基于Ransac模型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Ransac模型的太極拳競賽場地分割算法。首先根據(jù)像素的顏色以及該像素鄰域內(nèi)的顏色進行白點像素篩選。其次通過Ransac模型對全部篩選出的白點像素進行擬合，進而確定太極拳競賽場地的邊界像素。最后通過射線法分割出太極拳競賽場地。

【關鍵詞】? ? 太極拳場地分割? ? Ransac模型? ? 射線法

Abstract： This paper proposes a Taijiquan competition ground segmentation algorithm based on Ransac model. Firstly， white pixel selection is executed according to the pixel color information and its neighbourhood color information. Secondly， ransac model is employed to fitting the boundary of? Taijiquan competition ground. Finally， ray method is employed to segment Taijiquan competition ground.

Keywords： Taijiquan competition ground segmentation; Ransac model; ray method

引言

由于區(qū)域檢測對于體育競賽過程中的目標檢測與跟蹤、運動員動作識別、自動評分均具有較為重要的作用，因此該技術已成為圖像處理研究的熱點技術，并且已應用于一些熱門的體育比賽中。例如足球場標志線檢測方法[1]，檢測網(wǎng)球場地的線檢測方法[2]，通用的體育場地自動檢測方法[3]。但是至今仍沒有一個專門針對太極拳競賽區(qū)域的檢測方法。另外，以上三種方法均采用hough變換檢測體育場地的邊界進而檢測出競賽區(qū)域，而hough變換對于非邊界像素的容錯性較差，檢測出的競賽區(qū)域容易包括非競賽區(qū)域像素點。

為了準確地檢測出太極拳競賽區(qū)域，本文針對太極拳競賽場地的特點設計一個基于Ransac模型的太極拳競賽區(qū)域檢測方法。首先，該方法將RGB格式彩色圖像轉(zhuǎn)化為HSB格式圖像。再次，該方法通過對H通道數(shù)據(jù)進行閾值篩選以及鄰域搜索從而篩選出有可能構(gòu)成競賽區(qū)域邊界的白點像素。從次，該方法設計一個基于Ransac模型的邊界檢測算法，進而擬合出競賽區(qū)域邊界。最后，該方法通過射線法對非邊界像素進行處理從而確定競賽區(qū)域的位置。

一、 本文算法

1.1? 白點像素篩選法

本文設計白點像素篩選法，初步篩選出有可能構(gòu)成競賽區(qū)域邊界的白點像素。由于太極拳競賽區(qū)域邊界由具有一定寬度的白色線條構(gòu)成，邊界周邊區(qū)域由藍色的地毯構(gòu)成。根據(jù)這一條件，本文設計將基于顏色閾值的像素篩選法以及鄰域搜索法作為白點篩選的條件，對于H通道數(shù)據(jù)進行初步篩選。其中顏色閾值對應于白點像素的顏色特征，鄰域搜索法對應于邊界周邊像素的色彩特征。

假設集合P表示包括太極拳競賽區(qū)域的數(shù)字圖像，P中的元素對應圖像中的各像素點，P的表達式如式1所示：

其中x、y分別表示像素的橫縱坐標，M、N分別表示圖像的寬和高。令Hx，y表示像素px，y的H通道灰度值，Hx，y的色調(diào)值范圍為[320，360]時判定px，y為候選點，否則該像素為無效點。鄰域搜索法在px，y的鄰域內(nèi)搜索是否包含色調(diào)范圍為[230，250]的像素。如果存在則判定px，y為候選點，否則px，y為無效點。白點像素篩選法整體計算方法如式2所示：

其中Lx，y代表像素是否為白點像素，如果Lx，y=1則該點為白點像素，否則該點為無效點;符號∧表示與運算;Qx，y表示以px，y為中心的9×9鄰域像素集合。

1.2? Ransac模型確立區(qū)域邊界

根據(jù)公式（2）已經(jīng)篩選出一些白點像素。這些像素中有一部分屬于太極拳競賽區(qū)域邊界，另一部分屬于背景像素。為了進一步篩選出區(qū)域邊界像素，本文設計一個專用于檢測太極拳競賽區(qū)域邊界的Ransac模型用于對白點像素進行直線擬合。令上標n代表迭代次數(shù)，Ransac模型的迭代過程如下所示：

1）選擇任意四個白點組構(gòu)成像素點集I（n），將I（n）作為假設的局內(nèi)像素點集;

2）以I（n）中每個像素作為區(qū)域頂點，用線段將它們首尾相接，形成一個四邊形。記錄該四邊形邊界上所有像素點集B（n）;

3）遍歷全體白點像素，根據(jù)白點的坐標與邊界像素點的坐標是否一致，判斷白點像素是否在四邊形的邊界上。記錄四邊形邊界白點像素數(shù)量Cn;

4）重復步驟1～3得到第n+1迭代過程的局內(nèi)點集，邊界白點像素數(shù)量，以及邊界像素點集。如果C（n+1）>C（n）則保留I（n+1），C（n+1）以及邊界像素點集B（n+1）。如果C（n+1）≤C（n）則保留I（n），C（n）以及邊界像素點集B（n）;

重復進行步驟1～4的迭代過程，直到邊界白點像素數(shù)量不再增加為止。此時算法收斂。假設經(jīng)過m次迭代后算法收斂，則B（m）即為構(gòu)成太極拳競賽區(qū)域邊界的全體像素集。

收到的數(shù)字特征進行加權(quán)求和，根據(jù)結(jié)果識別當前幀對應的太極拳關鍵動作。

1.3? 射線法確定競賽區(qū)域

根據(jù)Ransac模型確定區(qū)域邊界像素集B（m），還需根據(jù)B（m）中各像素的橫縱坐標確定競賽區(qū)域所屬像素。本文采用已有的射線法對全體非邊界像素進行處理，從而確定場內(nèi)像素的位置。射線法的步驟如下所示：1）在太極拳競賽圖像中選取一個像素;2）統(tǒng)計位于該像素水平掃描射線上的邊界像素數(shù)量K;3）如果K%2=1則判定該點包含在區(qū)域內(nèi)部，否則改點為非競賽區(qū)域像素;4）選取下一像素重復執(zhí)行步驟2）～步驟4），直到所有像素均遍歷完畢。

二、實驗結(jié)果與分析

實驗部分采用的軟件平臺為64位Windows 7操作系統(tǒng)，仿真環(huán)境是Matlab 2016a。硬件平臺的處理器型號是Intel i5 9400F，內(nèi)存容量16GB DDR4，顯卡型號GTX 1660ti。仿真過程對包含太極拳競賽區(qū)域的圖像進行區(qū)域檢測，程序的輸入和輸出均為后綴為jpg的數(shù)字圖像。通過Ransac模型擬合出的區(qū)域邊界以及太極拳競賽區(qū)域分割結(jié)果如圖1所示。

由圖1（b）可知白點像素篩選法篩選出競賽區(qū)域邊界像素以及一些非邊界像素，這些像素均滿足公式（2）所示的篩選條件。由圖1（c）可知Ransac模型能夠舍棄非邊界像素，僅保留構(gòu)成競賽區(qū)域邊界像素。由圖1（d）可知射線法可以根據(jù)邊界像素標識出邊界內(nèi)的全體像素。根據(jù)以上實驗結(jié)果可知：基于Ransac模型的太極拳競賽區(qū)域檢測方法能夠有效地排除非競賽區(qū)域像素的干擾，檢測出太極拳競賽區(qū)域較為準確。

三、結(jié)論

本文提出一種基于Ransac模型的太極拳競賽場地分割算法。首先遍歷圖像中的全體像素，根據(jù)像素自身的顏色信息以及以該像素為中心的鄰域像素的色彩信息進行初次篩選，從而篩選出可能的白點像素。其次利用Ransac模型對所有可能的白點像素進行邊界擬合，從而篩選出競賽場地的四個頂點并標示出競賽區(qū)域邊界上的所有邊界像素點。最后遍歷圖像中的所有像素，根據(jù)像素的左射線上邊界像素的個數(shù)判別該像素是否屬于太極拳競賽區(qū)域，進而實現(xiàn)太極拳競賽區(qū)域分割任務。實驗結(jié)果驗證了本文算法可以有效地分割出太極拳競賽區(qū)域。

參? 考? 文? 獻

[1]欒帥， 尹紅娟. 基于霍夫變換的足球場標志線檢測[J]. 計算機與數(shù)字工程， 2017， 45（1）：152-155.

[2]段小霞， 智敏， 王飛，等. 基于Hough變換的快速網(wǎng)球場地線檢測[J]. 科技傳播， 2011， （15）：214-215.

[3]殷偉良， 陳臨強， 李偉. 體育視頻中場地自動檢測方法[J]. 計算機系統(tǒng)應用， 2012， 21（5）：184-188.