一种基于机器视觉的羽毛球发球违例判别方法技术

针对羽毛球赛场发球过程中发球过手、过腰违例判别主观性过大的问题，本发明专利技术提供了一种利用计算机开源视觉库(OpenCV)作为识别手段的用于判断羽毛球发球过程中发球违例的方法，涉及图像处理、人工智能等领域。其中方法包括：采集运动员发球时的视频图像帧序列，通过运动检测预处理，达到提高系统效率的目的；通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练，确定出发球时羽毛球的位置；利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手；建立羽毛球顶部图像点与垂足图像点之间的关系方程，计算出发球点的离地高度用以判断是否发球过腰。本发明专利技术主要将图像处理技术应用到了羽毛球赛场中，具有检测简单和实用的特点。

A Method of Badminton Service Violation Discrimination Based on Machine Vision

\u9488\u5bf9\u7fbd\u6bdb\u7403\u8d5b\u573a\u53d1\u7403\u8fc7\u7a0b\u4e2d\u53d1\u7403\u8fc7\u624b\u3001\u8fc7\u8170\u8fdd\u4f8b\u5224\u522b\u4e3b\u89c2\u6027\u8fc7\u5927\u7684\u95ee\u9898\uff0c\u672c\u53d1\u660e\u63d0\u4f9b\u4e86\u4e00\u79cd\u5229\u7528\u8ba1\u7b97\u673a\u5f00\u6e90\u89c6\u89c9\u5e93(OpenCV)\u4f5c\u4e3a\u8bc6\u522b\u624b\u6bb5\u7684\u7528\u4e8e\u5224\u65ad\u7fbd\u6bdb\u7403\u53d1\u7403\u8fc7\u7a0b\u4e2d\u53d1\u7403\u8fdd\u4f8b\u7684\u65b9\u6cd5\uff0c\u6d89\u53ca\u56fe\u50cf\u5904\u7406\u3001\u4eba\u5de5\u667a\u80fd\u7b49\u9886\u57df\u3002 The methods include: collecting the video image frame sequence of players'serve and improving the efficiency of the system through motion detection and pretreatment; training the classifier by establishing badminton image data set and extracting LBP digital image features to determine the position of badminton at the start of the ball; using OpenCV to calculate the relative angle of the racket to judge whether to serve or not. The relationship equation between the image points on the top of badminton and the image points on the vertical foot is established, and the off-ground height of the service points is calculated to judge whether the service is over the waist. The invention mainly applies image processing technology to badminton field, and has the characteristics of simple detection and practical application.

【技术实现步骤摘要】
一种基于机器视觉的羽毛球发球违例判别方法
本专利技术涉及图像处理、人工智能领域，特别是涉及一种基于机器视觉的羽毛球发球违例判别方法。
技术介绍
在羽毛球竞技中，对运动员的所有动作都有明文规定，并要求裁判员按照比赛规则进行判罚。但是裁判员的判罚行为可能受到运动员自身对比赛的胜负欲和个人习惯等众多因素的影响，这就导致了部分裁判员可能不会遵守比赛的规则进行判罚，出现误判、错判甚至黑哨等情形。基于计算机视觉的违例判罚利用一种不受主观因素限制的第三方机制帮助裁判进行辅助判罚，将在今后视频图像相关领域起到越专利技术显的作用。现有的一些羽毛球赛场辅助设备并不能达到上述的要求，鹰眼，又称即时回放系统，其原理是由多个高清摄像头捕捉图像，通过多个高性能的计算机计算后借助虚拟技术重建回放球体的运动轨迹，在羽毛球赛场中仅用作判断是否发球出界。另外两种技术，数字检测系统和线审辅助装置，数字检测系统主要是利用光学实时跟踪捕捉设备、数据信息处理系统、数字显示设备实现对羽毛球的捕捉，并计算出相应的坐标来判断是否出界，缺点是要求比赛用球经过红外喷涂且易受到场外红外干扰，对球体坐标的计算也存在较大的误差。线审辅助装置是通过在球场边界铺设两边带有正、负导线的条状带绝缘基板，并在羽毛球球体附着导电材质，利用球体触地时与边线产生电感应实现对球落点的判定，这类装置的缺点是精度容易受到潮湿天气和运动员汗水的影响，还需要改变羽毛球的标准构造。综上所述，目前的几种辅助判罚手段均用于判定球体是否出界，而不能用作判断违例行为，无法完成在羽毛球比赛中对发球违例的判罚。
技术实现思路
本专利技术提供了一种基于机器视觉的羽毛球发球违例判别方法，其目的是为了解决目前羽毛球赛场上发球违例判罚过于主观且缺乏相应的辅助判罚手段的问题。为了解决上述的问题，本专利技术提供了一种基于机器视觉的羽毛球发球违例判别方法，它包括：采集运动员发球时的视频图像帧序列，通过运动检测预处理，达到提高系统效率的目的；通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练，确定出发球时羽毛球的位置；利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手；建立羽毛球顶部图像点与垂足图像点之间的关系方程，计算出发球点的离地高度用以判断是否发球过腰。进一步的，所述运动检测预处理的步骤包括：提取录入视频序列的静止部分作为背景模型；将所述背景模型与所述视频序列的当前帧图像进行图像差分；通过设定阈值将所述差分图像进行二值化处理，判断是否存在运动物体。进一步的，所述通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练的步骤包括：自建处于不同状态下的仅包含羽毛球的图像数据集作为正样本，并对正样本进行灰度化和统一尺寸为40×40的处理；将所述经过处理的样本利用OpenCV提取LBP特征进行分类器的训练，所述分类器的训练级数为20，每级最低命中率为0.998，误检率为0.5。进一步的，所述利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手的步骤包括：根据OpenCV对角度检测判断为[-90,0)的特性，规定运动员位于球网左端时判断的标准，当运动员位于球网右端，判定标准只需取反即可；对所述发球时的球拍进行轮廓检测，对找到的轮廓创建可倾斜的矩形框，并通过设定阈值，滤除掉由羽毛球拍自身结构生成的影响判断的多余矩形框，对过滤后的矩形框进行角度判别。进一步的，由发球过手违例的具体细则：在发球过程中，当球击中球拍时，发球员的球拍应该指向下方，使得整个球拍的首部低于握拍手部，那么，发球过手违例可以理解为在发球过程中球拍不能处于与地面平行的位置或是球拍首部指向上的位置，当运动员位于球网左端，一共有四种可能：球拍与地面平行、球拍首部指向地面位置、球拍首部指向上位置、球拍垂直于地面，所述判断的标准为：第一，第三和第四种状态都是发球过手的违例行为。负角度虽然不利于判定的直观展示，但能够很好的作为违例和不违例的区分，将第一种和第四种状态分别判定为90°和0°，第二种和第三种状态则根据角度的正负加以区分，判断的依据是所述矩形框较长边与Y轴的角度，区别是第二种状态判定的是较长边与Y轴的负角度，第三种状态判定的是较长边与Y轴的正角度。进一步的，对现实生活中的羽毛球拍实现轮廓检测构建矩形框会由于其结构，构建出多个过大或过小的矩形框影响判断流程，通过将矩形框的面积大小设定为阈值，可以很好的过滤过大或是过小的矩形框。进一步的，所述建立羽毛球顶部图像点与垂足图像点之间的关系方程，计算出发球点的离地高度用以判断是否发球过腰的步骤包括：通过羽毛球识别，所述羽毛球顶部图像点近似等于识别后的中心点；所述垂足图像点为过图像中羽毛球的一条到地直线与地面的交点，该点与羽毛球顶部图像点、垂直消影点共线，同时也与运动员双足的图像点共线，通过这一特性可以构建关系方程，确定出垂足图像点；所述的离地高度可由空间平面与图像平面的关系求出。进一步的，所述垂直消影点为空间中垂直于地平面上的直线在无穷远处的点在像平面的投影点，所述运动员双足的图像点可以通过在运动检测时对运动员双脚进行建模得到。进一步的，所述空间平面与图像平面的关系为：在摄像机模型下，空间中任意一点H与图像上的点p的关系如下：其中K为摄像头内参矩阵，[RT]为外参矩阵，λ为非零尺度因子，为齐次坐标形式。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。其中：图1为一种基于机器视觉的羽毛球发球违例判别方法的流程图；图2为运动物体检测流程图；图3为分类器训练流程图；图4为发球过手检测流程图；图5为离地高度测量方法流程图；图6为发球过腰检测流程图。图7为一种基于机器视觉的羽毛球发球违例判别系统框架图。具体实施方式为了是本专利技术的目的、方案及优点能够更为清晰易懂，以下将结合附图和实例对本专利技术作进一步的说明。如图1为本专利技术提供了基于机器视觉的羽毛球发球违例判别方法流程图，包含了如下步骤：步骤S1：采集运动员发球时的视频图像帧序列，通过运动检测预处理，达到提高系统效率的目的。通过具有摄像功能的设备，例如摄像机、摄像头等，实时的采集羽毛球赛场上发球过程的图像，并利用运动检测甄别出发球时的图像帧，达到提高系统运行效率的目的，运动检测流程图如图2所示。步骤S2：通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练，确定出发球时羽毛球的位置。根据应用场景的需求，需要在比赛的发球阶段完成对羽毛球的检测识别，以便于进行后续违例判断。可以通过训练分类器完成对羽毛球的识别，下面将介绍LBP特征的提取和分类器的训练。1.LBP特征提取对于一副图像某个区域任意像素p(xz,yz)，假设其灰度为gz，那么，在一个数量为w的窗口中除去中心点，其余的点的灰度可以描述为g0,...,gw-1，则中心像素与相邻像素的相对关系可以描述为：(gz-g0,...,gz-gw-1)，以中心像素灰度值为阈值，进行二值化：[b(gz-g0),...,b(gz-gw-1)]，其中b(x)定义如下：通过这样的方法，得到一个二进制数，进行加权后即得到相应的LBP特征值，表示成数学公式如下：当图像中的所有像素都计算得到一个LBP值之后本文档来自技高网...

【技术保护点】
1.一种基于机器视觉的羽毛球发球违例判别方法，其特征在于，包括：采集运动员发球时的视频图像帧序列，通过运动检测预处理，达到提高系统效率的目的；通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练，确定出发球时羽毛球的位置；利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手；建立羽毛球顶部图像点与垂足图像点之间的关系方程，计算出发球点的离地高度用以判断是否发球过腰。

【技术特征摘要】
1.一种基于机器视觉的羽毛球发球违例判别方法，其特征在于，包括：采集运动员发球时的视频图像帧序列，通过运动检测预处理，达到提高系统效率的目的；通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练，确定出发球时羽毛球的位置；利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手；建立羽毛球顶部图像点与垂足图像点之间的关系方程，计算出发球点的离地高度用以判断是否发球过腰。2.根据权利要求1所述的方法，其特征在于，所述运动检测预处理的步骤包括：提取录入视频序列的静止部分作为背景模型；将所述背景模型与所述视频序列的当前帧图像进行图像差分；通过设定阈值将所述差分图像进行二值化处理，判断是否存在运动物体。3.根据权利要求1所述的方法，其特征在于，所述通过建立羽毛球图像数据集并提取LBP数字图像特征进行分类器训练的步骤包括：自建处于不同状态下的仅包含羽毛球的图像数据集作为正样本，并对正样本进行灰度化和统一尺缩放为40×40的处理；将所述经过处理的样本利用OpenCV提取LBP特征进行分类器的训练，所述分类器的训练级数为20，每级最低命中率为0.998，误检率为0.5。4.根据权利要求1所述的方法，其特征在于，所述利用OpenCV计算出发球时球拍的相对角度的正负来判断是否发球过手的步骤包括：根据OpenCV对角度检测判断为[-90,0)的特性，规定运动员位于球网左端时判断的标准，当运动员位于球网右端，判定标准只需取反即可；对所述发球时的球拍进行轮廓检测，对找到的轮廓创建可倾斜的矩形框，并通过设定阈值，滤除掉由羽毛球拍自身结构生成的影响判断的多余矩形框，对过滤后的矩形框进行角度判别。5.根据权利要求4所述的方法，其特征在于，由发球过手违例的具体细则：在发球过程中，当球击中球拍时，发球员的球拍应该指向下方，使得整个球拍的首部低于握拍手部，那么，发球过手违...

【专利技术属性】
技术研发人员：张毅，何皇，杨硕，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50