一种对球赛视频中运动员进行跟踪的算法制造技术

本发明专利技术公开了一种对球赛视频中运动员进行跟踪的算法，包括初始化、图像预处理、行人检测器检测人体、融合区域信息和局部特征的跟踪四步骤。本发明专利技术提供的一种对球赛视频中运动员进行跟踪的算法，融合区域信息和局部特征的优点，可适应于遮挡较为严重情况，且有效地防止了漂移问题，可有效地解决球赛中运动员跟踪问题，克服了现有技术中一般的目标跟踪方法对球赛中运动跟踪效果较差的弊端。

An algorithm for tracking athletes in a video game

The invention discloses an algorithm for tracking athletes in a video game, comprising four steps of initialization, image preprocessing, pedestrian detector detection, human body, fusion region information and local feature tracking. A tracking algorithm for video game player provided by the invention has the advantages of integration of regional information and local features, can adapt to the more serious occlusion, and effectively prevent the drift problem, can effectively solve the problem of tracking the athletes in the game, to overcome the general target tracking method in the prior art shortcomings of the game in motion tracking and poor effect.

【技术实现步骤摘要】
一种对球赛视频中运动员进行跟踪的算法
本专利技术涉及一种球赛视频的跟踪算法，尤其涉及一种对球赛视频中运动员进行跟踪的算法。
技术介绍
采用普通摄像头进行球赛无监督的录制时，由于运动员速度过快，常导致高速运动的运动员存在运动模糊，虚影和残影问题；同时，由于运动动作幅度较大，且时常发生球员间接触或遮挡的情况，这使得一般的目标跟踪方法对球赛中运动跟踪效果较差。本专利技术提出的对球赛视频中运动员进行跟踪的算法，融合区域信息和局部特征的优点，可适应于遮挡较为严重情况，且有效地防止了漂移问题，可有效地解决球赛中运动员跟踪问题。
技术实现思路
本专利技术为解决上述技术问题而采用的技术方案是提供一种对球赛视频中运动员进行跟踪的算法，其中具体包括以下步骤：1)初始化；利用人工标注或算法自动学习的方法，获取得到场景的一些先验信息；2)图像预处理；(1)对视频中的球场建立背景模型，并从中分割出前景,并在前景上提取局部特征点；(2)从前景区域中提取出边缘；(3)对上一帧提取出来的特征点采用光流跟踪得到当前帧的位置，并存储当前光流跟踪的结果中点的位置，作为下帧跟踪的待跟踪点；3)行人检测器检测人体；利用线下采用机器学习方法训练好的行人检测器，对视频中的前景处进行行人检测；4)融合区域信息和局部特征的跟踪；对检测到的行人区域进行跟踪；在球员之间发生遮挡时，利用上各特征点的光流跟踪的结果来将部分遮挡上的目标跟踪上，同时将光流跟踪结果点存储起来以作为下帧跟踪的待跟踪点；未被遮挡部分，采用如下方法提取：获取当前帧采用区域跟踪法未能跟踪上的区域在上一帧的位置区域L，得到区域L中采用局部特征点光流跟踪在本帧跟踪上的点，这些点所组成的区域即为未被遮挡部分的局部。上述的一种对球赛视频中运动员进行跟踪的算法，其中，初始化步骤中，先验信息包括从视频中提取出球场位置，球场各处普通球员的身高。上述的一种对球赛视频中运动员进行跟踪的算法，其中，行人检测器检测人体步骤中，采用HoG+SVM行人检测器，或Haar+AdoBoost行人检测器，或ACF行人检测器，或深度学习的行人检测器。上述的一种对球赛视频中运动员进行跟踪的算法，其中，行人检测器检测人体步骤中，为了减少计算量，利用初始化中所获取的球员的身高先验知识来加速。上述的一种对球赛视频中运动员进行跟踪的算法，其中，融合区域信息和局部特征的跟踪步骤中，对检测到的行人区域进行跟踪采用kalman+粒子滤波基于概率估计的方法进行，或采用CamShift基于模板匹配的方法。上述的一种对球赛视频中运动员进行跟踪的算法，其中，融合区域信息和局部特征的跟踪步骤中，为了进一步提高被部分遮挡目标的跟踪效果，采用提高未被遮挡部分的局部特征点数目的方法，以用于下一帧的跟踪。本专利技术相对于现有技术具有如下有益效果：融合区域信息和局部特征的优点，可适应于遮挡较为严重情况，且有效地防止了漂移问题，可有效地解决球赛中运动员跟踪问题，克服了现有技术中一般的目标跟踪方法对球赛中运动跟踪效果较差的弊端。附图说明图1为本专利技术提供的一种对球赛视频中运动员进行跟踪的算法的示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的描述。本专利技术提供的一种对球赛视频中运动员进行跟踪的算法，具体方案包括：一、初始化。利用人工标注或算法自动学习的方法，获取得到场景的一些先验信息(如从视频中提取出球场位置，球场各处普通球员的身高)。二、图像预处理。(1)对视频中的球场建立背景模型，并从中分割出前景,并在前景上提取局部特征点(如FAST特征点)；(2)从前景区域中提取出边缘(如采用SOBEL边缘提取算子)。(3)对上一帧提取出来的特征点，采用光流跟踪得到当前帧的位置，并存储当前光流跟踪的结果中点的位置，作为下帧跟踪的待跟踪点。三、行人检测器检测人体。利用线下采用机器学习方法训练好的行人检测器，对视频中的前景处进行行人检测(如HoG+SVM行人检测器，Haar+AdoBoost行人检测器，或ACF行人检测器，或深度学习的行人检测器)。进一步地，为了减少计算量，可利用上初始化中所获取的球员的身高等先验知识来加速。四、融合区域信息和局部特征的跟踪。对检测到的行人区域进行跟踪(可采用kalman+粒子滤波等基于概率估计的方法进行，也可以采用CamShift等基于模板匹配的方法)。在球员之间发生较严重的遮挡时，采用区域跟踪的方法一般较难跟踪上，这个时候可利用上各特征点的光流跟踪的结果，来将部分遮挡上的目标跟踪上。同时将光流跟踪结果点，存储起来以作为下帧跟踪的待跟踪点。为了进一步提高被部分遮挡目标的跟踪效果，可提高未被遮挡部分的局部特征点数目，以用于下一帧的跟踪。而未被遮挡部分，可采用如下方法提取：获取当前帧采用区域跟踪法未能跟踪上的区域在上一帧的位置区域L，得到区域L中采用局部特征点光流跟踪在本帧跟踪上的点，这些点所组成在区域即为未被遮挡部分的局部。虽然本专利技术已以较佳实施例揭示如上，然其并非用以限定本专利技术，任何本领域技术人员，在不脱离本专利技术的精神和范围内，当可作些许的修改和完善，因此本专利技术的保护范围当以权利要求书所界定的为准。本文档来自技高网...

【技术保护点】
一种对球赛视频中运动员进行跟踪的算法，其特征在于，包括以下步骤：1)初始化；利用人工标注或算法自动学习的方法，获取得到场景的一些先验信息；2)图像预处理；(1)对视频中的球场建立背景模型，并从中分割出前景,并在前景上提取局部特征点；(2)从前景区域中提取出边缘；(3)对上一帧提取出来的特征点采用光流跟踪得到当前帧的位置，并存储当前光流跟踪的结果中点的位置，作为下帧跟踪的待跟踪点；3)行人检测器检测人体；利用线下采用机器学习方法训练好的行人检测器，对视频中的前景处进行行人检测；4)融合区域信息和局部特征的跟踪；对检测到的行人区域进行跟踪；在球员之间发生遮挡时，利用上各特征点的光流跟踪的结果来将部分遮挡上的目标跟踪上，同时将光流跟踪结果点存储起来以作为下帧跟踪的待跟踪点；未被遮挡部分，采用如下方法提取：获取当前帧采用区域跟踪法未能跟踪上的区域在上一帧的位置区域L，得到区域L中采用局部特征点光流跟踪在本帧跟踪上的点，这些点所组成的区域即为未被遮挡部分的局部。

【技术特征摘要】
1.一种对球赛视频中运动员进行跟踪的算法，其特征在于，包括以下步骤：1)初始化；利用人工标注或算法自动学习的方法，获取得到场景的一些先验信息；2)图像预处理；(1)对视频中的球场建立背景模型，并从中分割出前景,并在前景上提取局部特征点；(2)从前景区域中提取出边缘；(3)对上一帧提取出来的特征点采用光流跟踪得到当前帧的位置，并存储当前光流跟踪的结果中点的位置，作为下帧跟踪的待跟踪点；3)行人检测器检测人体；利用线下采用机器学习方法训练好的行人检测器，对视频中的前景处进行行人检测；4)融合区域信息和局部特征的跟踪；对检测到的行人区域进行跟踪；在球员之间发生遮挡时，利用上各特征点的光流跟踪的结果来将部分遮挡上的目标跟踪上，同时将光流跟踪结果点存储起来以作为下帧跟踪的待跟踪点；未被遮挡部分，采用如下方法提取：获取当前帧采用区域跟踪法未能跟踪上的区域在上一帧的位置区域L，得到区域L中采用局部特征点光流跟踪在本帧跟踪上的点，这些点所组成的区域即为未被遮挡部分的局部。2.如权利要求1所述的一种对球赛视频中运...

【专利技术属性】
技术研发人员：刘剡，贺岳平，朱明亮，
申请(专利权)人：上海慧体网络科技有限公司，
类型：发明
国别省市：上海,31