一种足球比赛视频中的多运动员的行为特征提取方法技术

本发明专利技术公开了一种足球比赛视频中的多运动员的行为特征提取方法，包括：a、颜色的分类、分割及特征提取；b、颜色分类的鲁棒性处理。本发明专利技术所述足球比赛视频中的多运动员的行为特征提取方法，可以克服现有技术中操作过程复杂、花费时间长和可靠性低等缺陷，以实现操作过程简单、花费时间短和可靠性高的优点。

【技术实现步骤摘要】

本专利技术设及视频处理
，具体地，设及一种足球比赛视频中的多运动员的 行为特征提取方法。
技术介绍
由于足球比赛运动是一种观赏性体育运动，比赛的场地、场线、裁判和球员的服装 被设计成独特的视觉效果。从视觉特征的角度而言，该些颜色差异是最好的信息之一：场地 是绿色的；场线是白色的；裁判和球员的穿着必须达到尽可能高的对比度。色彩特征不仅 可W用来提高跟踪能力，而且还可W用来区分属于不同球队的球员。因此，可W提取视频图 像的颜色特征来进行行为识别。 在实现本专利技术的过程中，专利技术人发现现有技术中至少存在操作过程复杂、花费时 间长和可靠性低等缺陷。
技术实现思路
本专利技术的目的在于，针对上述问题，提出一种足球比赛视频中的多运动员的行为 特征提取方法，W实现操作过程简单、花费时间短和可靠性高的优点。 为实现上述目的，本专利技术采用的技术方案是；一种足球比赛视频中的多运动员的 行为特征提取方法，包括： a、颜色的分类、分割及特征提取； b、颜色分类的鲁椿性处理。[000引进一步地，所述步骤a,具体包括； (1)对待处理的足球比赛图像运用色彩分类和分割；假定W前的颜色分类学习集包 括绿色场地集、球队服装集和其它集，视觉感知模块首先将彩色图像像素映射到各自的分 类，然后用形态运算对同一类颜色分组区域进行去噪来发现感兴趣的区域； 口)通过图像斑块产生的特征来特征化感兴趣的对象，用已有的颜色区域和彩色斑 块作为定义某些图像处理操作处理的感兴趣的复杂区域； 樹得到感兴趣的颜色区域后，提取该区域的颜色矩作为颜色特征，在HIS颜色空 间中，各分量的中屯、矩用式（1)来计算：【主权项】1. ，其特征在于，包括： a、 颜色的分类、分割及特征提取； b、 颜色分类的鲁棒性处理。2. 根据权利要求1所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述步骤a，具体包括： ⑴对待处理的足球比赛图像运用色彩分类和分割：假定以前的颜色分类学习集包括绿 色场地集、球队服装集和其它集，视觉感知模块首先将彩色图像像素映射到各自的分类，然 后用形态运算对同一类颜色分组区域进行去噪来发现感兴趣的区域； ⑵通过图像斑块产生的特征来特征化感兴趣的对象，用已有的颜色区域和彩色斑块作 为定义某些图像处理操作处理的感兴趣的复杂区域； ⑶得到感兴趣的颜色区域后，提取该区域的颜色矩作为颜色特征，在HIS颜色空间中， 各分量的中心矩用式（1)来计算：其中，X表示HIS颜色空间中的H、I和S分量；H (Pi)表示图像p的第i个像素的X值； N为图像像素的数目。3. 根据权利要求1或2所述的足球比赛视频中的多运动员的行为特征提取方法，其特 征在于，所述步骤b，具体包括： 采用期望最大化的方式来分割彩色类中的绿色场地，通过给出球场模型和估计摄像机 参数来确定这些区域必定是绿色场地； 提取这些区域中的像素来估计绿色场地颜色类； 然后用这种颜色模型来估计摄像机的参数。4. 根据权利要求3所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述提取这些区域中的像素来估计绿色场地颜色类的操作，进一步包括： 球员轮廓特征提取； 球场线特征提取； 球员和球的轨迹特征提取。5. 根据权利要求4所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述球员轮廓特征提取的操作，更进一步包括： 给定一个T帧的足球比赛行为视频V = U1, I2，…，Ιτ}，从原始视频中获得与之相关的 行为轮廓序列Ss= {s i，S2，…，sT};在保持球员轮廓宽高比不变的基础上，对球员的轮廓图 像进行中心化和归一化，使所产生的结果图像RI = (R1, R2，…，RT}包含尽可能多的前景；在 不使动作发生变形的情况下，所有输入视频帧有相同的维数A X Ci; 等距划分每个球员轮廓图像为hXw个互不重叠的子块，用Ni = b (i)/mv, i = 1，2,…，hXw计算每个子块的归一化值，其中，b (i)是第i个分块的前景像素数目，mv是所 有b (i)的最大值； 在汧Axw空间中，第t帧的球员轮廓的描述符为ft= T，整个视频中的球 员轮廓相应表示为vf = {?^，f2，…fT}。6. 根据权利要求4所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述球场线特征提取的操作，更进一步包括： ⑴在提取球场线特征的过程中，先将足球比赛视频图像转化为二值图，再利用Hough 变换初步提取出球场线的坐标参数特征，最后用灰度拟合求出精确的直线坐标； ⑵用Hough变换进行直线特征提取时，用距离矢量d = xcos Θ +ySin Θ来表示；其 中，d的取值范围为视频图像对角线的长度1，即d e ; Θ为垂线与X轴的夹角， Θ e ;χ和y表示像素点的二维坐标； ⑶用整数数组k定义以d和Θ为下标的参数空间，并设定阈值为th，应用Hough变换 进行统计计算时，如果k>th，则判定下标d和Θ对应的曲线为直线，下标d改写为d = d+Ι 〇7. 根据权利要求6所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述步骤⑶，具体步骤如下： Step 1 :构造并初始化sin和cos函数查找表； Step 2:对二值图像上的每个非背景点，利用d = Xcos 0+ySin0计算出每个Θ对应 的d值，并计算出d = d+Ι和k = k+Ι ; Step 3 :将数组k中值大于th的所有下标d和Θ寻找出来，再计算出d = d-1 ; Step 4:由于在待检测的二值图像中，球场线没有经过细化，有一定的宽度，在进行 Hough变换时，会导致一条直线会同时得到几组相似的d和Θ ;如果有相似的d和Θ，只保 留其中一组； Step 5 :设经过Hough变换后得到的球场线的两个端点的坐标分 另1J 为（χ〇, y〇)和（X" yi)，用（（x0+sin Θ (f-mX i)，y〇-cos Θ (f-mX i))和 ((Xi+sin Θ (f-mX j)，yi-cos Θ (f-mX j))分另Ij计算出灰度图像中的点i和点j之间线段所 经过的像素点的灰度值均值Meani; J; 其中，f表示拟合的范围；m为拟合步长，计算出的Meani』最大时对应的 m W，_Τ所确定的线段即可认为是最优的球场线。8. 根据权利要求4所述的足球比赛视频中的多运动员的行为特征提取方法，其特征在 于，所述球员和球的轨迹特征提取的操作，更进一步包括： 在球员和球的轨迹特征提取过程中，将足球比赛视频分成包含特定数量的视频帧的小 片段； 提取球员和球的轨迹时以片段为基本单位，即处理的轨迹的长度不超过片段的视频帧 数目； 在得到每帧足球比赛视频图像的运动目标的候选区域后，首先在时空域中寻找视频中 连续三帧图像某位置附近都出现的运动目标； 得到新轨迹后，用卡尔曼滤波器对轨迹进行预测，预测方程为：(2) 其中，Xt= AXg+yt为系统运动方程；Ot= BXt+K t为系统观测方程；乂^(^表示时刻t 的系统状态向量和系统状态测量向量；γ Jb κ 1;表不时刻t相互独立的正态分布的运动和 测量噪声向量，A和B表示状态转移矩本文档来自技高网...

【技术保护点】
一种足球比赛视频中的多运动员的行为特征提取方法，其特征在于，包括：a、颜色的分类、分割及特征提取；b、颜色分类的鲁棒性处理。

【技术特征摘要】

【专利技术属性】
技术研发人员：王智文，刘美珍，罗功坤，阳树洪，欧阳浩，蒋联源，李春贵，夏冬雪，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西;45