：获取第二视角下的视频，并计算在第二视角下的视频中与当前帧对应的视频帧的球员坐标在目标平面的第三球员投影坐标。
具体地，在球员出现遮挡的情况下，仅获取一个视角下的视频，则可能导致球员丢失的情况，因此在本实施例中又获取第二视角下的视频，这样在第一视角下球员出现遮挡时，第二视角下的球员则不会出现遮挡，从而可以准确地获取球员坐标。
S1204：当第一球员投影坐标与第三球员投影坐标间的距离小于第二预设距离时，则根据第一球员投影坐标和第三球员投影坐标计算在目标平面的目标投影坐标。
具体地，为了能够确定第一视角下的球员坐标和第二视角下的球员坐标之间的关系，因此将第一视角下的球员坐标和第二视角下的球员坐标都统一到目标平面中，即第一球员投影坐标和第三球员投影坐标，这样通过判断第一球员投影坐标和第三球员投影坐标之间的距离，即可确定该第一球员投影坐标和第三球员投影坐标是否只同一球员，如果是，则通过该第一球员投影坐标和第三球员投影坐标计算该球员在目标平面的目标投影坐标，例如可以将第一球员投影坐标和第三球员投影坐标的平均值作为目标投影坐标。
S1206：在目标平面中，将上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识，移动至目标投影坐标处。
具体地，为了实现对球员的追踪，参阅图13，将上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识，移动至目标投影坐标处，以实现对球员的追踪。
上述实施例中，通过第一视角和第二视角下的视频来确定球员在目标平面的目标投影坐标，可以准确地获取球员坐标在目标平面的目标投影坐标，实现对球员的准确追踪。
请参阅图14，图14为一实施例中视频中球员追踪装置的结构示意图，该装置包括：
获取模块100，用于获取第一视角下的视频的当前帧。
标记模块200，用于根据预设的不同球队颜色和当前帧中的各个像素的颜色值，对各个像素进行分类标记。
坐标确定模块300，用于根据分类标记后的各个像素的坐标确定当前帧中的待定球员坐标。
计算模块400，用于获取与上一帧中的相应球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标作为当前帧的确定球员坐标。
映射模块500，用于获取当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标。
显示模块600，用于在目标平面中，根据第一球员投影坐标，追踪显示上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识。
在其中一个实施例中，获取模块100还用于根据视频获得第一视角下的球场区域。
装置还包括：
提取模块，用于根据球场区域的各个像素的颜色值，提取球场图像中的球场线。
矩阵计算模块400，用于根据球场线，确定当前帧与目标平面之间的坐标投影关系。
在其中一个实施例中，标记模块200包括：
草地区域确定单元，用于根据预设的草地颜色范围，确定当前帧中的草地区域。
球场区域确定单元，用于根据草地区域的轮廓确定球场区域。
标记单元，用于根据预设的不同球队颜色，将当前帧中属于球场区域且不属于草地区域的像素，分类标记为不同球队球员像素。
在其中一个实施例中，坐标确定模块300包括：
确定单元，用于确定被标记为不同球队球员像素的像素坐标。
矩形框获取单元，用于获取与像素坐标相对应的预设矩形框。
像素有效行确定单元，用于根据预设矩形框中每一行的球员像素的数量，获取预设矩形框中的像素有效行的数量。
待定球员坐标确定单元，用于当预设矩形框中像素有效行的数量大于预设数量时，则通过预设矩形框中的所有球员像素的坐标计算当前帧中的待定球员坐标。
在其中一个实施例中，计算模块400还用于计算当前帧中的待定球员坐标的中心坐标；判断与上一帧中的球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标的个数是否小于预设个数；当与上一帧中的球员坐标间的距离小于第一预设距离的当前帧中的待定球员坐标的个数小于预设个数时，则计算丢失球员的数量；根据当前帧中的待定球员坐标距离中心坐标的距离，获取与丢失球员的数量相同个数的，与上一帧中的球员坐标间的距离大于等于第一预设距离的当前帧中的球员坐标作为当前帧的确定球员坐标。
在其中一个实施例中，获取模块100还用于获取第二视角下的视频，并计算在第二视角下的视频中与当前帧对应的视频帧的球员坐标在目标平面的第三球员投影坐标。
计算模块400还用于当第一球员投影坐标与第三球员投影坐标间的距离小于第二预设距离时，则根据第一球员投影坐标和第三球员投影坐标计算在目标平面的目标投影坐标。
显示模块600还用于在目标平面中，将上一帧中的相应球员坐标投影至目标平面中的第二球员投影坐标处的球员标识，移动至目标投影坐标处。
上述对视频中球员追踪装置的限定可以参见上文中对视频中球员追踪方法的限定，在此不再赘述。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种视频中球员追踪方法，其特征在于，所述方法包括：
获取第一视角下的视频的当前帧；
根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记；
根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标；
获取与上一帧中的相应球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标作为所述当前帧的确定球员坐标；
获取所述当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标；
在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识；
计算所述当前帧中的待定球员坐标的中心坐标；
判断与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数是否小于预设个数；
当与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数小于预设个数时，则计算丢失球员的数量；
根据所述当前帧中的待定球员坐标距离所述中心坐标的距离，获取与所述丢失球员的数量相同个数的，与所述上一帧中的球员坐标间的距离大于等于所述第一预设距离的所述当前帧中的球员坐标作为所述当前帧的确定球员坐标。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述视频获得第一视角下的球场区域；
根据所述球场区域的各个像素的颜色值，提取球场图像中的球场线；
根据所述球场线，确定当前帧与目标平面之间的坐标投影关系。
3.根据权利要求1或2所述的方法，其特征在于，所述根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记的步骤，包括：
根据预设的草地颜色范围，确定所述当前帧中的草地区域；
根据所述草地区域的轮廓确定球场区域；
根据预设的不同球队颜色，将所述当前帧中属于所述球场区域且不属于所述草地区域的像素，分类标记为不同球队球员像素。
4.根据权利要求3所述的方法，其特征在于，所述根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标的步骤，包括：
确定被标记为不同球队球员像素的像素坐标；
获取与所述像素坐标相对应的预设矩形框；
根据所述预设矩形框中每一行的球员像素的数量，获取所述预设矩形框中的像素有效行的数量；
当所述预设矩形框中像素有效行的数量大于预设数量时，则通过所述预设矩形框中的所有所述球员像素的坐标计算当前帧中的待定球员坐标。
5.根据权利要求1所述的方法，其特征在于，所述在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识的步骤，包括：
获取第二视角下的视频，并计算在所述第二视角下的视频中与所述当前帧对应的视频帧的球员坐标在所述目标平面的第三球员投影坐标；
当所述第一球员投影坐标与所述第三球员投影坐标间的距离小于第二预设距离时，则根据所述第一球员投影坐标和所述第三球员投影坐标计算在所述目标平面的目标投影坐标；
在所述目标平面中，将所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识，移动至所述目标投影坐标处。
6.一种视频中球员追踪装置，其特征在于，所述装置包括：
获取模块，用于获取第一视角下的视频的当前帧；
标记模块，用于根据预设的不同球队颜色和所述当前帧中的各个像素的颜色值，对所述各个像素进行分类标记；
坐标确定模块，用于根据分类标记后的所述各个像素的坐标确定所述当前帧中的待定球员坐标；
计算模块，用于获取与上一帧中的相应球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标作为所述当前帧的确定球员坐标；
映射模块，用于获取所述当前帧中的确定球员坐标，投影至目标平面中的第一球员投影坐标；
显示模块，用于在所述目标平面中，根据所述第一球员投影坐标，追踪显示所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识；
所述计算模块还用于计算所述当前帧中的待定球员坐标的中心坐标；判断与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数是否小于预设个数；当与所述上一帧中的球员坐标间的距离小于第一预设距离的所述当前帧中的待定球员坐标的个数小于预设个数时，则计算丢失球员的数量；根据所述当前帧中的待定球员坐标距离所述中心坐标的距离，获取与所述丢失球员的数量相同个数的，与所述上一帧中的球员坐标间的距离大于等于所述第一预设距离的所述当前帧中的球员坐标作为所述当前帧的确定球员坐标。
7.根据权利要求6所述的装置，其特征在于，所述获取模块还用于根据所述视频获得第一视角下的球场区域；
所述装置还包括：
提取模块，用于根据所述球场区域的各个像素的颜色值，提取球场图像中的球场线；
矩阵计算模块，用于根据所述球场线，确定当前帧与目标平面之间的坐标投影关系。
8.根据权利要求6所述的装置，其特征在于，所述标记模块包括：
草地区域确定单元，用于根据预设的草地颜色范围，确定所述当前帧中的草地区域；
球场区域确定单元，用于根据所述草地区域的轮廓确定球场区域；
标记单元，用于根据预设的不同球队颜色，将所述当前帧中属于所述球场区域且不属于所述草地区域的像素，分类标记为不同球队球员像素。
9.根据权利要求6所述的装置，其特征在于，所述获取模块还用于获取第二视角下的视频，并计算在所述第二视角下的视频中与所述当前帧对应的视频帧的球员坐标在所述目标平面的第三球员投影坐标；
所述计算模块还用于当所述第一球员投影坐标与所述第三球员投影坐标间的距离小于第二预设距离时，则根据所述第一球员投影坐标和所述第三球员投影坐标计算在所述目标平面的目标投影坐标；
所述显示模块还用于在所述目标平面中，将所述上一帧中的相应球员坐标投影至所述目标平面中的第二球员投影坐标处的球员标识，移动至所述目标投影坐标处。
CN201710209439.9A 2017-03-31 2017-03-31 视频中球员追踪方法和装置 Active CN107194306B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710209439.9A CN107194306B (zh) 2017-03-31 2017-03-31 视频中球员追踪方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710209439.9A CN107194306B (zh) 2017-03-31 2017-03-31 视频中球员追踪方法和装置

Publications (2)

Publication Number Publication Date
CN107194306A CN107194306A (zh) 2017-09-22
CN107194306B true CN107194306B (zh) 2020-04-28

Family

ID=59871048

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710209439.9A Active CN107194306B (zh) 2017-03-31 2017-03-31 视频中球员追踪方法和装置

Country Status (1)

Country Link
CN (1) CN107194306B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3850542A1 (en) * 2018-09-11 2021-07-21 Telefonaktiebolaget Lm Ericsson (Publ) Method for associating objects in a video
CN110414316A (zh) * 2019-06-11 2019-11-05 中国科学院自动化研究所 数据去噪方法、装置、计算机设备和存储介质
CN110225402B (zh) * 2019-07-12 2022-03-04 青岛一舍科技有限公司 智能保持全景视频中兴趣目标时刻显示的方法及装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009086683A1 (en) * 2007-12-29 2009-07-16 Intel Corporation Automatic detection, labeling and tracking of team members in a video
CN102142147A (zh) * 2010-01-29 2011-08-03 索尼公司 场地内容分析装置和方法及目标检测与跟踪装置和方法
CN102779348A (zh) * 2012-06-20 2012-11-14 中国农业大学 无标识运动目标跟踪测量方法
CN103824067A (zh) * 2014-03-18 2014-05-28 北京理工大学 一种图像主要目标的定位与识别方法
CN104881882A (zh) * 2015-04-17 2015-09-02 广西科技大学 一种运动目标跟踪与检测方法
CN105374050A (zh) * 2015-10-12 2016-03-02 浙江宇视科技有限公司 运动目标跟踪恢复方法及装置
CN105894505A (zh) * 2016-03-30 2016-08-24 南京邮电大学 一种基于多摄像机几何约束的快速行人定位方法
CN106407894A (zh) * 2016-08-29 2017-02-15 上海交通大学 一种改进基于ldcf的行人检测方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009086683A1 (en) * 2007-12-29 2009-07-16 Intel Corporation Automatic detection, labeling and tracking of team members in a video
CN102142147A (zh) * 2010-01-29 2011-08-03 索尼公司 场地内容分析装置和方法及目标检测与跟踪装置和方法
CN102779348A (zh) * 2012-06-20 2012-11-14 中国农业大学 无标识运动目标跟踪测量方法
CN103824067A (zh) * 2014-03-18 2014-05-28 北京理工大学 一种图像主要目标的定位与识别方法
CN104881882A (zh) * 2015-04-17 2015-09-02 广西科技大学 一种运动目标跟踪与检测方法
CN105374050A (zh) * 2015-10-12 2016-03-02 浙江宇视科技有限公司 运动目标跟踪恢复方法及装置
CN105894505A (zh) * 2016-03-30 2016-08-24 南京邮电大学 一种基于多摄像机几何约束的快速行人定位方法
CN106407894A (zh) * 2016-08-29 2017-02-15 上海交通大学 一种改进基于ldcf的行人检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Automatic soccer players tracking in goal scenes by camera motion elimination;Seyed Hossein Khatoonabadi, Mohammad Rahmati;《Image and Vision Computing》;20090303;第470-475页，第477页 *

Also Published As

Publication number Publication date
CN107194306A (zh) 2017-09-22

Similar Documents

Publication Publication Date Title
Khatoonabadi et al. Automatic soccer players tracking in goal scenes by camera motion elimination
Chen et al. Physics-based ball tracking and 3D trajectory reconstruction with applications to shooting location estimation in basketball video
CN110264493B (zh) 一种针对运动状态下的多目标对象追踪方法和装置
CN109145708B (zh) 一种基于rgb和d信息融合的人流量统计方法
US20080044102A1 (en) Method and Electronic Device for Detecting a Graphical Object
EP2380358B1 (en) Creation of depth maps from images
CN109271937A (zh) 基于图像处理的运动场地标志物识别方法及系统
KR101409810B1 (ko) 파티클 필터를 이용한 움직임 카메라에서의 실시간 객체 추적 방법
CN107194306B (zh) 视频中球员追踪方法和装置
Santhosh et al. An Automated Player Detection and Tracking in Basketball Game.
JP4886707B2 (ja) オブジェクト軌道識別装置、オブジェクト軌道識別方法、及びオブジェクト軌道識別プログラム
Pallavi et al. Graph-based multiplayer detection and tracking in broadcast soccer videos
CN109145906B (zh) 目标对象的图像确定方法、装置、设备及存储介质
Manafifard et al. Multi-player detection in soccer broadcast videos using a blob-guided particle swarm optimization method
CN114463724A (zh) 一种基于机器视觉的车道提取识别方法
CN107194954B (zh) 多视角视频的球员追踪方法和装置
EP2017788A1 (en) Shielding-object video-image identifying device and method
JP6456244B2 (ja) カメラキャリブレーション方法および装置
CN109978916A (zh) 基于灰度图像特征匹配的Vibe运动目标检测方法
Rother et al. What can casual walkers tell us about a 3D scene?
Sabirin et al. Automatic soccer player tracking in single camera with robust occlusion handling using attribute matching
Jayanth et al. Automated classification of cricket pitch frames in cricket video
JP4181313B2 (ja) シーン内容情報付加装置及びシーン内容情報付加プログラム
Hoernig et al. Real time soccer field analysis from monocular TV video data
Gupta et al. Techniques of Tracking and Recognition of Sports Players Jersey and Vehicle Licence Number Plate: A Review

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant