(杭州電子科技大學(xué)圖像圖形研究所，浙江 杭州310018)

0 引 言

雖然數(shù)字圖像處理技術(shù)發(fā)展已久、應(yīng)用廣泛，但是數(shù)字圖像處理在體育計(jì)分中的應(yīng)用并不常見[1]。一般用于投籃命中率分析[2]、高爾夫球視頻分析[3]等，但在飛鏢計(jì)分中的應(yīng)用尚未得到充分的研究。本文針對(duì)飛鏢比賽的計(jì)分規(guī)則，飛鏢與飛鏢盤的物理特征，提出了一種基于圖像識(shí)別的飛鏢自動(dòng)計(jì)分系統(tǒng)。本文首先運(yùn)用背景建模得到穩(wěn)定的背景圖像，并提取出前景目標(biāo)。然后對(duì)背景模型和前景分別處理，最后將兩者的處理相結(jié)合，最終實(shí)現(xiàn)了對(duì)飛鏢落點(diǎn)的自動(dòng)識(shí)別與定位，從而實(shí)現(xiàn)了自動(dòng)計(jì)分的功能。

1 系統(tǒng)描述

該系統(tǒng)功能包括實(shí)時(shí)讀取比賽視頻，提取出每支飛鏢的分?jǐn)?shù)，并記錄比賽狀態(tài)、管理每位選手的比賽記錄。該系統(tǒng)處理流程如圖1所示，監(jiān)測(cè)到的實(shí)時(shí)的比賽視頻后，首先通過(guò)高斯建模得到穩(wěn)定的背景圖像，再將當(dāng)前圖像與背景圖像相減，得到前景圖像。對(duì)前景圖像篩選出有用的前景目標(biāo)并對(duì)其物理特性和運(yùn)動(dòng)情況進(jìn)行分析，確定飛鏢在鏢盤上的位置。與此同時(shí)，還要對(duì)背景圖像進(jìn)行定標(biāo)，將圖像轉(zhuǎn)換為正視圖，最終得出飛鏢落點(diǎn)在飛鏢盤正視圖中的位置，從而計(jì)算出這支飛鏢打出的分?jǐn)?shù)。

圖1 系統(tǒng)流程圖

2 背景建模

2.1 混合高斯模型

混合高斯模型是用來(lái)提取視頻中的背景。一般而言單高斯模型對(duì)于不是很復(fù)雜的場(chǎng)景可以很好地表示出每個(gè)象素上顏色矢量的變化。但為了使背景模型可以更好地適應(yīng)室內(nèi)外環(huán)境的變化，本文使用GRIMSON 等提出的混合高斯模型[4]對(duì)顏色特征建模[5]。對(duì)每個(gè)象素點(diǎn)使用K高斯分布來(lái)模擬象素點(diǎn)的背景值，求得每一個(gè)觀察到的顏色矢量Xt的概率。令di為Xi時(shí)刻的幀的象素值，將P與已排列好的di高斯模型分布進(jìn)行匹配，如滿足:

則H和該高斯函數(shù)匹配，式中D是參數(shù)(一般取2.5)，σi，t-1是標(biāo)準(zhǔn)差，ui，t是t時(shí)刻混合高斯模型中第i高斯分布的均值。如果沒(méi)有高斯分布和R 匹配，則ρi，t=ωi，t/σi，t中最小的一個(gè)值被新的均值為Xt的高斯分布取代。余下的高斯分布保持相同的均值和方差，但它們可能變小。把K高斯混合模型按ρi，t=ωi，t/σi，t進(jìn)行降序排列，則最有可能代表背景的高斯分布排在序列前面，所以取前面B個(gè)高斯分布聯(lián)機(jī)生成背景(其中T為權(quán)重閾值):

2.2 提取目標(biāo)

通過(guò)分析飛鏢比賽視頻，得出以下特點(diǎn):比賽選手每輪依次投擲3支飛鏢，3支投完后將它們一起取下。投擲過(guò)程中，飛鏢沒(méi)有擊中飛鏢盤或反彈落地，都認(rèn)為不得分。選手取飛鏢時(shí)，則標(biāo)志著一輪已經(jīng)結(jié)束。為了便于說(shuō)明，本文定義以下兩個(gè)概念:前景圖像，即當(dāng)前圖像與背景圖像相減后得到的圖像;前景目標(biāo):即比賽選手和飛鏢。

分析發(fā)現(xiàn)，前景圖像中的白點(diǎn)數(shù)對(duì)前景目標(biāo)的出現(xiàn)比較敏感，且不同前景目標(biāo)出現(xiàn)時(shí)，白點(diǎn)數(shù)量的變化具有不同的表現(xiàn)。根據(jù)以上分析，得到如下系統(tǒng)設(shè)計(jì)步驟:(1)根據(jù)視頻大小、質(zhì)量等定義閾值S和T，用以區(qū)分前景圖像中白點(diǎn)的不同變化;(2)利用混合高斯模型進(jìn)行背景建模，并從中提取穩(wěn)定的背景模型作為背景圖像B1;(3)對(duì)當(dāng)前圖像進(jìn)行去噪、形態(tài)學(xué)濾波等優(yōu)化，并與背景B1 相減，得到前景圖像P;(4)計(jì)算前景圖像P中的白點(diǎn)的數(shù)量S1，以及相對(duì)于前1 張前景圖像白點(diǎn)數(shù)量的變化率T1。將S1和T1 分別與閾值S和T 相比較，并記錄比較結(jié)果;(5)查看當(dāng)前圖像與前面幾幀圖像的記錄，如果連續(xù)5幀以上圖像都同時(shí)滿足S1 ＞S 并且T1 ＞T，則認(rèn)為比賽選手出現(xiàn)，跳至第7步。如果連續(xù)3幀以上圖像都同時(shí)上述條件，則認(rèn)為飛鏢出現(xiàn)，跳至第6步。其它情況則不處理;(6)飛鏢出現(xiàn)后，白點(diǎn)很快恢復(fù)到飛鏢出現(xiàn)前的狀態(tài)，此時(shí)形成了新的穩(wěn)定的背景模型，保存為背景圖像B2。B2與B1 這兩張圖像相減即為所求的前景目標(biāo)，用于做進(jìn)一步處理。跳至第3步繼續(xù)進(jìn)行，直到視頻結(jié)束;(7)比賽選手出現(xiàn)后，白點(diǎn)的數(shù)目劇增，選手離開后，白點(diǎn)的數(shù)量再次恢復(fù)到無(wú)前景目標(biāo)時(shí)的狀態(tài)，此時(shí)形成的穩(wěn)定的背景模型作為B1，繼續(xù)進(jìn)行第三步，直到視頻結(jié)束。

3 定 標(biāo)

在通常情況下，由于攝像頭與飛鏢盤之間具有一定角度，通過(guò)背景建模得到的二維背景模型不能直接計(jì)算得分。為了方便后續(xù)處理，需要完成從背景模型到其正視圖的透視變換。

如圖2所示，圖2(a)是通過(guò)背景建模得到的穩(wěn)定的背景模型，圖2(b)是參考背景圖像構(gòu)造的正視圖。從圖2(a)中隨機(jī)取出N個(gè)點(diǎn)，依次記錄其坐標(biāo)(xαi，yαi)，構(gòu)成大小為N×3的矩陣A。為了獲得較精確的映射效果，應(yīng)盡量選擇角點(diǎn)且點(diǎn)的數(shù)目不少于8個(gè)。同時(shí)計(jì)算圖2(a)中選擇的點(diǎn)在圖2(b)中對(duì)應(yīng)的點(diǎn)，記錄其坐標(biāo)(xβi，yβi)構(gòu)成大小N×3的矩陣B。

圖2 從背景到其正視圖的映射

若存在3×3 矩陣C，那么說(shuō)矩陣C是景模型到正視圖的透視變換矩陣。

透視變換矩陣C 只需要計(jì)算一次。在背景模型中的任意一個(gè)點(diǎn)(x，y)，都可以通過(guò)這個(gè)矩陣計(jì)算出它在正視圖中對(duì)應(yīng)的坐標(biāo)(x'，y')。其計(jì)算公式如下:

4 飛鏢鏢頭的檢測(cè)與分?jǐn)?shù)的轉(zhuǎn)換

4.1 飛鏢鏢頭的檢測(cè)

鏢頭的位置決定了飛鏢的得分，在得到前景目標(biāo)以后，需要進(jìn)一步的檢測(cè)鏢頭的位置。

飛鏢的物理形態(tài)具有以下特征:飛鏢屬于剛體，運(yùn)動(dòng)變化具有很強(qiáng)的結(jié)構(gòu)性，大部分象素點(diǎn)都集中在尾部，而需要檢測(cè)的鏢頭細(xì)而突出。基于這樣的物理特征，采用質(zhì)心法可以得到較好的效果。質(zhì)心法即選取距離飛鏢質(zhì)心最遠(yuǎn)的點(diǎn)作為飛鏢鏢頭。步驟如下:(1)對(duì)于前景目標(biāo)，求它的質(zhì)心坐標(biāo)，記為P(Px，Py)，質(zhì)心為所有點(diǎn)坐標(biāo)的平均值;(2)對(duì)于前景目標(biāo)，進(jìn)行邊緣檢測(cè)，將所有邊緣上的點(diǎn)存儲(chǔ)到數(shù)組X 中;(3)遍歷數(shù)組X中的每一個(gè)點(diǎn)，計(jì)算每一個(gè)點(diǎn)與質(zhì)心的距離式中，Xi是數(shù)組X中的第i點(diǎn)，di是Xi與質(zhì)心P的距離;(4)選取di最小的點(diǎn)為飛鏢鏢頭。

4.2 分?jǐn)?shù)的轉(zhuǎn)換

飛鏢盤上一共有20個(gè)分?jǐn)?shù)。每個(gè)分?jǐn)?shù)是一個(gè)圓心角為18°的扇形區(qū)域。這些扇形又被4個(gè)圓環(huán)劃分成了共74個(gè)小區(qū)域，每個(gè)區(qū)域都代表不同的含義和得分。雖然區(qū)域劃分復(fù)雜，但是由于已經(jīng)完成了從背景到其正視圖的映射，可以方便地利用圓的特性來(lái)轉(zhuǎn)換分?jǐn)?shù)。計(jì)算步驟如下:(1)把上文中求出的鏢頭，通過(guò)映射矩陣C，得到其在正視圖中的映射點(diǎn)，記為H;(2)計(jì)算正視圖中飛鏢盤中心點(diǎn)的坐標(biāo)記為O，以及飛鏢盤的直徑，記為R;(3)計(jì)算從飛鏢盤中心指向鏢頭的矢量的大小和方向，記為s，則有公式(4)矢量的方向決定了飛鏢落入哪個(gè)分?jǐn)?shù)的扇形區(qū)域，矢量的大小決定了飛鏢落入第幾個(gè)圓環(huán)內(nèi)。根據(jù)矢量的大小和方向求出相應(yīng)的分?jǐn)?shù)。

5 實(shí)現(xiàn)效果

為了驗(yàn)證系統(tǒng)的有效性，本文對(duì)多段視頻進(jìn)行了測(cè)試，所選視頻均為320×240的avi 格式視頻，幀率為25幀/s。其中包括室內(nèi)場(chǎng)景和室外場(chǎng)景，飛鏢盤與攝像頭之間不同的傾角等。實(shí)驗(yàn)效果如圖3、4所示，其中圖3、4(a)是用背景建模得到的穩(wěn)定的背景模型，圖3、4(b)是第一支飛鏢進(jìn)入畫面后停留在飛鏢盤上，圖3、4(c)是利用背景差分法檢測(cè)出的前景目標(biāo)，圖3、4(d)是通過(guò)質(zhì)心法的實(shí)驗(yàn)效果，圖3、4(d)中紅色的點(diǎn)是檢測(cè)出的飛鏢鏢頭。圖3是第一支飛鏢進(jìn)入畫面的實(shí)現(xiàn)效果。圖4是已經(jīng)有一支飛鏢在背景中的讀取飛鏢分?jǐn)?shù)的實(shí)現(xiàn)效果圖。

圖3 第一支飛鏢的實(shí)現(xiàn)效果

圖4 第二支飛鏢的實(shí)現(xiàn)效果

分別在室內(nèi)和室外測(cè)試了10組數(shù)據(jù)，每一組包含3支飛鏢。對(duì)應(yīng)的實(shí)驗(yàn)結(jié)果如表1、2所示，并分別統(tǒng)計(jì)了每組中第1支飛鏢、第2支飛鏢與第3支飛鏢的分?jǐn)?shù)識(shí)別的正確率。由于光線的原因，室外的識(shí)別效果稍好于室內(nèi)。

表1 飛鏢的分?jǐn)?shù)識(shí)別效果(室內(nèi))

表2 飛鏢的分?jǐn)?shù)識(shí)別效果(室外)

分?jǐn)?shù)識(shí)別錯(cuò)誤主要是因?yàn)轱w鏢鏢頭檢測(cè)的效果不是很完善。大部分情況下，分離出的前景目標(biāo)很好地符合文中總結(jié)出來(lái)的規(guī)律，但有時(shí)候，飛鏢鏢頭被飛鏢尾部或其它飛鏢遮蓋，造成飛鏢鏢頭檢測(cè)的錯(cuò)誤，從而影響了計(jì)分的正確性。

6 結(jié)束語(yǔ)

本文依據(jù)飛鏢的比賽規(guī)則和飛鏢的物理特征，先后運(yùn)用了背景建模、目標(biāo)提取、定標(biāo)、邊緣檢測(cè)等常用圖像處理方法，提出了一個(gè)基于圖像識(shí)別的飛鏢自動(dòng)計(jì)分系統(tǒng)，實(shí)現(xiàn)了對(duì)飛鏢的自動(dòng)識(shí)別與實(shí)時(shí)計(jì)分。實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)具有較好的飛鏢提取效果與較高的計(jì)分正確率。對(duì)于復(fù)雜的背景以及噪聲較大的視頻也具有很好的處理能力。但也存在一些缺陷，比如適應(yīng)性不強(qiáng)，識(shí)別鏢頭的算法也不是很完善。這些是以后要解決的問(wèn)題。

[1]宋寶杰，宋國(guó)鈺.基于視頻的體育運(yùn)動(dòng)分析系統(tǒng)的研究與實(shí)現(xiàn)[J].電子科技，2009，22(11):76-80.

[2]柴業(yè)宏.數(shù)字圖像處理技術(shù)對(duì)影響投籃命中相關(guān)因素的分析[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然版)，2007，30(12):1 607-1 609.

[3]李蕊，韓亞紅.高爾夫球體育視頻分析系統(tǒng)的開發(fā)[J].電腦知識(shí)與技術(shù)，2007，1(4):1 127-1 129.

[4]Dick A R.Issues in Automated Visual Surveillance[C].Sydney:Proc with Digital Image，2003∶195-204.

[5]馬義德，朱望飛，安世霞，等.改進(jìn)的基于高斯混合模型的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].計(jì)算機(jī)應(yīng)用，2007，27(10):2 544-2 546.