籃球運動快速位移圖像自適應(yīng)定位方法*

荀盛龍， 康文峰

(1. 內(nèi)蒙古工業(yè)大學(xué) 體育教學(xué)部， 內(nèi)蒙古 赤峰 010051； 2. 河南科技大學(xué) 體育學(xué)院， 河南 洛陽 471023)

目標定位為計算機視覺領(lǐng)域的重要技術(shù)，被廣泛應(yīng)用于體育運動信息圖像分析中.在籃球比賽中，受到籃球快速移動及復(fù)雜背景的影響，很難有效實現(xiàn)籃球定位[1-2].

近年來，有關(guān)運動圖像定位的研究很多，并取得了一定的研究成果.如依據(jù)顏色空間進行運動圖像定位，該方法具備一定的魯棒性，但計算復(fù)雜度較高，受外界環(huán)境的干擾大，不適于實際應(yīng)用[3-4]；依據(jù)線性加權(quán)實現(xiàn)運動圖像定位時，利用線性加權(quán)把視覺特征值融合至目標定位中，可以有效實現(xiàn)定位，但針對復(fù)雜運動圖像存在偏差，定位準確性較低[5].

本文提出一種新的籃球運動快速位移圖像自適應(yīng)定位方法.對圖像互能量譜進行反轉(zhuǎn)換獲取沖擊函數(shù)，得到背景運動偏移量，并對其進行補償.為了避免空洞現(xiàn)象的出現(xiàn)，依據(jù)灰度閾值技術(shù)，通過變背景幀間差分法對背景模板和當前幀籃球運動圖像進行差分，獲取當前幀快速位移區(qū)域.在此基礎(chǔ)上，將種子像素當成生長的起點，把種子像素鄰域中和種子像素相似的像素聚集在種子像素所處區(qū)域中，把新像素看作新的種子像素，得到包含快速位移目標的區(qū)域完成定位.為了防止丟幀誤差出現(xiàn)，本文通過異常值采集法對丟幀誤差進行消除.

1 籃球運動快速位移區(qū)域檢測方法

1.1 背景運動偏移量確定

在籃球運動圖像出現(xiàn)快速位移的情況下，若能求出其位移量即可達到圖像匹配的目的，為籃球運動快速位移圖像自適應(yīng)定位提供依據(jù)[6].假設(shè)籃球運動圖像g2(x，y)是圖像g1(x，y)移動(x0，y0)距離后的圖像，即g2(x，y)=g1(x-x0，y-y0)，則相應(yīng)傅里葉變換F1與F2之間的關(guān)系可描述為

F2(x，y)=e-j2π(x0+y0)F1(x，y)

(1)

兩幀籃球運動圖像互能量譜可描述為

(2)

F-1(H(x，y))=F-1(ej2π(x0+y0))=

λ(x-x0，y-y0)

(3)

完成對互能量譜的反轉(zhuǎn)換可獲取沖擊函數(shù)，在兩幅籃球運動圖像出現(xiàn)偏移的情況下，該函數(shù)會出現(xiàn)顯著的尖銳峰值，從而獲取背景運動偏移量.

1.2 籃球運動區(qū)域檢測

背景差分法通過背景模板和當前幀籃球運動圖像進行差分，獲取當前幀快速位移區(qū)域，若當前幀背景像素出現(xiàn)很大改變，通常會失去檢測區(qū)域[10]；幀間差分法對相鄰兩幀進行差分處理，受光照等干擾較小，然而無法采集快速移動目標相關(guān)的特征像素點，在很大程度上會出現(xiàn)空洞現(xiàn)象[11-12].本文依據(jù)灰度閾值技術(shù)提出變背景幀間差分法.

首先對籃球視頻圖像進行截取，并對其進行灰度化處理，獲取的圖像像素總量用G表示.讀入初始幀灰度圖像g(xi，0)，將其看作背景圖像，其中{xi}代表序列化灰度像素點(i=1，2，…，G).

選取某一時刻籃球運動灰度圖像g(t)作為背景圖像，獲取灰度化閾值運動目標序列為

(4)

式中，ξ為差分閾值，取值范圍為[0，255].為了降低籃球運動圖像相鄰兩幀間可能出現(xiàn)的背景光纖變化等噪聲干擾，在兩幀間像素插值低于ξ的情況下，假設(shè)目標值是0；在差值高于ξ的情況下，認為是快速位移圖像區(qū)域.

若要使背景隨快速位移目標的運動逐漸改變，需完成對背景模板的更新處理，新背景模板包括當前幀背景點與被遮擋原背景幀像素點.計算公式為

(5)

通過上述過程對籃球運動快速位移圖像目標區(qū)域進行檢測，為目標定位提供依據(jù).

蘇楠每次去看楊小水，都很順利。她不吝小錢，讓小周提前備幾包煙，順手甩給帶楊小水到訊問室的警察?？词厮木於枷矚g蘇楠。

2 圖像自適應(yīng)定位實現(xiàn)

2.1 快速位移目標定位過程

籃球運動快速位移圖像定位即是通過對快速位移目標的最小框標識，為后續(xù)目標跟蹤提供依據(jù).

通過區(qū)域生長法實現(xiàn)籃球運動快速位移圖像自適應(yīng)定位[13]，在籃球運動區(qū)域檢測的基礎(chǔ)上，將種子像素當成生長的起點，把種子像素鄰域中和種子像素相似的像素聚集在種子像素所處區(qū)域中，把新像素看作新的種子像素，重復(fù)上述過程，直至無符合條件的像素可被選擇，則表示完成了對快速位移目標的定位.

當前獲取的籃球運動快速位移目標位置記作{(i0，j0)，(i1，j1)，…，(iQ，jQ)}，其中Q=l-1，獲取(i，j)中的最大值和最小值為

(6)

(7)

獲取包含快速位移目標的最小框，其范圍在{(i，j)|imin≤i≤imax，jmin≤j≤jmax}內(nèi).

在上述分析的基礎(chǔ)上，按照中心計算公式獲取目標中心，實現(xiàn)籃球運動快速位移圖像自適應(yīng)定位，即

(8)

式中：T為籃球運動快速位移圖像目標最小區(qū)域；B為二值化的灰度值.

2.2 丟幀誤差消除

籃球運動快速位移圖像在采集、匹配及后續(xù)處理經(jīng)歷的流程很多，可能導(dǎo)致丟幀誤差出現(xiàn).本節(jié)通過異常值采集法對丟幀誤差進行消除[14]，通常在采集圖像時，拍攝頻率較短，相鄰兩幅圖像運動參數(shù)出現(xiàn)改變時需保證其一直處于一定范圍內(nèi).按照籃球運動快速位移圖像產(chǎn)生的頻率得到相鄰兩幀運動參數(shù)間差值的最高值，記作Δ，通過第Im+r幀運動參數(shù)是否滿足式(9)對該幀是否存在異常進行判斷，即

Im+r

(9)

式中：Im為第m幀籃球運動快速位移圖像運動模糊參數(shù)；r為常數(shù)，一般取5.

若判定某幀出現(xiàn)異常，利用插值法對異常值進行修正，即

(10)

把u=φ=1代入式(10)，如果Im-1或Im+1仍為異常值，則把u和φ加1繼續(xù)求解，直至得出非異常值.

3 實驗結(jié)果分析

為了驗證本文提出方法的有效性，在Windows 2003環(huán)境下，通過VC++6.0與MATLAB對程序進行開發(fā)，并進行仿真實驗.

實驗使用尺寸是450×500的籃球運動快速位移圖像序列，采用本文方法對籃球目標進行定位.實驗設(shè)置籃球位移圖像目標最小區(qū)域T為384×288，通過3幀圖像配準，同時完成平均差分計算，定位所需時間為2～8 ms.

圖1為籃球運動快速位移圖像中相鄰兩幀圖像；圖2為圖1中圖像相應(yīng)的傅里葉變換幅度譜；圖3為兩幀圖像的離散相位相關(guān)函數(shù)，可以獲取圖像偏移量；圖4為通過區(qū)域判決及丟幀誤差消除得到的最終籃球目標檢測結(jié)果.

圖1 籃球運動快速位移圖像中相鄰兩幀圖像Fig.1 Images of two adjacent frames in fastdisplacement images of basketball sport

綜合分析圖1～4可以看出，采用本文方法對籃球運動快速移動圖像定位得到的結(jié)果清晰準確，不受外界環(huán)境及復(fù)雜背景的干擾，定位性能優(yōu)良.

為了進一步驗證本文方法的有效性，將本算法與紋理特征方法、線性加權(quán)方法進行對比，將120幅籃球運動快速位移圖像作為研究對象進行均值定位測試，定位效果比較如表1所示.

圖2 傅里葉變換幅度譜Fig.2 Fourier transform amplitude spectrum

圖3 兩幀圖像離散相位相關(guān)函數(shù)Fig.3 Discrete phase correlation functionof two frame images

圖4 目標定位結(jié)果Fig.4 Target location result

方法目標變形椒鹽噪聲dB與實際位置的偏差本文方法偏離860.109紋理特征方法偏離901.923線性加權(quán)方法偏離950.639

由表1可知，在目標出現(xiàn)偏離變形的情況下，紋理特征方法和線性加權(quán)方法無法有效定位籃球目標，而本文方法受變形影響小，仍可有效定位，抗噪能力也顯著高于其它兩種方法，說明本文方法魯棒性較高.不僅如此，本文方法定位結(jié)果和實際結(jié)果之間的距離偏差最小，驗證了本文方法的定位準確性，紋理特征方法因受地面顏色干擾定位誤差大.

為了進一步驗證本文方法定位的準確性，將精度、查全率、F測量與平均絕對誤差作為衡量指標進行測試.精度P代表正確定位籃球運動快速位移圖像像素數(shù)量占整個被認為是定位像素總量的比例；查全率R代表正確定位像素數(shù)量占標準定位結(jié)果像素總量的比例；F測量是定位精度優(yōu)劣的體現(xiàn).精度、查全率和F測量計算表達式為

(11)

(12)

(13)

式中：TP為被正確定位的籃球運動快速位移圖像像素數(shù)量；FP為被錯誤定位的籃球運動快速位移圖像像素數(shù)量；FN為被錯誤定位為非籃球運動快速位移目標的圖像像素數(shù)量；β為種子像素的閾值度數(shù)，β2一般取0.6.

平均絕對誤差指標越低，認為定位精度越高，其表達式為

(14)

式中：p、q分別為定位結(jié)果S(x，y)的長和寬；GT(x，y)為人工定位標準結(jié)果.

將本文方法與紋理特征方法、線性加權(quán)方法進行精度、查全率、F測量與平均絕對誤差進行統(tǒng)計，得到的結(jié)果如表2所示.

表2 三種方法定位測試比較Tab.2 Comparison in location testbetween three methods

分析表2可知，本文方法查全率為82.31%，略高于紋理特征方法的71.32%和線性加權(quán)方法的59.89%，但精度和F值明顯高于紋理特征方法和線性加權(quán)方法，且本文方法平均絕對誤差最低，驗證了本文方法的有效性.

4 結(jié) 論

針對傳統(tǒng)方法受外界環(huán)境的干擾較大，定位精度低的弊端，提出一種新的籃球運動快速位移圖像自適應(yīng)定位方法.得到背景運動偏移量后，依據(jù)灰度閾值技術(shù)，通過變背景幀間差分法得到當前幀快速位移區(qū)域.在此基礎(chǔ)上，通過區(qū)域生長法實現(xiàn)籃球運動快速位移圖像自適應(yīng)定位，利用異常值采集法對丟幀誤差進行消除.實驗結(jié)果表明，所提方法抗噪能力高，定位結(jié)果準確.