用于识别事件的图像中的事件参与者的方法和系统技术方案

描述了一种用于在事件的图像中识别具有公共徽记的独特实例的参与者的基于计算机的方法。存储每个参与者的徽记的特征的指定参数值、以及指定参数值的独特组合与当前事件中的每个参与者的身份之间的关系。截取当前事件的图像，这些图像至少描绘一个参与者的徽记的一部分；以及通过计算该事件中的每个参与者的每个徽记特征的检测参数值与存储的指定参数值之间的匹配得分来确定参与者的身份。然后，可以利用与所述事件中的每个参与者的徽记的存储参数值匹配的最佳总体得分来确定参与者的身份。身份。身份。

【技术实现步骤摘要】
用于识别事件的图像中的事件参与者的方法和系统


[0001]本披露内容涉及一种用于使用经训练的分类器来识别事件的一个或多个图像中的参与者的基于计算机的方法和系统。

技术介绍

[0002]在体育事件的各种视频直播或数字流式传输的图像中，事件组织者、广播电视台或流式传输频道将信息(比如参与者标识号和/或顺序位置)叠加到图像流的图像上以增强观看者的体验和参与度已经变得很普遍。例如，可以在赛马比赛或自行车比赛——特别是在直播(或具有与实际事件的最小时间延迟)或流式传输的比赛中，将赛马比赛中的马或自行车比赛中的自行车手的姓名和标识显示在该比赛的图像上。
[0003]通常，这样的信息被叠加在构成事件的视频/图像流并且被传输给所有观众成员的图像上。遗憾的是，这样的信息可能不容易被一些观众成员理解。另外，一些观众成员可能只关注特定的参与者，但视频/图像流却呈现有关于所有参与者的信息。
[0004]该信息通常由人类观察者提供，这些人类观察者手动查看图像，识别参与者，并且将信息编码在图像上以进行传输。然而，这样的方法繁琐、耗时(因此昂贵)且容易出错。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述参与者中的每一个具有与其相关联的公共徽记的独特实例，所述方法包括：接收构成当前事件中的每个参与者的徽记的一个或多个特征或特征组的指定参数值；存储表征所述徽记的特征或特征组的指定参数值的独特组合与所述当前事件中的每个参与者的身份之间的关系；在所述当前事件开始之后，从所述当前事件的图像流中的一个或多个图像中截取至少描绘该事件中的一个参与者的徽记的一部分的一个或多个图像区域；以及通过以下步骤从所述事件的图像流中的所述一个或多个图像来预测所述事件中的所述参与者之中的参与者的身份：(i)确定所述事件中的每个参与者的徽记的对应部分的每个特征或特征组的检测参数值与所存储的指定参数值之间的匹配得分；其中，所述确定是通过对所述事件的所述一个或多个图像中的所述一个或多个图像区域中的每一个、以及对其中所描绘的参与者的徽记的每个部分的每个特征或特征组，使用经训练的图像分类器来进行的；以及(ii)利用所述一个或多个图像中所描绘的特征或特征组的检测参数值与所述事件中的每个参与者的徽记的特征或特征组的所述所存储的指定参数值匹配的最佳的对应总体得分，来确定所述参与者的身份。2.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述公共徽记的部分的特征或特征组包括图案、形状和颜色中的一种或多种。3.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述经训练的图像分类器选自包括以下各项的神经网络分类器的组：Inception V4神经网络、VGG16神经网络、ResNet神经网络或卷积神经网络。4.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述检测参数值的得分直接从所述经训练的图像分类器输出。5.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述检测参数值的得分是使用所述经训练的图像分类器的输出而来自分类分类器计算的。6.根据权利要求1、权利要求4或权利要求5所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，参数值的所述最佳得分，是通过将为与所述事件中的每个参与者相关联的公共徽记的每个部分的所有特征的参数值所确定的得分相乘来确定的。7.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述指定参数值是与参与者相关联的徽记的部分的特征或特征组的参数值的向量表示，所述向量表示通过以下步骤生成：(i)为所述特征或特征组选择一个或多个第二经训练的分类器；其中，每个所述第二经训练的分类器被训练成将相似的向量映射为在该第二经训练的分类器的输出空间中空间
上相对靠近，并且将不相似的向量映射为在该第二经训练的分类器的输出空间中空间上相对远离；以及(ii)向为所述特征或特征组选择的所述第二经训练的分类器提供所述事件的参与者的公共徽记的部分中的对应的一个或多个部分的特征或特征组的对应编码参数值，以生成所述向量表示。8.根据权利要求7所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述第二经训练的分类器使用被配置为孪生神经网络的分类器来训练，其中，对所述分类器的孪生神经网络的输入包括：编码参数值的锚向量；编码参数值的与所述锚向量相似的相似向量，所述相似向量包括编码参数值的添加噪声后的所述锚向量、或者从与所述锚向量相同的参数值组合得到的向量；参数值的与所述锚向量不相似的不相似向量，所述不相似向量包括与所述锚向量相比具有不同参数值组合的向量。9.根据权利要求8所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述编码参数值的参数值中的一个或多个通过独热编码来编码。10.根据权利要求8所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述编码参数值的参数值中的一个或多个通过RGB值来编码。11.根据权利要求8所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，用于所述分类器的孪生神经网络的损失函数从对比损失函数或三重损失函数中选择。12.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述经训练的图像分类器使用被配置为孪生神经网络的图像分类器来训练；其中，用于所述经训练的图像分类器的所述孪生神经网络的损失函数是对比损失函数；并且对所述孪生神经网络的输入是锚图像和具有与所述锚图像的参数值相似的参数值的图像的元组，或者是锚图像和具有与所述锚图像的参数值不相似的参数值的图像的元组。13.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述经训练的图像分类器使用被配置为孪生神经网络的图像分类器来训练；其中，用于所述经训练的图像分类器的所述孪生神经网络的损失函数是三重损失函数；并且对所述孪生神经网络的输入是锚图像、具有与所述锚图像的参数值相似的参数值的图像以及具有与所述锚图像的参数值不相似的参数值的图像的元组。14.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述经训练的图像分类器使用被配置为孪
生神经网络的图像分类器来训练；其中，用于所述经训练的图像分类器的所述孪生神经网络的损失函数是对比损失函数；并且对所述孪生神经网络的输入是指定参数值的向量表示和具有与所述指定参数值相似的参数值的图像的元组，或者是指定参数值的向量表示和具有与所述指定参数值不相似的参数值的图像的元组。15.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，所述经训练的图像分类器使用被配置为孪生神经网络的图像分类器来训练；其中，用于所述经训练的图像分类器的所述孪生神经网络的损失函数是三重损失函数；并且对所述孪生神经网络的输入是指定参数值的向量表示、具有与所述指定参数值相似的参数值的图像、以及具有与所述指定参数值不相似的参数值的图像的元组。16.根据权利要求1所述的在事件的图像流中的一个或多个图像中识别多个参与者中的至少一个参与者的基于计算机的方法，其中，对于每个参与者的...

【专利技术属性】
技术研发人员：罗宇晖，
申请(专利权)人：香港赛马会，
类型：发明
国别省市：