足球比賽視頻中的目標(biāo)檢測(cè)與跟蹤算法研究

(商洛學(xué)院，陜西 商洛 726000)

足球比賽視頻中的目標(biāo)檢測(cè)與跟蹤算法研究

楊斌

(商洛學(xué)院，陜西商洛726000)

為在足球視頻中有效的檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)，需要對(duì)足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法進(jìn)行研究；當(dāng)前采用的算法，在動(dòng)態(tài)場(chǎng)景中，存在運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤效果不佳的問(wèn)題；為此，提出一種基于OpenCV的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法；該算法結(jié)合平均背景算法將足球比賽視頻中目標(biāo)圖像分割為前景區(qū)與背景區(qū)，計(jì)算足球比賽視頻每一幀目標(biāo)圖像和背景圖像之間差值的絕對(duì)差值，同時(shí)計(jì)算每一個(gè)目標(biāo)圖像中像素點(diǎn)的平均值與標(biāo)準(zhǔn)值來(lái)建立目標(biāo)圖像背景統(tǒng)計(jì)模型，利用TMHI算法對(duì)足球比賽視頻中目標(biāo)初始圖像進(jìn)行閾值分割，得到初始分割圖像，對(duì)分割圖像進(jìn)行中值濾波和閉運(yùn)算，再使用卡爾曼濾波對(duì)分割后的目標(biāo)圖像進(jìn)行處理，得到鏡頭中目標(biāo)的質(zhì)心位置和目標(biāo)外界矩形框，然后對(duì)足球比賽視頻中目標(biāo)進(jìn)行跟蹤；實(shí)驗(yàn)證明，該算法有效的檢測(cè)與跟蹤足球視頻中運(yùn)動(dòng)目標(biāo)。

足球比賽；視頻；目標(biāo)檢測(cè)；目標(biāo)跟蹤

0 引言

近幾年，隨著科技的發(fā)展及人們對(duì)生活質(zhì)量要求的提高，對(duì)視頻目標(biāo)檢測(cè)與跟蹤技術(shù)的需求越來(lái)越廣泛[1]。作為觀眾喜愛(ài)的體育視頻之一，足球比賽視頻中檢測(cè)與跟蹤算法的研究受到研究人員的關(guān)注[2]。然而當(dāng)前使用的算法，在動(dòng)態(tài)場(chǎng)景中，存在運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤效果不佳的問(wèn)題[3]。在這種情況下，如何在足球視頻運(yùn)動(dòng)背景畫(huà)面較為復(fù)雜的情況下，精準(zhǔn)的檢測(cè)與跟蹤運(yùn)動(dòng)目標(biāo)，成為當(dāng)前研究的重點(diǎn)[4]。該算法結(jié)合平均背景算法將足球比賽視頻中目標(biāo)圖像分割為前景區(qū)與背景區(qū)，計(jì)算足球比賽視頻每一幀目標(biāo)圖像和背景圖像之間差值的絕對(duì)差值，同時(shí)計(jì)算每一個(gè)目標(biāo)圖像中像素點(diǎn)的平均值與標(biāo)準(zhǔn)值來(lái)建立目標(biāo)圖像背景統(tǒng)計(jì)模型，利用TMHI算法對(duì)足球比賽視頻中目標(biāo)初始圖像進(jìn)行閾值分割，得到初始的分割圖像，并對(duì)分割圖像進(jìn)行中值濾波和閉運(yùn)算，再使用卡爾曼濾波對(duì)分割后的目標(biāo)圖像進(jìn)行處理，得到鏡頭中目標(biāo)的質(zhì)心位置和目標(biāo)外界矩形框，然后對(duì)足球比賽視頻中目標(biāo)進(jìn)行跟蹤。在足球視頻中，有效的目標(biāo)檢測(cè)與跟蹤，對(duì)足球視頻的上層分析有著重要意義，因此成為業(yè)內(nèi)人士研究的焦點(diǎn)話題，受到廣泛關(guān)注，同時(shí)也取得一定研究成果[5-7]。

現(xiàn)有的足球比賽視頻中目標(biāo)檢測(cè)和跟蹤的算法有：文獻(xiàn)[8]提出一種基于高斯模型的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法，利用背景分差法分割足球比賽視頻中目標(biāo)圖像，分割出前景目標(biāo)，以Kalman濾波為目標(biāo)運(yùn)動(dòng)模型，對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤，當(dāng)跟蹤目標(biāo)時(shí)有遮擋的情況發(fā)生，該算法將對(duì)引起遮擋原因進(jìn)行分析，并引入足球比賽視頻中目標(biāo)的可靠性度量，以增強(qiáng)該算法目標(biāo)跟蹤的可靠性和穩(wěn)定性。該算法具有良好的性能，外界因素對(duì)其影響不大，但該算法檢測(cè)目標(biāo)沒(méi)有持續(xù)性，經(jīng)常發(fā)生目標(biāo)丟失的情況。文獻(xiàn)[9]提出一種基于粒子濾波的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法，該算法解決了足球比賽視頻中目標(biāo)檢測(cè)與跟蹤的非線性問(wèn)題和非高斯問(wèn)題，積極目標(biāo)圖像幀觀測(cè)數(shù)據(jù)以提高圖像信噪比，以最快的速度檢測(cè)到視頻中運(yùn)動(dòng)目標(biāo)的存在，選擇合理的圖像樣本長(zhǎng)度，可以保證目標(biāo)檢測(cè)的連續(xù)性，該算法具有良好的檢測(cè)與跟蹤性能，但背景較為復(fù)雜的情況下，檢測(cè)的性能下降。文獻(xiàn)[10]提出一種基于背景匹配的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法，該算法通過(guò)相關(guān)匹配算法將足球比賽視頻中背景圖像對(duì)齊，并與幀間差分算法相結(jié)合，提取出足球比賽視頻中運(yùn)動(dòng)目標(biāo)，再使用卡爾曼預(yù)測(cè)器對(duì)足球比賽視頻中目標(biāo)位置進(jìn)行預(yù)測(cè)，該算法具有檢測(cè)目標(biāo)速度快、效果穩(wěn)定的優(yōu)點(diǎn)，但該算法的檢測(cè)與跟蹤結(jié)果容易受到外界的干擾，出現(xiàn)檢測(cè)圖像模糊不清。

針對(duì)上述問(wèn)題，提出一種基于OpenCV的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法。實(shí)驗(yàn)證明，所提算法有效的檢測(cè)與跟蹤足球視頻中運(yùn)動(dòng)目標(biāo)。

1 足球比賽視頻中的目標(biāo)檢測(cè)與跟蹤算法研究現(xiàn)狀況及問(wèn)題

足球比賽視頻中目標(biāo)檢測(cè)就是使用恰當(dāng)?shù)乃惴▽?duì)目標(biāo)信息視頻序列進(jìn)行處理，將運(yùn)動(dòng)目標(biāo)圖像前景區(qū)與背景區(qū)分開(kāi)的過(guò)程，是實(shí)現(xiàn)足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法高層次視頻分析的基礎(chǔ)，也是計(jì)算機(jī)視覺(jué)信息提取的重要問(wèn)題。目前比較成熟的視頻中目標(biāo)檢測(cè)算法有以下三種：幀間差分算法、背景差分算法和光流算法。

幀間算差分算法是視頻中目標(biāo)檢測(cè)常見(jiàn)方法之一，幀間算差分算法對(duì)足球比賽視頻中連續(xù)的兩幀或三幀目標(biāo)視頻序列圖像進(jìn)行差分操作，使用計(jì)算結(jié)果來(lái)檢測(cè)足球比賽視頻中目標(biāo)的位置，幀間算差分算法具有計(jì)算量小、實(shí)時(shí)檢測(cè)的優(yōu)點(diǎn)，但對(duì)足球比賽視頻中目標(biāo)運(yùn)動(dòng)的方式比較敏感，檢測(cè)結(jié)果經(jīng)常產(chǎn)生空洞和虛影現(xiàn)象。背景差分算法是這三種方中最為有效的視頻中目標(biāo)檢測(cè)算法，背景差分算法是對(duì)足球比賽視頻中目標(biāo)圖像的前景圖像與背景圖像進(jìn)行差分操作，同樣利用計(jì)算結(jié)果來(lái)檢測(cè)足球比賽視頻中目標(biāo)的位置。背景差分算法的計(jì)算難度適中、實(shí)時(shí)檢測(cè)的效果好、抗干擾性強(qiáng)的特點(diǎn)，并且背景差分算法檢測(cè)足球比賽視頻中目標(biāo)位子的準(zhǔn)確度較高，背景差分算法對(duì)光照長(zhǎng)時(shí)間變化敏感，不適合長(zhǎng)時(shí)間在光照下進(jìn)行檢測(cè)工作。光流算法賦予足球比賽視頻中目標(biāo)圖像里每一個(gè)像素點(diǎn)一個(gè)速度矢量，在目標(biāo)運(yùn)動(dòng)的過(guò)程中，目標(biāo)視頻圖像上的像素點(diǎn)會(huì)與三維目標(biāo)物體上的點(diǎn)一一對(duì)應(yīng)，根據(jù)對(duì)應(yīng)像素點(diǎn)的速度矢量特征，可以檢測(cè)出目標(biāo)的三維形狀以及位置信息，但光流算法計(jì)算量較大、實(shí)時(shí)檢測(cè)能力較差，而且需要在特定的軟件系統(tǒng)上才可以使用。

足球比賽視頻中目標(biāo)跟蹤算法的基本原理為：在足球比賽視頻中目標(biāo)檢測(cè)結(jié)果上，分析跟蹤目標(biāo)外在信息，計(jì)算視頻中連續(xù)的兩幀圖像信息相似度較大的區(qū)域，并記錄足球比賽視頻中目標(biāo)質(zhì)心(質(zhì)量中心)位置和運(yùn)動(dòng)軌跡。

想要良好的檢測(cè)和跟蹤足球比賽視頻中目標(biāo)檢測(cè)和跟蹤目標(biāo)，必須精準(zhǔn)的檢測(cè)出視頻中目標(biāo)的位置，并且要快速、穩(wěn)定、實(shí)時(shí)的對(duì)目標(biāo)進(jìn)行跟蹤，在目標(biāo)跟蹤時(shí)出現(xiàn)遮擋或跟丟的情況時(shí)，要有一定的自我恢復(fù)能力。想要同時(shí)滿足實(shí)時(shí)檢測(cè)、準(zhǔn)確檢測(cè)和可靠性三個(gè)條件并不容易。當(dāng)前足球比賽視頻中的目標(biāo)檢測(cè)與跟蹤算法研究遇到背景復(fù)雜干擾、遮擋、陰影和實(shí)時(shí)性與魯棒性比平衡等問(wèn)題。

許多學(xué)者在上文中提到的視頻目標(biāo)檢測(cè)技術(shù)的基礎(chǔ)上，提出了許多優(yōu)化算法，提高足球比賽視頻中目標(biāo)檢測(cè)的準(zhǔn)確性。本文提出了一種基于OpenCV的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法。

2 基于OpenCV的足球比賽視頻中的目標(biāo)檢測(cè)與跟蹤算法

2.1 足球比賽視頻中目標(biāo)檢測(cè)算法

常用的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法有幀間差分算法、背景差分算法和光流算法這三種，背景差分算法這三種算法中最常用的算法，但背景差分算法算法不足之處，一些學(xué)者提出結(jié)合對(duì)稱差分算法和背景減法。本文在背景差分法的基礎(chǔ)上，提出了OpenCV平均背景法。背景差分算法將足球比賽視頻中每一幀目標(biāo)圖像的前景區(qū)與背景區(qū)進(jìn)行差分操作，假設(shè)足球比賽視頻中前景幀圖像為f(x,y)，背景幀圖像為B(x,y)，則前景區(qū)與背景區(qū)的差分圖像表達(dá)式為：

D(x,y)=|f(x,y)-B(x,y)|

(1)

式中,D(x,y)為前景區(qū)與背景區(qū)的差分圖像；將得到的目標(biāo)差分圖像進(jìn)行二值化處理，當(dāng)目標(biāo)差分圖像中像素點(diǎn)大于給定的閾值時(shí)，則像素點(diǎn)為前景區(qū)像素點(diǎn)，反之為背景區(qū)像素點(diǎn)。

背景差分算法對(duì)光照長(zhǎng)時(shí)間變化敏感，會(huì)因此產(chǎn)生許多偽目標(biāo)運(yùn)動(dòng)點(diǎn)，影響足球比賽視頻中目標(biāo)檢測(cè)的效果。此問(wèn)題可以用平均背景算法來(lái)解決，通過(guò)平均背景算法技術(shù)目標(biāo)圖像中每一個(gè)像素點(diǎn)的平均值和標(biāo)準(zhǔn)值，以計(jì)算結(jié)果構(gòu)建目標(biāo)圖像的背景模型，并用該模型描述足球比賽視頻中目標(biāo)圖像每一個(gè)像素點(diǎn)的變化，當(dāng)目標(biāo)圖像像素點(diǎn)的平均值與標(biāo)準(zhǔn)差都大于給定的閾值，那么該像素點(diǎn)位于目標(biāo)圖像的前景區(qū)。

OpenCV平均背景算法為平均背景算法在OpenCV中的應(yīng)用，則給算法的計(jì)算步驟與平均背景法相同。平均背景法的計(jì)算步驟為：

1)計(jì)算目標(biāo)圖像平均像素值：累積足球比賽視頻每一幀目標(biāo)圖像和背景圖像，計(jì)算兩者之間絕對(duì)差值，一般情況下，需要累積50～1500幀目標(biāo)圖像，利用平均背景算法計(jì)算目標(biāo)圖像中每一個(gè)像素點(diǎn)的平均值和標(biāo)準(zhǔn)值，為構(gòu)建目標(biāo)圖像背景統(tǒng)計(jì)模型打下基礎(chǔ)。足球比賽視頻中目標(biāo)圖像平均像素公式為：

(2)

式中,fk(x,y)和fk-1(x,y)為足球比賽視頻中兩幀相鄰的目標(biāo)圖像；n為足球比賽視頻中目標(biāo)圖像的總幀數(shù)；k表示足球比賽視頻中第k個(gè)目標(biāo)圖像。在OpenCV中利用cvAcc函數(shù)累積足球比賽視頻中目標(biāo)圖像的每一幀前景圖像和背景圖像。足球比賽視頻中目標(biāo)圖像像素的標(biāo)準(zhǔn)值公式為：

(3)

在OpenCV中利用cvAbsDiff函數(shù)計(jì)算足球比賽視頻每一幀目標(biāo)前景圖像和背景圖像之間的絕對(duì)差圖像。

2)建立目標(biāo)圖像背景統(tǒng)計(jì)模型：一旦累積到足夠多的足球比賽視頻每一幀目標(biāo)圖像和背景圖像，計(jì)算每一個(gè)目標(biāo)圖像中像素點(diǎn)的平均值與標(biāo)準(zhǔn)值，將計(jì)算結(jié)果轉(zhuǎn)化為目標(biāo)圖像背景統(tǒng)計(jì)模型。在目標(biāo)圖像背景統(tǒng)計(jì)模型中設(shè)置一個(gè)高閾值8和一個(gè)低閾值5，將每一幀目標(biāo)前景圖像和背景圖像之間的絕對(duì)差值，當(dāng)兩者之間的絕對(duì)差值大于8或小于5時(shí)，該目標(biāo)圖像像素點(diǎn)都被認(rèn)為是目標(biāo)圖像前景。在OpenCV中利用cvInRange函數(shù)分割目標(biāo)圖像，將目標(biāo)圖像分割成前景區(qū)與背景區(qū)。

3)建立目標(biāo)背景統(tǒng)計(jì)模型后，后續(xù)的圖像幀進(jìn)入前景判定模塊，即可以檢測(cè)出足球比賽視頻中運(yùn)動(dòng)目標(biāo)。

2.2 足球比賽視頻中目標(biāo)跟蹤算法

在OpenCV中提出全局目標(biāo)運(yùn)動(dòng)模型的TMHI算法對(duì)足球比賽視頻中目標(biāo)進(jìn)行跟蹤。通過(guò)該模型計(jì)算可以得出全局運(yùn)動(dòng)目標(biāo)矢量，并計(jì)算出足球比賽視頻中目標(biāo)實(shí)際的運(yùn)動(dòng)矢量與全局的目標(biāo)運(yùn)動(dòng)矢量之差，利用計(jì)算結(jié)果獲取足球比賽視頻中目標(biāo)圖像中目標(biāo)運(yùn)動(dòng)的局部矢量，但是直接使用TMHI算法計(jì)算足球比賽視頻中目標(biāo)實(shí)際的運(yùn)動(dòng)矢量，需要經(jīng)過(guò)多次迭代計(jì)算，而且全局目標(biāo)運(yùn)動(dòng)模型的幅值較大，導(dǎo)致計(jì)算結(jié)果誤差增大，所以先對(duì)全局目標(biāo)運(yùn)動(dòng)模型進(jìn)行補(bǔ)償，再使用TMHI算法進(jìn)行迭代計(jì)算，計(jì)算出目標(biāo)運(yùn)動(dòng)的局部矢量。

根據(jù)全局目標(biāo)運(yùn)動(dòng)模型計(jì)算出足球比賽視頻中目標(biāo)圖像中每一個(gè)像素點(diǎn)的全局運(yùn)動(dòng)矢量(ug,vg)，假設(shè)由足球比賽視頻中目標(biāo)運(yùn)動(dòng)引起的全局運(yùn)動(dòng)矢量(u1,v1),并初始化為0。對(duì)全局目標(biāo)運(yùn)動(dòng)模型等式(4)和等式(5)成立：

u-n=ug+u1

(4)

v-n=vg+v1

(5)

根據(jù)TMHI算法的迭代方程對(duì)局部目標(biāo)運(yùn)動(dòng)區(qū)域進(jìn)行迭代計(jì)算，可以準(zhǔn)確的計(jì)算出目標(biāo)圖像局部目標(biāo)運(yùn)動(dòng)區(qū)域的矢量場(chǎng)。TMHI算法的迭代方程為：

(6)

(7)

計(jì)算出足球比賽視頻中目標(biāo)運(yùn)動(dòng)的局部運(yùn)動(dòng)區(qū)域矢量場(chǎng)后，對(duì)局部運(yùn)動(dòng)區(qū)域矢量場(chǎng)的目標(biāo)圖像進(jìn)行分割，獲得足球比賽視頻中運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)區(qū)域，根據(jù)矢量場(chǎng)局部圖像的均值確定其閾值。再對(duì)目標(biāo)圖像進(jìn)行閾值分割，得到初始的分割圖像，對(duì)已分割的初始圖像進(jìn)行中值濾波和閉運(yùn)算。使用卡爾曼濾波對(duì)分割后的目標(biāo)圖像進(jìn)行處理，選擇鏡頭中目標(biāo)的質(zhì)心位置和目標(biāo)外界矩形框，并對(duì)其進(jìn)行跟蹤，假設(shè)足球比賽視頻中目標(biāo)質(zhì)心的位置為(r,c)，目標(biāo)質(zhì)心的運(yùn)動(dòng)矢量為(vx,vy)，足球比賽視頻中目標(biāo)外界矩形框的高度與寬度為(h,w),則足球比賽鏡頭中目標(biāo)的運(yùn)動(dòng)狀態(tài)的狀態(tài)矢量可以表示為：

x=(r,c,h,w,vx,vy)T

(8)

卡爾曼濾波根據(jù)最小均方差估計(jì)目標(biāo)圖像狀態(tài)矢量與預(yù)測(cè)值之間的均方誤差，使其達(dá)到最小值。則足球比賽視頻中目標(biāo)圖像的狀態(tài)方程和觀測(cè)方程可以定義為：

xn=Axn-1+wn-1

(9)

zn=Hzn-1+vn

(10)

式中,xn為足球比賽視頻中目標(biāo)在n時(shí)刻的狀態(tài)向量；zn為足球比賽視頻中目標(biāo)在n時(shí)刻的觀測(cè)向量；A為目標(biāo)狀態(tài)轉(zhuǎn)移矩陣；H為視頻中目標(biāo)的觀測(cè)矩陣；wn-1和vn兩個(gè)互不相關(guān)的高斯白噪聲，且兩者的均值為零。如果足球比賽視頻中兩個(gè)相鄰幀的目標(biāo)外界矩形框的變化較小，說(shuō)明目標(biāo)的運(yùn)動(dòng)恒定。當(dāng)目標(biāo)矢量為公式(11)時(shí)，則足球比賽視頻中目標(biāo)的狀態(tài)轉(zhuǎn)移矩陣和觀測(cè)矩陣可以用公式(12)和公式(13)表示：

z=(r,c,h,w)T

(11)

(12)

(13)

經(jīng)過(guò)公式(8)～(13)的計(jì)算可以估計(jì)出足球比賽視頻中目標(biāo)質(zhì)心的位置以及外界矩形的高度與寬度，從而確定視頻中目標(biāo)的運(yùn)行軌跡，并對(duì)其進(jìn)行跟蹤。

3 仿真實(shí)驗(yàn)結(jié)果與分析

為了證明本文所提出的OpenCV的足球比賽視頻目標(biāo)檢測(cè)與跟蹤算法的有效性，需要進(jìn)行一次實(shí)驗(yàn)研究。實(shí)驗(yàn)視頻為納什基金會(huì)今年的公益足球比賽現(xiàn)場(chǎng)視頻，實(shí)驗(yàn)視頻中目標(biāo)運(yùn)動(dòng)員由運(yùn)動(dòng)到靜止再到運(yùn)動(dòng)，視頻中每一幀圖像的分辨率為720×576，幀率為每秒5幀。首先對(duì)本文算法的檢測(cè)效果進(jìn)行測(cè)試，圖1給出足球比賽視頻中運(yùn)動(dòng)目標(biāo)圖像，圖2、圖3、給出本文算法分別與經(jīng)常使用的背景差分算法和幀間差分算法目標(biāo)檢測(cè)效果對(duì)比圖，圖2顯示本文算法與背景差分算法目標(biāo)檢測(cè)結(jié)果，從圖中可以看出在長(zhǎng)時(shí)間光照下背景差分算法的檢測(cè)輪廓不完整，檢測(cè)的效果一般，本文算法完全不受光照的影響。

圖1 足球比賽視頻中目標(biāo)圖像

圖2 光照下幀間差分算法與本文算法檢測(cè)結(jié)果

圖3顯示本文算法與幀間差分算法目標(biāo)檢測(cè)結(jié)果，從圖中可以看出幀間差分算法可以檢測(cè)出目標(biāo)的基本輪廓，但邊緣部分有缺失，本文算法檢測(cè)結(jié)果雖然也有部分缺失，但相較于背景差分算法檢測(cè)的邊緣輪廓信息完整。

圖3 背景差分算法與本文算法檢測(cè)結(jié)果

本文算法將目標(biāo)圖像分為前景區(qū)與背景區(qū)，在分割的過(guò)程中，當(dāng)目標(biāo)圖像中像素點(diǎn)的閾值大于8或小于5時(shí)，說(shuō)明該像素點(diǎn)為前景圖像，更好的檢測(cè)目標(biāo)，假設(shè)閾值單位為ep,前景圖像隨閾值增長(zhǎng)像素點(diǎn)的密度變大，檢測(cè)結(jié)果越精準(zhǔn)。

圖4 前景圖像檢測(cè)效果

接下來(lái)對(duì)本文提出的卡爾曼濾波器跟蹤算法的跟蹤性能進(jìn)行測(cè)試，當(dāng)α=0.6、β=0.6、ε=6時(shí)，表1中給出卡爾曼濾波器的跟蹤結(jié)果。

表1 卡爾曼濾波器跟蹤結(jié)果

從上述實(shí)驗(yàn)中可以看出，所提方法可以解決目標(biāo)檢測(cè)算法中多種不精確檢測(cè)目標(biāo)的問(wèn)題，并對(duì)已檢測(cè)到的目標(biāo)實(shí)時(shí)跟蹤。

4 結(jié)束語(yǔ)

采用當(dāng)前的算法，在動(dòng)態(tài)場(chǎng)景中，存在運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤效果模糊的情況。提出一種基于OpenCV的足球比賽視頻中目標(biāo)檢測(cè)與跟蹤算法。并通過(guò)實(shí)驗(yàn)證明，所提算法能夠?qū)ψ闱蛞曨l中運(yùn)動(dòng)目標(biāo)進(jìn)行高效的檢測(cè)與跟蹤。

[1] 丁曉娜,孟祥艷.基于仿生系統(tǒng)的雙視角運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J].電子設(shè)計(jì)工程,2016,24(11):18-20.

[2] 權(quán) 巍,包鐵壯,白寶興,等.SURF與RANSAC算法結(jié)合的圖像跟蹤方法[J].計(jì)算機(jī)仿真,2016,33(9):268-272.

[3] 邵萬(wàn)開(kāi),石澄賢.動(dòng)態(tài)背景下運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤研究[J].計(jì)算機(jī)測(cè)量與控制,2016,24(8):52-55.

[4] 聞 凱.基于復(fù)雜融合特征與灰度-紋理直方圖描述子的紅外弱小目標(biāo)檢測(cè)追蹤算法[J].科學(xué)技術(shù)與工程,2016,16(34):83-91.

[5] 黃 斌.基于自適應(yīng)觀測(cè)粒子濾波的運(yùn)動(dòng)跟蹤算法[J].科技通報(bào),2016,32(3):145-148.

[6] 胡子軍,張林讓,房嘉奇.多站無(wú)源雷達(dá)多起伏目標(biāo)檢測(cè)前跟蹤算法[J].電子與信息學(xué)報(bào),2015,37(3):651-657.

[7] 柳 超,李秀友,黃 勇.優(yōu)化的多模型粒子濾波機(jī)動(dòng)微弱目標(biāo)檢測(cè)前跟蹤方法[J].信號(hào)處理,2015,31(9):1131-1137.

[8] 尹宏鵬,陳 波,柴 毅,等.基于視覺(jué)的目標(biāo)檢測(cè)與跟蹤綜述[J].自動(dòng)化學(xué)報(bào),2016,42(10):1466-1489.

[9] 陳唯實(shí).基于時(shí)域特性的非相參雷達(dá)目標(biāo)檢測(cè)與跟蹤[J].系統(tǒng)工程與電子技術(shù),2016,38(8):1800-1807.

[10] 劉紅亮,周生華,劉宏偉,等.一種航跡恒虛警的目標(biāo)檢測(cè)跟蹤一體化算法[J].電子與信息學(xué)報(bào),2016,38(5):1072-1078.

GreyNeuralNetworkModelforPredictionofCarbonEmissions

Yang Bin

(Shangluo University,Shangluo 726000,China)

In order to target motion detection and tracking effectively in the soccer video, need to study object in soccer video detection and tracking algorithm. The algorithm in dynamic scenes, are moving target detection and tracking problems. Therefore, this paper proposed an algorithm for detection and tracking of target OpenCV in soccer video based on this algorithm. Combining the average background algorithm will target image segmentation for soccer video in the foreground area and background area, calculates the difference between the absolute difference of soccer video each frame of target image and background image, and calculate the average value of each pixel in the target image and the standard value. The establishment of the target image background statistical model, the initial target of soccer video image segmentation using TMHI algorithm to obtain the initial image segmentation, median filtering and closed operation of image segmentation, and then use the Calman filter to process the target image after segmentation, target centroid position and get outside rectangular shots target in the frame. Then the goal in soccer video tracking. The experimental results show that the moving target detection and tracking algorithm for soccer video effectively.

football match; video; object detection; target tracking

2017-05-15；

2017-06-28。

陜西省體育局項(xiàng)目(16063)；陜西省體育局項(xiàng)目(16071)；商洛學(xué)院教改項(xiàng)目(15jyjx104)；商洛學(xué)院教改項(xiàng)目(16jyjx133)； 商洛學(xué)院科研項(xiàng)目(16SKY0011)；陜西省教育學(xué)會(huì)2016年度課題項(xiàng)目(SJHYBKT2016068)。

楊 斌(1983-)，男，陜西商洛人，碩士研究生，主要從事體育教學(xué)理論與運(yùn)動(dòng)訓(xùn)練實(shí)踐方向的研究。

1671-4598(2017)09-0286-03

10.16526/j.cnki.11-4762/tp.2017.09.068

TP391

A