基于區域生長法的太極拳競賽場地分割算法

孫瑞陽 孫玉濱 段煉 趙藍飛

【摘要】本文提出一種基于區域生長的太極拳競賽場地分割算法。首先，將彩色太極拳競賽圖像轉換到YCbCr空間;其次，利用大津法進行閾值分割得到競賽場地的種子區域;最后，以種子區域作為起始，利用區域生長法分割出太極拳競賽場地區域。實驗結果驗證本文算法的有效性。

【關鍵詞】 ? ?太極拳競賽場地分割 ? ?區域生長法 ? ?種子區域

Taijiquan competition ground segmentation algorithm based on region grow

Sun Rui-yang1， Sun Yu-bin1， Duan Lian2， Zhao Lan-fei3

（1. College of National Traditional Sports， Harbin Sport University， Heilongjiang Harbin 150008;

2. Financial Department， Harbin Sport University， Heilongjiang Harbin 150008;

3. The Higher Educational Key Laboratory for Measuring and Control Technology and Instrumentations of Heilongjiang Province， Harbin University of Science and Technology， Heilongjiang Harbin 150080）

Abstract： ?This paper proposes a Taijiquan competition ground segmentation algorithm based on Ransac model. Firstly， taijiquan competition image is transformed into YCbCr color space. Secondly， Otsu is employed to estimate the threshold which segments the competition ground into seed region. Finally， region grow is employed to segment the taijiquan competition which begins from the seed region. Experimental results verify the effect of the proposed algorithm.

Keywords： ?taijiquan competition field segmentation; region grow; seed region

引言

隨著科技的不斷進步和發展，體育競賽也逐漸融入了許多科技因素從而使體育運動變得科技化、智能化。典型的體育科技包括：科學訓練、管理技術，自動化體育項目評分系統，鷹眼系統，視頻輔助裁判系統等。這些科學技術可以輔助運動員科學化訓練，在競賽過程中減少人為主觀因素造成的誤判現象。作為中華民族傳統體育項目，太極拳運動也在不斷嘗試逐步現代化并推廣到全世界。但是，人為主觀因素容易影響太極拳競賽的評分過程。因此，通過計算機實現自動太極拳競賽動作打分是傳統武術界的研究熱點問題。自動評分系統主要分為以下三個過程：太極拳競賽區域分割，運動員姿態估計，姿態匹配與評價。在這三個過程中，太極拳競賽區域分割的好壞直接決定自動評分系統是否能夠區分正在比賽中的運動員目標、非競賽人員目標。因此，太極拳競賽區域分割是非常重要。本文提出一種基于區域生長的太極拳競賽場地分割算法。通過對太極拳競賽圖像進行基于Cb通道和Cr通道的二維大津法從而獲得區域生產的起始種子區域。以區域生長法作為太極拳場地分割的核心算法，對起始種子區域進行不斷地區域生產，從而實現太極拳競賽場地分割。實驗結果驗真本文算法可以有效地分割太極拳競賽區域，且分割出競賽場地與真實太極拳競賽場地之間相似度較高。

一、本文算法

1.1 ?色彩轉換模型

假設輸入的太極拳競賽圖像由R、G、B三通道構成，則由RGB空間轉換為YcbCr空間的表達式如式（1）所示：

（1）

其中Y、Cb、Cr分別對應于轉換后的亮度和兩個色差通道數據。為了便于后續數據處理，這里將Cb和Cr通道數據進行歸一化，從而使這兩個通道的數據范圍調整到0和1之間。

1.2 ?二維大津法確定種子區域

對由Cb，Cr數據通道形成的二維矩陣進行二維OTSU算法。定義二維直方圖P（b，r），其中符號b代表Cb通道色階值，r代表Cr通道色階值。前景（種子點）的概率可以表示為：

（2）

其中u和v分別代表Cb和Cr通道的色階閾值，用于區分前景和背景。灰度均值變量可以表示為：

（3）

通過如式（4）所示的表達式確定最佳的二維門限值

（4）

二維OTSU算法的具體步驟為：

1）建立二維直方圖P（b， r），其中符號b代表Cb通道色階值，r代表Cr通道色階值;

2）對二維直方圖P進行全局搜索，從而計算全部如式（4）所示的矩陣離散度;

3）在全部矩陣測度中搜索最大的測度值，并確定最優的二維門限值。

1.3 ?區域生長法分割太極拳競賽區域

通過如式（4）所示的表達式得到二維門限的最估計后，對各個像素點進行門限判斷即可得到很多具有可以被當做種子點的候選點。這里將具有空間相鄰關系的候選點進行合并，得到多個大小不同的候選區域。將面積最大的候選區域作為種子區域，并進行區域生長即可得到最終的太極拳競賽區域。區域生長法的步驟如下所示：

1）以OTSU方法確定的種子區域作為區域生長的起始區域;

2）選取任意一個起始區域邊界像素的區域外具有空間相鄰關系的鄰域像素，判斷該鄰域像素的亮度與區域平均亮度之間的歐式距離是否小于事先設定好的門限值。如果歐氏距離小于門限值，則將該鄰域像素加入區域內;

3）選取下一個鄰域像素，更新區域的平均亮度值;

4）重復步驟2），步驟3）直到遍歷完全部邊界相鄰像素為止，此時得到一個新的起始區域;

5）重復步驟2、步驟3），步驟4）直到區域邊界的全體鄰域像素與區域的歐式距離均小于門限值為止。

二、實驗結果與分析

本文通過Matlab2013對競賽區域算法進行仿真驗證。實驗采用的硬件平臺處理器是Intel公司推出的i5-9400F，內存16G，顯卡是Nvidia推出的GTX1050Ti。實驗部分對比Hung算法[1]，Homayounfar算法[2]以及本文算法。各算法對于場景一的分割結果如圖1所示。

由圖1可知Hung算法的區域分割能力較差。Homayounfar算法分割效果較為有限，非場地區域像素也被錯判為場地內的像素;本文算法的分割效果高于前兩種算法。表1對比了兩個場景下競賽場地分割結果對應的準確率、召回率、交并比。

三、結論

本文提出一種基于區域生長的太極拳競賽場地分割算法。該算法利用色彩轉換模型將RGB格式的太極拳競賽圖像轉化為YCbCr空間的色彩數據。整合H通道和S通道數據為一個二維顏色數組，利用二維大津法對該二維顏色數據進行閾值分割，從而確定區域生長法的起始種子點區域。最后，以起始種子點區域作為區域生產的奇點，不斷進行多次區域生長直到達到區域生長的停止條件為止。此時生產出的區域即為最終的太極拳競賽場地區域。實驗結果驗證本文算法分割的太極拳競賽區域與真實的場地區域重合度較高。

參 ?考 ?文 ?獻

[1] Hung M H， Hsieh C H， Kuo C M， et al. Generalized playfield segmentation of sport videos using color features[J]. Pattern Recognition Letters， 2011， 32（7）： 987-1000.

[2] Homayounfar N， Fidler S， Urtasun R. Sports field localization via deep structured models[J]. 2017 IEEE Conference on Computer Vision and Pattern Recognition， 2017： 4012-4020.

孫瑞陽（1989-），女，講師，碩士，主要研究方向為武術與人工智能、武術比賽視頻運動員目標檢測、人體姿態識別。

孫玉濱（1962-），男，教授，碩士，主要研究方向為武術與民族傳統體育、武術信息化、武術國際傳播。

段煉（1984-），男，講師，碩士，主要研究方向為運動訓練、運動科學等。

趙藍飛（1985-），男，講師，博士，主要研究方向為視頻目標檢測、嵌入式系統設計、高動態范圍圖像處理等。

基金項目：2018年黑龍江省省屬本科高校基本科研業務費項目資助（2018KYYWF-PY07）;黑龍江省普通高校基本科研業務費專項資金資助（LGYC2018JC050）資助課題