CN110348313A - 台球桌面模型更新方法、装置、计算机设备及存储介质 - Google Patents
台球桌面模型更新方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN110348313A CN110348313A CN201910516331.3A CN201910516331A CN110348313A CN 110348313 A CN110348313 A CN 110348313A CN 201910516331 A CN201910516331 A CN 201910516331A CN 110348313 A CN110348313 A CN 110348313A
- Authority
- CN
- China
- Prior art keywords
- image
- billiards table
- current
- background image
- benchmark
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000004048 modification Effects 0.000 claims abstract description 17
- 238000012986 modification Methods 0.000 claims abstract description 17
- 238000004590 computer program Methods 0.000 claims description 24
- 230000000903 blocking effect Effects 0.000 claims description 16
- 230000011218 segmentation Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000001514 detection method Methods 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008439 repair process Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Abstract
本申请涉及一种台球桌面模型更新方法,该方法包括:对当前台球桌面区域进行拍摄,得到当前台球桌面图像,当当前台球桌面图像中包含有前景物时;对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;获取台球桌面模型对应的基准图像;当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。该方法可以在有台球的情况下建立台球桌面模型,且具有自动更新机制,大大提高了识别的准确度,有利于提高自动计分的准确性。此外,还提出了一种台球桌面模型更新装置、计算机设备及存储介质。
Description
技术领域
本发明涉及计算机技术领域,尤其是涉及一种台球桌面模型更新方法、装置、计算机设备及存储介质。
背景技术
台球是一项在国际上广泛流行的高雅室内体育运动,是一种用球杆在台上击球、依靠完成目标或者计算得分确定比赛胜负的室内娱乐体育项目。长期以来,台球的判决和计分依赖于裁判员人工判断,不仅耗费人力而容易造成误判,近年来出现了一些利用人工智能技术自动计分的方法,利用人工智能技术实现自主计分关键是建立好台球桌面模型,现有的建立台球桌面模型必须保证台面是无球的,且没有更新台球桌面模型的机制,由于在打台球的过程中会出现桌面移动或摄像头移动等情况,容易导致识别错误。
发明内容
基于此,有必要针对上述问题,提供了一种客观准确的台球桌面模型更新方法、装置、计算机设备及存储介质。
第一方面,本发明实施例提供一种台球桌面模型更新方法,所述方法包括:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
在其中一个实施例中,所述对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,包括:将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
在其中一个实施例中,所述台球桌面模型中还包括:点位模型;所述方法还包括:对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;根据所述点位坐标建立相应的点位模型。
在其中一个实施例中,所述方法还包括:检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物;当存在遮挡台球的遮挡物时,则发出提示信息。
在其中一个实施例中,所述方法还包括:当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测;将在所述前景图像中检测到台球判定为台上球,将未检测到的台球判定为落袋球。
在其中一个实施例中,在获取台球桌面模型对应的基准图像之前还包括:获取拍摄得到的初始台球桌面图像;对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像;提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
在其中一个实施例中,所述方法还包括:提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值;提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值;将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
第二方面,本发明实施例提出了一种台球桌面模型更新装置,所述装置包括:
拍摄模块,用于对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
处理模块,用于当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取模块,用于获取台球桌面模型对应的基准图像;
更新模块,用于当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
在其中一个实施例中,所述处理模块还用于将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
在其中一个实施例中,所述台球桌面模型中还包括:点位模型;上述装置还包括:识别模块,用于对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;点位建立模块,用于根据所述点位坐标建立相应的点位模型。
在其中一个实施例中,上述台球桌面模型更新装置还包括:第一检测模块,用于检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物,当存在遮挡台球的遮挡物时,则发出提示信息。
在其中一个实施例中,上述台球桌面模型更新装置还包括:第二检测模块,用于当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测,将在所述前景图像中检测到的台球判定为台上球,将未检测到的台球判定为落袋球。
在其中一个实施例中,上述台球桌面模型更新装置还包括:模型建立模块,用于获取拍摄得到的初始台球桌面图像,对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像,提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
在其中一个实施例中,上述台球桌面模型更新装置还包括:比对模块,用于提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值,提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值,将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
第三方面,本发明实施例提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
第四方面,本发明实施例提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
上述台球桌面模型更新方法、装置、计算机设备及存储介质,通过对当前台球桌面区域进行拍摄,得到当前台球桌面图像,当当前台球桌面图像中包含有前景物时,对当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,当前背景图像为不包含有前景物的台球桌面图像,然后获取台球桌面模型对应的基准图像,若当前背景图像与基准图像不一致时,将当前背景图像作为新的基准图像,然后根据新的基准图像更新台球桌面模型。上述台球桌面模型更新方法,可以实现在台面上有台球的情况下建立台球桌面模型,且具有实时更新台球桌面模型的功能,通过自适应地调整台球桌面模型提高了台球识别的准确度,从而有利于提高后续自动计分的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为一个实施例中台球桌面模型更新方法的流程图;
图2为一个实施例中对当前台球桌面图像进行分割以及修复的过程示意图;
图3为一个实施例中出现遮挡的台球桌面图像、解除遮挡的台球桌面图像和包含有台球的前景图像示意图;
图4为一个实施例中判断当前背景图像与基准图像是否一致的流程图;
图5为一个实施例中台球桌面模型更新装置的结构框图;
图6为另一个实施例中台球桌面模型更新装置的结构框图;
图7为又一个实施例中台球桌面模型更新装置的结构框图;
图8为一个实施例中计算机设备的内部结构图。
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以解释本发明,并不用于限定本发明。
如图1所示,提出了一种台球桌面模型更新方法,该台球桌面模型更新方法可以应用于终端,本实施例以应用于终端举例说明。该台球桌面模型更新方法具体包括以下步骤:
步骤102,对当前台球桌面区域进行拍摄,得到当前台球桌面图像。
其中,当前台球桌面图像是指当前拍摄得到的台球桌面图像,即实时拍摄得到的图像。由于台球桌面区域中可能会包含有台球等前景物,所以拍摄得到的当前台球桌面图像中可能会包含有前景物,前景物是指在台球桌面上方的物体,台球是前景物的一种,此外,前景物还可以包括:球杆以及其他物体,比如,人在打台球的时候,需要将手部放在台球桌面上,那么此时手部也是前景物的一部分。
当当前台球桌面图像中包含有前景物时,则后续需要进行前景物擦除处理。当当前台球桌面图像中不包含前景物时,则可以直接进入步骤108,即直接判断不包含前景物的当前台球桌面图像与基准图像是否一致。
在一个实施例中,终端可以在台球桌面上存在台球时通过调用摄像头对当前台球桌面区域进行拍摄,这样就得到的台球桌面图像。
步骤104,当当前台球桌面图像中包含有前景物时,对当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,当前背景图像为不包含有前景物的台球桌面图像。
其中,由于台球桌面模型的建立以及更新所需求的是不包含有前景物的台球桌面图像,所以当当前台球桌面图像中包含有前景物时,需要对拍摄得到的包含有台球的当前台球桌面图像进行擦除处理,即将前景物去除,擦除处理的方式有很多,比如,可以直接将识别得到的前景物替换为台球桌面背景,从而完成擦除处理。将进行擦除处理后得到的图像称为当前背景图像,即不包含有前景物的台球桌面图像。
在一个实施例中,擦除处理的过程可以在服务器端执行,即终端将需要进行前景物擦除的当前台球桌面图像发送到服务器,由服务器来完成擦除处理,然后将处理后的当前背景图像返回给终端。在另一个实施例中,擦除处理可以直接在终端完成。
步骤106,获取台球桌面模型对应的基准图像。
其中,基准图像是指建立台球桌面模型所使用的不包含有前景物的台球桌面图像。因为该图像是建立台球桌面模型的基础,所以称为“基准图像”。基准图像是可以预先设置的默认台球桌面图像,也可以是第一次拍摄得到的不包含有台球等前景物的台球桌面图像,即在无前景物时拍摄得到的图像,还可以是对第一次拍摄得到的包含有前景物的台球桌面图像进行擦除处理之后得到的不包含前景物的背景图像。基准图像用于建立台球桌面模型,后续进行更新台球桌面模型的前提是更新基准图像。
在一个实施例中,可以通过识别基准图像中特征参数信息,根据特征参数信息建立台球桌面模型。特征参数信息包括:提取台球桌的库边坐标信息、口袋的坐标信息、点位的坐标信息、标线的坐标信息等。
步骤108,判断当前背景图像与基准图像是否一致,若不一致,则进入步骤110,若一致,则不用更新台球桌面模型,结束。
其中,由于台球桌面、摄像头等会在打台球的过程中发生移动或变化(比如,球杆碰到摄像头)以及光照变换、台呢污损、袋网扯动、袋口堆球等情况都会在一定程度上影响台球桌面检测,导致之前建立的台球桌面模型已经不适合当前的场景,如果继续采用之前建立的台球桌面模型会导致识别不准确,从而导致计分不准确,所以为了提高识别的准确度,需要根据周围环境的变化自适应地调整台球桌面模型。所以在获取到当前背景图像后,判断当前背景图像与基准图像是否一致,当不一致时,说明需要更新台球桌面模型,当一致时,说明原来的台球桌面模型依然适用,不用更新。
在一个实施例中,通过计算当前背景图像中像素平均值以及基准图像的像素平均值来判读当前背景图像与基准图像是否一致,当当前背景图像的像素平均值与基准图像的像素平均值的差值的绝对值大于预设的阈值时,则判定当前背景图像相对于基准图像发生了变化,即两者不一致,否则判定两者一致。
步骤110,将当前背景图像作为新的基准图像,根据新的基准图像更新台球桌面模型。
其中,若当前背景图像与基准图像不一致,则说明拍摄得到的台球桌面发生了变化,需要更新台球桌面模型,那么将当前背景图像作为新的基准图像,然后根据该新的基准图像更新台球桌面模型。
台球桌面模型的更新时机可以自定义设置,比如,可以是人为操作触发,也可以是自动触发,自动触发又可以进一步设置为定时触发(比如,每天更新一次,或者每小时更新一次等),也可以是比赛触发(如每场比赛开始时更新一次,或每局比赛开始时更新一次等),还可以是判断台球桌面模型失效时触发等等,台球桌面模型失效的判断可以是通过判定当前背景图像与基准图像不一致时来确定。
上述台球桌面模型更新方法,通过对当前台球桌面区域进行拍摄,得到当前台球桌面图像,当当前台球桌面图像中包含有前景物时,对当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,当前背景图像为不包含有前景物的台球桌面图像,然后获取台球桌面模型对应的基准图像,若当前背景图像与基准图像不一致时,将当前背景图像作为新的基准图像,然后根据新的基准图像更新台球桌面模型。上述台球桌面模型更新方法,可以实现在台面上有台球的情况下建立台球桌面模型,且具有实时更新台球桌面模型的功能,通过自适应地调整台球桌面模型提高了台球识别的准确度,从而有利于提高后续自动计分的准确度。
在一个实施例中,对当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,包括:将当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的背景图像中的缺失区域进行修复,得到当前背景图像。
其中,为了擦除当前台球桌面图中包含的前景物,首先,通过将当前台球桌面图像的背景图像和前景图像进行分割,分割的方法可以多种方法,比如,可以调用OpenCV(一套开源的跨平台计算机视觉库)的grabCut方法。在进行前景图像和背景图像分割之后,由于分割得到的背景图像中对应前景的部分存在缺失,所以需要对缺失区域进行修复,将修复完整的图像称为当前背景图像。
如图2所示,为对当前台球桌面图像进行分割以及修复的过程示意图。分割后首先得到包含有缺失区域的背景图像,然后得到修复后的当前背景图像。
图像修复是指对图像中缺失区域进行填充,或者损坏区域进行重建,或者多余物体区域进行去除。上述缺失/损坏/多余区域可以人工标记,也可以自动检测,图像修复的方法有多种实现方法,比如,可以调用OpenCV(一套开源的跨平台计算机视觉库)的inpaint函数(即修复函数)进行修复。
在一个实施例中,台球桌面模型中还包括:点位模型;上述台球桌面模型更新方法还包括:对基准图像中的点位进行识别,确定点位在基准图像中的点位坐标;根据点位坐标建立相应的点位模型。
其中,在有些种类的台球中包括有点位,比如,斯诺克台球中包含有6个彩球的置球点(即点位)。点位模型是指建立的包含有点位信息的模型。点位信息包括:点位的坐标,以及点位的编号等信息。点位模型的建立是通过对基准图像中的点位进行识别,然后确定点位在基准图像中的点位坐标,继而根据点位坐标建立相应的点位模型。通过点位模型可以用来指导开局摆球和台球置位。
在一个实施例中,上述台球桌面模型更新方法还包括:检测当前台球桌面图像中是否存在遮挡台球的遮挡物;当存在遮挡台球的遮挡物时,则发出提示信息。
其中,为了在台球比赛中实现自动计分,需要实时检测每个台球的位置,当台球被遮挡时,则容易出现系统识别错误等情况,为了提高计分的准确性,在计分的过程中,需要实时或定时检测当前台球桌面图像中是否存在遮挡台球的遮挡物,如果存在,则可以发出“请勿遮挡台球”的语音或文字提示信息,这样便于提高检测的准确性。
在一个实施例中,上述台球桌面模型更新方法还包括:当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测;将在前景图像中检测到台球判定为台上球,将未检测到的台球判定为落袋球。
其中,发出提示信息后,需要检测遮挡物是否移开,当检测到遮挡物移开时,为了实现错误恢复,需要启动错误恢复机制,错误恢复机制执行可以采用如下方法:对获取到的当前台球桌面图像中的前景图像进行重新检测,将在前景图像中检测到的台球判定为台上球,将未检测得到的台球判定为落袋球。
错误恢复的触发可以自定义设置,可以是人为触发,也可以是自动检测触发,比如,如果用户意识到系统发生错误可以手动操作,若在一次击球过程中,一个击球前检测在台面上的台球在击球后检测不到了,但是也没有检测到该球进袋,说明出现了错误,此时可以自动触发错误恢复机制。一旦判定需要错误恢复,则执行恢复的时机可以自定义设置,比如可以是立即执行,也可以是等到满足一定条件时执行,例如:当前景图像中只包含台球,不包含其他物体(如人体、球杆等),或者其他物体的面积或宽度不足以完全遮挡一个台球等。由于一个台面上的台球如果因为被遮挡而检测不到,那么首先需要提醒用户移开遮挡,待遮挡移除时,再开始执行错误恢复机制。
如图3所示,为一个实施例中处于遮挡状态的台球桌面图像,解除遮挡的台球桌面图像、以及对解除遮挡后的包含有台球的前景图像的示意图。
在一个实施例中,在获取台球桌面模型对应的基准图像之前还包括:获取拍摄得到的初始台球桌面图像;对初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将初始背景图像作为基准图像;提取基准图像中的特征点信息,根据特征点信息建立台球桌面模型。
其中,台球桌面模型的初始建立,是通过获取初始台球桌面图像,同样需要先去除初始台球桌面图像中包含的前景物,得到初始背景图像,将该初始背景图像作为基准图像,然后提取基准图像中的特征点信息,特征点信息包括:库边、袋口、标线、点位等的坐标信息。
台球桌面模型的建立的过程中存在多种需要考虑的因素,包括:摄像机成像参数、图像变换参数、台面有效活动区域、袋口形状、位置、库边形状和位置、台呢颜色、台球颜色等等。其中,摄像机成像参数包括:分辨率、帧率、曝光时间、白平衡参数等,图像变换参数包括:畸变矫正系数、单应变换矩阵等,台面有效活动区域可简化为矩形也可以更准确描述,袋口形状可以简化为圆形、大小和位置可以按照通常情况统一设定,也可以针对当前球桌专门设定,台呢颜色可以全局建模,也可以局部建模,各球颜色可以用单一颜色表示,也可以用高斯混合模型建模等。
台球桌面模型的表现形式可以有多种,比如,可以表现为特征值(如颜色值,或体现颜色随位置变换的函数等),也可以表现为图像,其中,图像区域可以简化为矩形,也可以是更准确的复杂形状,图像可以是原始采集图像,也可以是处理后图像(比如,经过多帧平均或单帧平滑后的图像)。
如图4所示,在一个实施例中,判断当前背景图像与基准图像是否一致,包括:
步骤108A,提取当前背景图像中的像素特征,根据像素特征计算得到与当前背景图像对应的第一像素特征值。
其中,像素特征包括:像素值、像素数中的至少一种。通过提取当前背景图像中的像素特征,可以得到当前背景图像中所有像素的平均值,或者得到包含的像素数,以及所有像素点对应的像素值。第一像素特征值是指统计得到的当前背景图像中的像素特征值,像素特征值可以是当前背景图像中所有像素的颜色平均值,也可以是像素数和每个像素的像素值等。为了区分,将当前背景图像对应的像素特征值称为“第一像素特征值”。
步骤108B,提取基准图像中的像素特征,根据基准图像中的像素特征计算得到与基准图像对应的第二像素特征值。
其中,同样地提取基准图像中的像素特征,相应地得到与基准图像对应的像素特征值,为了与上述的第一像素特征值进行区分,称为“第二像素特征值”。
步骤108C,将第一像素特征值与第二像素特征值进行比对,根据比对结果确定当前背景图像与基准图像是否一致。
其中,通过将第一像素特征值与第二像素特征值比对,确定比对结果。比对的方式有多种,比如,计算当前背景图像和基准图像中像素平均值之间的差值,若差值大于设定阈值,则说明当前背景图像与基准图像不一致。
在另一个实施例中,统计当前背景图像和基准图像中像素值发生变化的像素数,若发生变化的像素数大于预设的数目阈值,则说明当前背景图像与基准图像不一致。
如图5所示,提出了一种台球桌面模型更新装置,该装置包括:
拍摄模块502,用于对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
处理模块504,用于当当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取模块506,用于获取台球桌面模型对应的基准图像;
更新模块508,用于当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
在一个实施例中,所述处理模块还用于将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
在一个实施例中,所述台球桌面模型中还包括:点位模型;上述装置还包括:识别模块,用于对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;
点位建立模块,用于根据所述点位坐标建立相应的点位模型。
在一个实施例中,上述台球桌面模型更新装置还包括:第一检测模块,用于检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物,当存在遮挡台球的遮挡物时,则发出提示信息。
在一个实施例中,上述台球桌面模型更新装置还包括:第二检测模块,用于当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测,将在所述前景图像中检测到的台球判定为台上球,将未检测到的台球判定为落袋球。
如图6所示,在一个实施例中,上述台球桌面模型更新装置还包括:
模型建立模块501,用于获取拍摄得到的初始台球桌面图像,对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像,提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
如图7所示,在一个实施例中,上述台球桌面模型更新装置还包括:
比对模块507,用于提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值,提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值,将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
图8示出了一个实施例中计算机设备的内部结构图。该计算机设备可以是终端。如图8所示,该计算机设备包括通过系统总线连接的处理器、存储器、摄像头和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现台球桌面模型更新方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行台球桌面模型更新方法。摄像头用于采集台球桌面区域图像,网络接口用于与外界进行通信。本领域技术人员可以理解,图8中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的台球桌面模型更新方法可以实现为一种计算机程序的形式,计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该台球桌面模型更新装置的各个程序模板。比如,拍摄模块502,处理模块504,获取模块506和更新模块508。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
在一个实施例中,所述对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,包括:将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
在一个实施例中,所述台球桌面模型中还包括:点位模型;上述计算机程序被所述处理器执行时,还用于执行如下步骤:对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;根据所述点位坐标建立相应的点位模型。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物;当存在遮挡台球的遮挡物时,则发出提示信息。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测;将在所述前景图像中检测到台球判定为台上球,将未检测到的台球判定为落袋球。
在一个实施例中,在获取台球桌面模型对应的基准图像之前,上述计算机程序被所述处理器执行时,还用于执行如下步骤:获取拍摄得到的初始台球桌面图像;对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像;提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值;提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值;将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
在一个实施例中,所述对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,包括:将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
在一个实施例中,所述台球桌面模型中还包括:点位模型;上述计算机程序被所述处理器执行时,还用于执行如下步骤:对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;根据所述点位坐标建立相应的点位模型。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物;当存在遮挡台球的遮挡物时,则发出提示信息。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测;将在所述前景图像中检测到台球判定为台上球,将未检测到的台球判定为落袋球。
在一个实施例中,在获取台球桌面模型对应的基准图像之前,上述计算机程序被所述处理器执行时,还用于执行如下步骤:获取拍摄得到的初始台球桌面图像;对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像;提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
在一个实施例中,上述计算机程序被所述处理器执行时,还用于执行如下步骤:提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值;提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值;将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种台球桌面模型更新方法,其特征在于,所述方法包括:
对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取台球桌面模型对应的基准图像;
当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
2.根据权利要求1所述的方法,其特征在于,所述对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,包括:
将所述当前台球桌面图像的背景图像和前景图像进行分割,得到分割后的背景图像;
对分割后的所述背景图像中的缺失区域进行修复,得到所述当前背景图像。
3.根据权利要求1所述的方法,其特征在于,所述台球桌面模型中还包括:点位模型;所述方法还包括:
对所述基准图像中的点位进行识别,确定点位在所述基准图像中的点位坐标;
根据所述点位坐标建立相应的点位模型。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
检测所述当前台球桌面图像中是否存在遮挡台球的遮挡物;
当存在遮挡台球的遮挡物时,则发出提示信息。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
当检测到遮挡物移开时,对获取到的当前台球桌面图像中的前景图像进行检测;
将在所述前景图像中检测到台球判定为台上球,将未检测到的台球判定为落袋球。
6.根据权利要求1所述的方法,其特征在于,在获取台球桌面模型对应的基准图像之前还包括:
获取拍摄得到的初始台球桌面图像;
对所述初始台球桌面图像中包含的前景物进行擦除处理,得到初始背景图像,将所述初始背景图像作为基准图像;
提取所述基准图像中的特征点信息,根据所述特征点信息建立所述台球桌面模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
提取所述当前背景图像中的像素特征,根据所述像素特征计算得到与所述当前背景图像对应的第一像素特征值;
提取所述基准图像中的像素特征,根据所述基准图像中的像素特征计算得到与所述基准图像对应的第二像素特征值;
将所述第一像素特征值与所述第二像素特征值进行比对,根据比对结果确定所述当前背景图像与所述基准图像是否一致。
8.一种台球桌面模型更新装置,其特征在于,所述装置包括:
拍摄模块,用于对当前台球桌面区域进行拍摄,得到当前台球桌面图像;
处理模块,用于当所述当前台球桌面图像中包含有前景物时,对所述当前台球桌面图像中包含的前景物进行擦除处理,得到当前背景图像,所述当前背景图像为不包含有前景物的台球桌面图像;
获取模块,用于获取台球桌面模型对应的基准图像;
更新模块,用于当所述当前背景图像与所述基准图像不一致时,将所述当前背景图像作为新的基准图像,根据所述新的基准图像更新所述台球桌面模型。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516331.3A CN110348313A (zh) | 2019-06-14 | 2019-06-14 | 台球桌面模型更新方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910516331.3A CN110348313A (zh) | 2019-06-14 | 2019-06-14 | 台球桌面模型更新方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110348313A true CN110348313A (zh) | 2019-10-18 |
Family
ID=68182148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910516331.3A Pending CN110348313A (zh) | 2019-06-14 | 2019-06-14 | 台球桌面模型更新方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110348313A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161024A (zh) * | 2019-12-27 | 2020-05-15 | 珠海随变科技有限公司 | 商品模型更新方法、装置、计算机设备及存储介质 |
CN113033545A (zh) * | 2019-12-24 | 2021-06-25 | 同方威视技术股份有限公司 | 空托盘识别方法及其装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021525A (zh) * | 2014-05-30 | 2014-09-03 | 西安交通大学 | 一种道路场景视频图像序列的背景修复方法 |
CN105069441A (zh) * | 2015-08-21 | 2015-11-18 | 燕山大学 | 一种基于背景更新与粒子群算法的运动车辆检测方法 |
CN105225217A (zh) * | 2014-06-23 | 2016-01-06 | 株式会社理光 | 基于深度的背景模型更新方法和系统 |
CN108491810A (zh) * | 2018-03-28 | 2018-09-04 | 武汉大学 | 基于背景建模和双目视觉的车辆限高方法及系统 |
-
2019
- 2019-06-14 CN CN201910516331.3A patent/CN110348313A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104021525A (zh) * | 2014-05-30 | 2014-09-03 | 西安交通大学 | 一种道路场景视频图像序列的背景修复方法 |
CN105225217A (zh) * | 2014-06-23 | 2016-01-06 | 株式会社理光 | 基于深度的背景模型更新方法和系统 |
CN105069441A (zh) * | 2015-08-21 | 2015-11-18 | 燕山大学 | 一种基于背景更新与粒子群算法的运动车辆检测方法 |
CN108491810A (zh) * | 2018-03-28 | 2018-09-04 | 武汉大学 | 基于背景建模和双目视觉的车辆限高方法及系统 |
Non-Patent Citations (2)
Title |
---|
李少敏等: "基于高斯混合模型的Kinect深度图像增强算法", 《上海师范大学学报(自然科学版)》 * |
王宝珠等: "基于图像块填充的Vibe车辆检测算法", 《科学技术与工程》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113033545A (zh) * | 2019-12-24 | 2021-06-25 | 同方威视技术股份有限公司 | 空托盘识别方法及其装置 |
CN113033545B (zh) * | 2019-12-24 | 2023-11-03 | 同方威视技术股份有限公司 | 空托盘识别方法及其装置 |
CN111161024A (zh) * | 2019-12-27 | 2020-05-15 | 珠海随变科技有限公司 | 商品模型更新方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110472554B (zh) | 基于姿态分割和关键点特征的乒乓球动作识别方法及系统 | |
CN108960067B (zh) | 基于深度学习的实时的列车驾驶员动作识别系统和方法 | |
US20050215337A1 (en) | Golf swing-measuring system | |
CN109087328A (zh) | 基于计算机视觉的羽毛球落点位置预测方法 | |
CN107037962A (zh) | 图像处理装置、电子设备以及图像处理方法 | |
CN110348313A (zh) | 台球桌面模型更新方法、装置、计算机设备及存储介质 | |
CN103065134A (zh) | 一种具有提示信息的指纹识别装置和方法 | |
CN110414419A (zh) | 一种基于移动端观看者的姿势检测系统及方法 | |
CN109117753A (zh) | 部位识别方法、装置、终端及存储介质 | |
CN108734092A (zh) | 人物认证装置 | |
CN109389040B (zh) | 一种作业现场人员安全着装的检查方法及装置 | |
CN109635693A (zh) | 一种正脸图像检测方法及装置 | |
CN106682652A (zh) | 基于增强现实的结构表面病害巡检和分析方法 | |
CN107392844A (zh) | 一种修正人像视线的方法和设备 | |
CN107944395A (zh) | 一种基于神经网络验证人证合一的方法及系统 | |
CN106991685A (zh) | 一种在全景模式下对球赛视频中足球进行跟踪的算法 | |
JP6080572B2 (ja) | 通行物体検出装置 | |
JP2013118876A (ja) | ゴルフスイングの診断方法 | |
CN109635682A (zh) | 一种人脸识别装置和方法 | |
CN108269265A (zh) | 基于深度学习的台球击球位置测定方法及其装置 | |
KR101019829B1 (ko) | 운동하는 볼에 대한 센싱처리장치, 센싱처리방법 및 이를 이용한 가상 골프 시뮬레이션 장치 | |
CN109074646A (zh) | 图像识别装置以及图像识别程序 | |
CN116343082A (zh) | 一种起跳踩线检测方法、装置、存储介质及计算机设备 | |
CN106327486A (zh) | 跟踪指蹼位置的方法及其装置 | |
CN114550071B (zh) | 田径视频动作关键帧自动识别和抓取方法、装置及介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191018 |