opencv - 检测篮球篮球和球跟踪

Question

检测篮筐(篮筐)。 To see the samples of "hoop ".

计算 成功尝试(射击)和失败 尝试的次数。我正在使用 opencv。

输入:

1. 相机位置将是静态。
2. 来自任何移动设备的Portrait 模式视频。

引用:

我尝试了什么:

1. 能够追踪篮球。仍在寻求更好的解决方案。

结果:

我的代码:

int main () {

VideoCapture vid(path);

    if (!vid.isOpened())
        exit(-1);
    int i_frame_height = vid.get(CV_CAP_PROP_FRAME_HEIGHT);
    i_height_basketball = i_height_basketball * I_HEIGHT / i_frame_height;
    int fps = vid.get(CV_CAP_PROP_FPS);
    Mat mat_black(640, 480, CV_8UC3, Scalar(0, 0, 0));
    vector <Mat> vec_frames;
    for (int i_push = 0; i_push < I_NO_FRAMES_STORE; i_push++)
        vec_frames.push_back(mat_black);

    vector <Mat> vec_mat_result;
    for (int i_push = 0; i_push < I_RESULT_STORE; i_push++)
        vec_mat_result.push_back(mat_black);

    int count_frame = 0;
    while (true) {
        int clk_start = clock();
        Mat image, result;
        vid >> image;
        if (image.empty())
            break;

        resize(image, image, Size(I_WIDTH, I_HEIGHT));
        image.copyTo(vec_mat_result[count_frame % I_RESULT_STORE]);
        if (count_frame >= 1)
            vec_mat_result[(count_frame - 1) % I_RESULT_STORE].copyTo(result);
        GaussianBlur(image, image, Size(9, 9), 2, 2);
        image.copyTo(vec_frames[count_frame % I_NO_FRAMES_STORE]);

        if (count_frame >= I_NO_FRAMES_STORE - 1) {
            Mat mat_diff_temp(I_HEIGHT, I_WIDTH, CV_32S, Scalar(0));
            for (int i_diff = 0; i_diff < I_NO_FRAMES_STORE; i_diff++) {

                Mat mat_rgb_diff_temp = abs(vec_frames[ (count_frame - 1) % I_NO_FRAMES_STORE ] - vec_frames[ (count_frame - i_diff) % I_NO_FRAMES_STORE ]);
                cvtColor(mat_rgb_diff_temp, mat_rgb_diff_temp, CV_BGR2GRAY);
                mat_rgb_diff_temp = mat_rgb_diff_temp > I_THRESHOLD;
                mat_rgb_diff_temp.convertTo(mat_rgb_diff_temp, CV_32S);
                mat_diff_temp = mat_diff_temp + mat_rgb_diff_temp;

            }
            mat_diff_temp = mat_diff_temp > I_THRESHOLD_2;
            //            mat_diff_temp.convertTo(mat_diff_temp, CV_8U);

            Mat mat_roi = mat_diff_temp.rowRange(0, i_height_basketball);
//            imshow("ROI", mat_roi);
            Moments mm = cv::moments(mat_roi, true); 
            Point p_center = Point(mm.m10 / mm.m00, mm.m01 / mm.m00);
            circle(result, p_center, 3, CV_RGB(0, 255, 0), -1);
            line(result, Point(0, i_height_basketball), Point(result.cols, i_height_basketball), Scalar(225, 0, 0), 1);

        }
        count_frame = count_frame + 1;
        int clk_processing_time = (clock() - clk_start);
        if (count_frame > 1)
            imshow("image", result);
        //        waitKey(0);

        int delay = (1000 / fps) - clk_processing_time;
        if (delay <= 0)
            delay = 2;
        if (waitKey(delay) >= 27)
            break;

    }
    vid.release();
    return 0;
}

问题:

1. 如何检测环？我想用 Square detection 来检测箍周围的方形区域。
2. 计算成功芽数的最佳方法是什么？或者如何计算？

Answer 1

我有一个我怀疑会是相当强的基线:一旦球开始向下弧线，如果球再次表现出明显的向上运动，则它是一个失误。否则，它是一个篮子。这不会捕获空气球，但我怀疑它们相对较少。

我认为您可以通过学习成功投篮的球轨迹而获得很多里程，而不必过分担心篮筐。而且，你不是说摄像头是固定的吗？这是否意味着箍始终位于同一个位置，因此您只需指定其位置即可？

编辑:

如果您确实必须找到篮筐，我会寻找一个与球(您说您可以追踪)大小大致相同的橙色物体(图像的子区域)。更一般地说，您可以根据链接到的训练图像学习一个篮筐分类器，并将其应用于混合位置和比例，以搜索最佳匹配。您应该知道它的大致位置，即它位于图像的上部并且可能在一侧或另一侧。然后，除了轨迹特征之外，您还可以使用该识别区域的接近度特征来构建一个分类器，判断射击是否成功。