opencv - 足球检测和跟踪——使用 AI 技术？

Question

我之前问过类似的问题，但感觉我的问题没有得到真正的回答。我正在使用 Circle Hough 变换来检测和跟踪球。但是，我现在需要进行额外的检查，以确定检测到的圆是否实际上是一个球。

我一直在考虑使用神经网络、Haar 分类器、SVM 之类的东西(即 AI)。但是，它需要非常强大，而且由于我是这些 AI 技术的新手，所以我不确定哪种技术是我投入时间学习的最佳和最强大的技术。

我正在使用灰度高速相机捕捉图像，我希望能够使用任何颜色/图案的足球。球也可能被部分遮挡。

如果您认为这些技术不合适，我愿意接受有关如何实现这一点的任何想法/建议。

在此先感谢大家的帮助，非常感谢!

Answer 1

请注意，这尚未经过测试。

一旦你提取了球的位置，你就可以得到它的轮廓。我的建议仅适用于具有较浅色 block 和较深色 block (五边形)的足球。

确定良好的二进制阈值以抓取白色和黑色补丁。进行一些图像处理，如腐 eclipse 或膨胀，以消除由缝线制成的补丁之间的裂缝。在球周围画一个白色圆圈，以确保没有任何黑色补丁被认为是“球上的洞”，并且您已准备好捕获球内的轮廓。主要轮廓是由白色斑 block 组成的白色轮廓，所有黑色轮廓都是黑色斑 block 。

弱点脏球可能有二进制阈值问题，也许使用自适应阈值？

<强>1。使用查找表/数学公式(？)获取黑色补丁的大小和距离

黑色补丁的大小取决于距球中心的距离。为算法提供有关黑色斑 block 距中心的距离及其大小的学习数据(两个值都与球的大小有关)。

例如:

Ball in recorded frame has bounding box of 200x200 px and area of 30000px
Found 6 black patches inside:
patch 1 is in the middle (distance 0px from center) and has area of 600px
patch 2 is on the side (distance 50px from center) and has area of 150px
patch 3... patch 4... and so on

因此，您为查找表提供数据:

distance = 0% -> area = 2%
distance = 25% -> area = 0.5%
distance = ... -> area = ...
and so on

现在当你检查你检测到的东西是否是一个球时，检查它们的黑色补丁大小。如果它们的大部分大小和距球中心的距离都在可接受的范围内，则检测到的物体是一个球。

<强>2。检查轮廓形状

您可以使用cvApproxPoly 检查每个轮廓。如果大多数黑色轮廓是五边形 - 它就是一个球。