TWI584228B - 場線之擷取重建方法 - Google Patents

場線之擷取重建方法 Download PDF

Info

Publication number
TWI584228B
TWI584228B TW105115655A TW105115655A TWI584228B TW I584228 B TWI584228 B TW I584228B TW 105115655 A TW105115655 A TW 105115655A TW 105115655 A TW105115655 A TW 105115655A TW I584228 B TWI584228 B TW I584228B
Authority
TW
Taiwan
Prior art keywords
image
field line
line
field
horizontal
Prior art date
Application number
TW105115655A
Other languages
English (en)
Other versions
TW201742006A (zh
Inventor
謝朝和
葉興宇
Original Assignee
銘傳大學
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 銘傳大學 filed Critical 銘傳大學
Priority to TW105115655A priority Critical patent/TWI584228B/zh
Priority to US15/194,754 priority patent/US9934599B2/en
Application granted granted Critical
Publication of TWI584228B publication Critical patent/TWI584228B/zh
Publication of TW201742006A publication Critical patent/TW201742006A/zh

Links

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
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/48—Extraction of image or video features by mapping characteristic values of the pattern into a parameter space, e.g. Hough transformation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30221—Sports video; Sports image
    • G06T2207/30228—Playing field
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/21—Collision detection, intersection

Description

場線之擷取重建方法
本發明係提供一種場線之擷取重建方法，尤指一種將擷取涵蓋於場線之場地影像後，可快速且精確重建場線，以利於場線邊界之判別，或數據利用之運算者。
按，場線係用以定義邊界之界線，諸多人類活動規則皆係由場線所界定，舉例而言，多數運動如球類運動，皆界定有場線，以規範發球或回球之落點、球員之活動範圍，以增進運動之技術性及娛樂性；而因諸多運動比賽皆已納入國際賽事，故場線不僅係可應用於判定運動過程是否違規，更可應用於各式分析及戰術之擬定，諸如：分數自動結算、分析球員之運動習慣或球路分析等；是以，場線之界定、重建與分析，以然成為賽事研究所必備之技術。
而因通常場線之重建與分析皆係透過攝影機所拍攝之影像而進行，且隨現代賽事之發展，諸多運動比賽為因應場地之配置，故其顏色、攝影機之架設位置及廣告之設置數量皆不盡相同，舉例來說，網球之場地種類所再多有，多數者為紅色之紅土場地、綠色之草地，或藍色之硬場地，此皆將極大地增加由影像中重建場線之困難度及複雜度，故對於場地之重建為現今主要之研究議題。
習知對於場線之重建，係利用場地及其廣告牌顏色之不同，進而對影像進行二值化，並僅透過水平投影以尋找出場線之位置；於另一習知技術中，亦利用白點辨識及主色彩辨識之方法以擷取場線；惟此，當場地顏色與廣告背景顏色相同、場地材質、顏色之不同、環境之明暗程度、攝影機架設位置之不同，皆將導致場線之位置或邊界難以判別，導致場線之重建失效，故習知對於場線之重建，仍無法有效適用於各式環境因素。
有鑑於此，吾等發明人乃潛心進一步研究場線之重建，並著手進行研發及改良，期以一較佳設作以解決上述問題，且在經過不斷試驗及修改後而有本發明之問世。
爰是，為達致以上目的，吾等發明人提供一種場線之擷取重建方法，其步驟包含：將一涵蓋於場線之場地影像進行二值化，以形成一二值化影像；於該二值化影像中搜尋複數頂點，並藉由所述頂點界定一場線範圍；將該場線範圍內之影像藉由直線轉換以形成複數直線線段；依據所述直線線段之特徵界定至少一第一聚類及至少一第二聚類，並將所述直線線段依所述第一聚類及第二聚類以分類為複數群組；取每一群組中之平均值為標準場線，並分別建立所述標準場線之線性方程式，以求得所述標準場線分別相交之交點位置；以及依據所述交點以重建該場線。
據上所述之場線之擷取重建方法，更包含子步驟：將該場地影像進行梯度運算，以產生一水平梯度影像及一垂直梯度影像，並將該水平梯度影像及該垂直梯度影像合併形成該二值化影像。
據上所述之場線之擷取重建方法，更包含子步驟：依據所述場線顏色界定一門檻值，並將該水平梯度影像及該垂直梯度影像合併時，經該門檻值篩分以形成該二值化影像。
據上所述之場線之擷取重建方法，更包含子步驟：將該二值化影像進行水平投影以形成一第一水平投影影像；以及並界定該第一水平投影影像之水平累計值大於一累計閾值之範圍處為一搜尋範圍，並於該搜尋範圍搜尋所述頂點。
據上所述之場線之擷取重建方法，更包含子步驟：將該第一水平投影影像經下式1以濾除雜訊形成一第二水平投影影像：
（式1）；
其中， 為第二水平投影影像； 為對應之第一水平投影影像之水平累計值； 為第一水平投影影像水平累計值之平均值； 為標準差；
將該累計閾值界定為如下式2：
（式2）；
其中， 為倍率常數；
定義該第二水平投影影像之水平累計值大於該累計閾值之範圍處為該搜尋範圍。
據上所述之場線之擷取重建方法，其中，該第一水平投影影像係由該二值化影像中間三分之一之部分進行水平投影而形成。
據上所述之場線之擷取重建方法，更包含子步驟：該場線為四邊形，且建立一二值化之搜尋影像及其搜尋座標，該搜尋影像透過搜尋座標劃分為左上空格、右上空格、左下空格及右下空格；令該搜尋影像滑動搜尋於該二值化影像，以與該二值化影像進行捲積（Convolution）運算；以及定義捲積後之最大值者為所述頂點。
據上所述之場線之擷取重建方法，其中，該搜尋影像與該二值化影像係藉由下式3進行捲積（Convolution）運算：
； （式3）；
其中， 為頂點； 為搜尋影像； 為二值化影像。
據上所述之場線之擷取重建方法，更包含子步驟：將該場線範圍內之影像經閉運算（Closing）處理後，進行細線化處理，而後藉由直線轉換以形成所述直線線段。
據上所述之場線之擷取重建方法，更包含子步驟：將該場線範圍內之場線，係經由霍夫轉換以形成所述直線線段。
據上所述之場線之擷取重建方法，更包含子步驟：第一聚類係分別將所述直線線段中之橫向線段依斜率及於Y軸座標之位置進行分類；所述第二聚類係分別將所述直線線段中之縱向線段依斜率及截距進行分類。
據上所述之場線之擷取重建方法，其中，該場線為網球場線，且係依所述直線線段之特徵界定六個第一聚類及五個第二聚類。
據上所述之場線之擷取重建方法，其中，該場線為網球場線，且係依所述第一聚類及第二聚類所分類之群組經平均後所得之標準場線，分別計算相交之三十個交點。
據上所述之場線之擷取重建方法，其中，所述交點係依據真實場線位置，以畫線函數重建該場線。
據上所述之場線之擷取重建方法，更包含子步驟：該場地影像為動態連續影像，並界定一第一定值、第二定值及一計數值，計算當前場地影像位置之交點，與對應位置之前一幀場地影像之交點間之距離值，若距離值小於該第一定值，則令計數值增加，而若計數值大於第二定值，則計算一如下式4之誤差閾值 ：
（式4）
其中，α為誤差倍率常數；且於任一交點間之距離值大於該誤差閾值時，則將當前幀重建之場線替換為前一幀所重建之場線。
是由上述說明及設置，顯見本發明主要具有下列數項優點及功效，茲逐一詳述如下：
1.本發明藉由將涵蓋於場線之場地影像二值化後，藉由水平投影以獲取搜尋範圍，進而透過搜尋影像尋找頂點以界定感興趣之場線範圍，以排除場線範圍以外之雜訊，而後透過直線轉換及分類，以界定出標準場線，進而尋找出場線之交點，以利於場線之重建；故無論各式場地顏色、複雜之場地背景、人員之遮蔽，或環境之明案程度，本發明皆可快速且精確的尋找出場線之交點，進而可利於場線之重建者。
關於吾等發明人之技術手段，茲舉數種較佳實施例配合圖式於下文進行詳細說明，俾供  鈞上深入了解並認同本發明。
請參閱第1圖所示，本發明係一種場線之擷取重建方法，其步驟包含：
S001：擷取一包含於場線1之場地影像，由於場地影像係可能涵蓋於觀眾、廣告、裁判、網線及球員等複雜之背景所干擾，為能降低場地背景之干擾及視訊經壓縮失真之影響，以及因部分場線1可能因球員的踩踏或磨損而有部分消失之可能，故對於將場地影像轉換為二值化影像2時，為取得高品質之二值化影像2，本發明在一實施例中，係採用Sobel演算法進行梯度計算，如第2圖之步驟S101至S110所示，將該場地影像進行梯度運算，產生一水平梯度影像21及一垂直梯度影像22，並經中值濾波（Median Filtering）降噪，並增強邊緣後，以如第3圖及第4圖所示，分別將水平梯度影像21之水平梯度，以及垂直梯度影像22之垂直梯度之比率放大，並將該水平梯度影像21及該垂直梯度影像22合併；而因場地中之場線1通常為同一之顏色，如對於網球場地而言，其場線1為白色，可依據場線1之色彩範圍予以界定一門檻值，以透過門檻值進行篩分而建立如第5圖所示之二值化影像2，令與場線1相同顏色者為白色，其餘為黑色；而因網球之網線頂端通常亦為白色之粗線條，故網線影像亦將被呈現為白色。
S002：而因於原場地影像中，仍不乏有與場線1同樣顏色之背景，故如第6圖所示，透過將該二值化影像2進行水平投影以形成一第一水平投影影像3；其係由於場線1通常具有複數特定方向之線段，如就網球場線而言，其橫線數量較多，故可藉由水平投影後之水平累計值區分場線1及背景雜訊，故本實施中所指之水平投影，係指與場線1中多數特定方向之線段，並不以水平方向作為限定；
而後即可界定一累計閾值，而將該第一水平投影影像3之水平累計值大於一累計閾值之範圍處定義為一搜尋範圍5，並於該搜尋範圍5搜尋場線1之頂點；
在一較佳之實施例中，為令第一水平投影影像3中之場線1及背景雜訊更易於區分，故可將該第一水平投影影像3經下數學式1以濾除雜訊形成一第二水平投影影像4，如第7圖所示： 【數學式1】 ；
其中， 為第二水平投影影像4； 為對應之第一水平投影影像3之水平累計值； 為第一水平投影影像3水平累計值之平均值； 為標準差；
將該累計閾值界定為如下數學式2所示： 【數學式2】 ；
其中， 為倍率常數；
定義該第二水平投影影像4之水平累計值大於該累計閾值之範圍處為該搜尋範圍5；
並如第8圖所示，搜尋範圍5即被對應建立於二值化影像2中。
在一實施例中，若於二值化影像2清晰，且背景與場線1分明，或僅有場線1之影像等情形下，亦可直接於二值化影像2中直接搜尋場線1之頂點，惟因一般情形下，因背景與場線1分明難以區分，故仍以透過水平投影處理為佳。
且在另一實施例中，因多數場地影像包含有觀眾及廣告之部分，場線1之部分僅約占場地影像中之中間三分之一處，故為利於加速運算，該第一水平投影影像3係由該二值化影像2中間三分之一之部分進行水平投影而形成；惟並不以此作為限定。
S003：當搜尋範圍5被建立後，即可於該二值化影像2中之搜尋範圍5搜尋場線1之頂點，並藉由所述頂點圍繞界定一場線範圍；
在一較佳的實施例中，多數之場線1為矩形，而因攝影機擷取影像之角度偏移，導致場線1將被扭曲為梯形或四邊形，在此情形下，本實施例中，係透過建立一二值化之搜尋影像6及其搜尋座標，且該搜尋影像6透過搜尋座標劃分為左上空格61、右上空格62、左下空格63及右下空格64，如本實施例之搜尋影像6係為「田」字形；
而於二值化影像2中，白色像素是由「1」表示，而黑色像素則係由「0」表示；且於圖案（即搜尋影像6）下之白色像素是由「1」表示，而於圖案下之黑色像素則係由「-1」表示，其係由該搜尋影像6滑動搜尋於該二值化影像2，以與該二值化影像2進行捲積（Convolution）運算，如第9a圖至第9d圖即可顯示出搜尋影像6於各場線1之情況下，其左上空格61、右上空格62、左下空格63及右下空格64分別之像素值；因此，其可藉由數學式3運算如下： 【數學式3】 ； ；
其中， 為頂點； 為搜尋影像6； 為二值化影像2。
藉可予以定義捲積後之最大值者為所述頂點；藉可將所述頂點界定一場線範圍，藉以排除場線範圍以外之雜訊，而此時，場線範圍內之影像原則上將僅存有場線1及球員之影像；
S004：若欲重建場線1，則係需尋找出場線1之交點9，而因原場地影像中所拍攝之場線1，可能因受灰塵覆蓋，或因拍攝過程中隨時間而產生之光線影響，導致場地影像中之場線1有被遮斷之情形，故本實施例中，係如第10圖之步驟S201至S206所示，藉由將該場線範圍內之影像經閉運算（Closing）處理，意即，先將場線範圍內之影像予以膨脹處理，以填補場線1線段空缺或斷線之部分，而後進行侵蝕處理，如第11圖所示；經閉運算處理後，即可將所得到之影像進行細線化（Thinning）處理，如第12圖所示，藉以將每條線之寬度皆轉換為一個單位像素；而後即可透過霍夫變換（Hough transform），藉以將細線化處理後之影像中檢測出直線線段7，且直線線段7係滿足參數平面中與直線相交最多點者，故如第13圖所示，球員之影像即可消除。
S005：因球網之凹陷，以及攝影機邊緣之魚眼效果，皆將導致場線1之影像有所彎曲，故經霍夫變換後，將出現諸多重複、疊合或雜訊之線段，故需予以濾除；因此，本發明係透過K-means分類法，藉以依據直線線段7之特徵界定至少一第一聚類及至少一第二聚類，並將所述直線線段7依所述第一聚類及第二聚類以分類為複數群組；而因網球場線僅有直線及橫線之線型，故可界定第一聚類係分別將所述直線線段7中之橫向線段依斜率及於Y軸座標之位置進行分類，第二聚類係分別將所述直線線段7中之縱向線段依斜率及截距進行分類；
所述直線線段7中，因網球之場線1，涵蓋於網線，共有六條橫線及五條直線，故界定共六個第一聚類及五個第二聚類，藉此，如第14圖及第15圖之圈選處所示，橫向線段及縱向線段皆被各自分類至近似之群組中；而因垂直之線段無法被計算，故可直接依據其於X軸座標位置直接以垂直線予以建立。
S006：將每一群組中之平均值定義為標準場線8，並如第16圖及附件1、2所示，分別建立所述標準場線8之線性方程式，藉以求得所述標準場線8分別相交之交點9位置。
S007：如第17圖及附件3、4所示，而本實施例之場線1為網球場線，故涵蓋於球網，可求得三十個交點9，而將交點求出後，即可依據所述交點9，並按照原真實場線1之位置，以畫線函數進行場線1之重建。
然而，在一些情形中，重建場線1時將面臨錯誤，因此需進行錯誤濾除之步驟，故於場地影像為動態連續影像，且於發生重建錯誤時，係與相鄰之前一幀所建立之交點9相互對比其距離值，如下數學式4所示： 【數學式4】
其中， 為第一定值；
若交點9 符合上數學式4者，則將一計數值進行累加；而若計數值大於第二定值，則運算其誤差閾值 ，本實施例中係將第二定值設定為2，如下數學式5所示： 【數學式5】
其中，α為誤差倍率常數；
且於任何一前後幀對應位置交點9之距離值大於該誤差閾值，即係符合如下數學式6所示者，則將當前幀重建錯誤之場線1替換為前一幀所重建之場線1： 【數學式6】
綜上所述，如附件5至附件12所示，本實施例測試了相異場地之網球場，影片大小為720*480，長度為10秒之網球比賽影片，其攝影機位置、角度、縮放、背景顏色、廣告、計分板等背景皆不相同之情形下，亦能夠順利擷取併重建出完整之場線1。
藉此，本實施例於各國公開賽幀數約為一萬之影片中，於進行錯誤濾除步驟前重建場線1之精確度約為98.4％至99.7％，並於進行錯誤濾除步驟後，重建場線1之精確度可達100％，顯見本發明確實可精確搜尋出場地影像中之交點9，以利於場線1之重建者。
綜上所述，本發明所揭露之技術手段確能有效解決習知等問題，並達致預期之目的與功效，且申請前未見諸於刊物、未曾公開使用且具長遠進步性，誠屬專利法所稱之發明無誤，爰依法提出申請，懇祈  鈞上惠予詳審並賜准發明專利，至感德馨。
惟以上所述者，僅為本發明之數種較佳實施例，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明書內容所作之等效變化與修飾，皆應仍屬本發明專利涵蓋之範圍內。
1‧‧‧場線
2‧‧‧二值化影像
21‧‧‧水平梯度影像
22‧‧‧垂直梯度影像
3‧‧‧第一水平投影影像
4‧‧‧第二水平投影影像
5‧‧‧搜尋範圍
6‧‧‧搜尋影像
61‧‧‧左上空格
62‧‧‧右上空格
63‧‧‧左下空格
64‧‧‧右下空格
7‧‧‧直線線段
8‧‧‧標準場線
9‧‧‧交點
S001－S007‧‧‧步驟
S101－S110‧‧‧步驟
S201－S206‧‧‧步驟
第1圖係本發明之流程圖。 第2圖係本發明之場地影像經Sobel演算法轉換為二值化影像之流程圖。 第3圖係本發明之水平梯度影像之示意圖。 第4圖係本發明之垂直梯度影像之示意圖。 第5圖係本發明之二值化影像之示意圖。 第6圖係本發明之第一水平投影影像之示意圖。 第7圖係本發明之第二水平投影影像之示意圖。 第8圖係本發明之二值化影像中之搜尋範圍之示意圖。 第9a圖係本發明之搜尋影像左上空格像素值之示意圖。 第9b圖係本發明之搜尋影像右上空格像素值之示意圖。 第9c圖係本發明之搜尋影像左下空格像素值之示意圖。 第9d圖係本發明之搜尋影像右下空格像素值之示意圖。 第10圖係本發明進行閉運算處理至產生焦點之流程圖。 第11圖係本發明之進行閉運算處理後之示意圖。 第12圖係本發明之進行細線化處理後之示意圖。 第13圖係本發明之進行霍夫變換後之示意圖。 第14圖係本發明之直線線段經第一聚類分類為相異群組之分類圖。 第15圖係本發明之直線線段經第二聚類分類為相異群組之分類圖。 第16圖係本發明界定出標準場線之示意圖。 第17圖係本發明界定出交點並重建場線之示意圖。 附件1、2係本發明於場地影像建立出標準場線之實驗圖。 附件3、4係本發明於場地影像建立出交點之實驗圖。 附件5至12係本發明於場地影像重建出場線之實驗圖。
S001-S007‧‧‧步驟

Claims (15)

  1. 一種場線之擷取重建方法，其步驟包含：將一涵蓋於場線之場地影像進行二值化，以形成一二值化影像；於該二值化影像中搜尋複數頂點，並藉由所述頂點界定一場線範圍；將該場線範圍內之影像藉由直線轉換以形成複數直線線段；依據所述直線線段之特徵界定至少一第一聚類及至少一第二聚類，並將所述直線線段依所述第一聚類及第二聚類以分類為複數群組；取每一群組中之平均值為標準場線，並分別建立所述標準場線之線性方程式，以求得所述標準場線分別相交之交點位置；以及依據所述交點以重建該場線。
  2. 如申請專利範圍第1項所述之場線之擷取重建方法，更包含子步驟：將該場地影像進行梯度運算，以產生一水平梯度影像及一垂直梯度影像，並將該水平梯度影像及該垂直梯度影像合併形成該二值化影像。
  3. 如申請專利範圍第2項所述之場線之擷取重建方法，更包含子步驟：依據所述場線顏色界定一門檻值，並將該水平梯度影像及該垂直梯度影像合併時，經該門檻值篩分以形成該二值化影像。
  4. 如申請專利範圍第1項所述之場線之擷取重建方法，更包含子步驟：將該二值化影像進行水平投影以形成一第一水平投影影像；並界定該第一水平投影影像之水平累計值大於一累計閾值之範圍處為一搜尋範圍，並於該搜尋範圍搜尋所述頂點。
  5. 如申請專利範圍第4項所述之場線之擷取重建方法，更包含子步 驟：將該第一水平投影影像經下式1以濾除雜訊形成一第二水平投影影像： 其中，F i 為第二水平投影影像；p i 為對應之第一水平投影影像之水平累計值；μ為第一水平投影影像水平累計值之平均值；σ為標準差；將該累計閾值界定為如下式2： 其中，ρ為倍率常數；定義該第二水平投影影像之水平累計值大於該累計閾值之範圍處為該搜尋範圍。
  6. 如申請專利範圍第4項所述之場線之擷取重建方法，其中，該第一水平投影影像係由該二值化影像中間三分之一之部分進行水平投影而形成。
  7. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，更包含子步驟：該場線為四邊形，且建立一二值化之搜尋影像及其搜尋座標，該搜尋影像透過搜尋座標劃分為左上空格、右上空格、左下空格及右下空格；令該搜尋影像滑動搜尋於該二值化影像，以與該二值化影像進行捲積(Convolution)運算；定義捲積後之最大值者為所述頂點。
  8. 如申請專利範圍第7項所述之場線之擷取重建方法，其中，該搜尋影像與該二值化影像係藉由下式3進行捲積(Convolution)運算： 其中，O(i,j)為頂點；m(s,t)為搜尋影像；p(i,j)為二值化影像。
  9. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，更包含子步驟：將該場線範圍內之影像經閉運算(Closing)處理後，進行細線化處理，而後藉由直線轉換以形成所述直線線段。
  10. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，更包含子步驟：將該場線範圍內之場線，係經由霍夫轉換以形成所述直線線段。
  11. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，更包含子步驟：所述第一聚類係分別將所述直線線段中之橫向線段依斜率及於Y軸座標之位置進行分類；所述第二聚類係分別將所述直線線段中之縱向線段依斜率及截距進行分類。
  12. 如申請專利範圍第11項所述之場線之擷取重建方法，其中，該場線為網球場線，且係依所述直線線段之特徵界定六個所述第一聚類及五個所述第二聚類。
  13. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，其中，所述交點係依據該場線位置，以畫線函數重建該場線。
  14. 如申請專利範圍第1至6項中任一項所述之場線之擷取重建方法，其中，該場線為網球場線，且所述標準場線係分別相交之三十個交點。
  15. 如申請專利範圍第14項所述之場線之擷取重建方法，更包含子步驟：該場地影像為動態連續影像，並界定一第一定值、第二定值及一計數值，計算當前場地影像位置之交點，與對應位置之前一幀場地影像之交點間之距離 值，若距離值小於該第一定值，則令計數值增加，而若計數值大於第二定值，則計算一如下式4之誤差閾值T e ： 其中，α為誤差倍率常數；且於任一交點間之距離值大於該誤差閾值時，則將當前幀重建之場線替換為前一幀所重建之場線。
TW105115655A 2016-05-20 2016-05-20 場線之擷取重建方法 TWI584228B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW105115655A TWI584228B (zh) 2016-05-20 2016-05-20 場線之擷取重建方法
US15/194,754 US9934599B2 (en) 2016-05-20 2016-06-28 Method of capturing and reconstructing court lines

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105115655A TWI584228B (zh) 2016-05-20 2016-05-20 場線之擷取重建方法

Publications (2)

Publication Number Publication Date
TWI584228B true TWI584228B (zh) 2017-05-21
TW201742006A TW201742006A (zh) 2017-12-01

Family

ID=59367351

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105115655A TWI584228B (zh) 2016-05-20 2016-05-20 場線之擷取重建方法

Country Status (2)

Country Link
US (1) US9934599B2 (zh)
TW (1) TWI584228B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101973655B1 (ko) * 2018-03-05 2019-08-26 주식회사 디아이블 스포츠 코트 자동인식 및 그에 따른 인/아웃 판단 방법 및 장치
JP7188201B2 (ja) * 2019-03-13 2022-12-13 富士通株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
US20220270367A1 (en) * 2019-03-24 2022-08-25 Dibl Co., Ltd. Method and device for automatically recognizing sport court and determining in/out on basis of same

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
TW201135216A (en) * 2010-04-08 2011-10-16 Univ Nat Formosa Sensing device for non-contact measuring ball-type falling object
US20120180084A1 (en) * 2011-01-12 2012-07-12 Futurewei Technologies, Inc. Method and Apparatus for Video Insertion
CN102938074A (zh) * 2012-11-26 2013-02-20 杭州电子科技大学 体育直播虚拟广告系统中羽毛球或网球场地的自适应提取方法
TW201330905A (zh) * 2012-01-20 2013-08-01 Volleyer Technology Co Ltd 邊線偵測系統及具有集中光束發光源之分界判定裝置
CN105574842A (zh) * 2014-11-09 2016-05-11 许亚夫 一种比赛边线视频检测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004093015A1 (ja) * 2003-04-11 2004-10-28 National Institute Of Information And Communications Technology Incorporated Administrative Agency 画像認識装置及び画像認識プログラム
US8599317B2 (en) * 2009-03-13 2013-12-03 Disney Enterprises, Inc. Scene recognition methods for virtual insertions
US8873813B2 (en) * 2012-09-17 2014-10-28 Z Advanced Computing, Inc. Application of Z-webs and Z-factors to analytics, search engine, learning, recognition, natural language, and other utilities
US8855375B2 (en) * 2012-01-12 2014-10-07 Kofax, Inc. Systems and methods for mobile image capture and processing
US9215545B2 (en) * 2013-05-31 2015-12-15 Bose Corporation Sound stage controller for a near-field speaker-based audio system

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
TW201135216A (en) * 2010-04-08 2011-10-16 Univ Nat Formosa Sensing device for non-contact measuring ball-type falling object
US20120180084A1 (en) * 2011-01-12 2012-07-12 Futurewei Technologies, Inc. Method and Apparatus for Video Insertion
TW201330905A (zh) * 2012-01-20 2013-08-01 Volleyer Technology Co Ltd 邊線偵測系統及具有集中光束發光源之分界判定裝置
CN102938074A (zh) * 2012-11-26 2013-02-20 杭州电子科技大学 体育直播虚拟广告系统中羽毛球或网球场地的自适应提取方法
CN105574842A (zh) * 2014-11-09 2016-05-11 许亚夫 一种比赛边线视频检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"網球視訊之場線偵測與重建"，姜耀川、謝朝和，2007/12/20. "體育視頻中場地自動檢測方法"，殷偉良等，2012/12/31 *

Also Published As

Publication number Publication date
US9934599B2 (en) 2018-04-03
US20170337714A1 (en) 2017-11-23
TW201742006A (zh) 2017-12-01

Similar Documents

Publication Publication Date Title
JP5310247B2 (ja) 画像処理装置および方法、並びにプログラム
KR20090084563A (ko) 비디오 영상의 깊이 지도 생성 방법 및 장치
Komorowski et al. Footandball: Integrated player and ball detector
Cioppa et al. A bottom-up approach based on semantics for the interpretation of the main camera stream in soccer games
CN109271937A (zh) 基于图像处理的运动场地标志物识别方法及系统
TWI584228B (zh) 場線之擷取重建方法
Rao et al. A novel algorithm for detection of soccer ball and player
CN106599880A (zh) 一种面向无人监考的同人判别方法
CN109684919B (zh) 一种基于机器视觉的羽毛球发球违例判别方法
Ali et al. An efficient algorithm for detection of soccer ball and players
RU2616152C1 (ru) Способ контроля пространственного положения участников спортивного события на игровом поле
JP6456244B2 (ja) カメラキャリブレーション方法および装置
Raghuraman et al. Evaluating the efficacy of RGB-D cameras for surveillance
Waltner et al. Indoor activity detection and recognition for sport games analysis
Tahan et al. A computer vision driven squash players tracking system
Shen et al. A method of billiard objects detection based on Snooker game video
JP7096175B2 (ja) オブジェクト抽出方法および装置
Park et al. Extraction of visual information in basketball broadcasting video for event segmentation system
CN106791800A (zh) 全景视频的质量诊断方法及装置
US9959632B2 (en) Object extraction from video images system and method
Le Troter et al. Soccer field detection in video images using color and spatial coherence
Walters et al. BenderNet and RingerNet: Highly efficient line segmentation deep neural network architectures for ice rink localization
Hanzra et al. Automatic cameraman for dynamic video acquisition of football match
Širmenis et al. Tracking basketball shots–preliminary results
TWI698805B (zh) 人物偵測與追蹤之系統及方法

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees