摘 要： 為了克服人類視覺的極限和盲區(qū)，提高網(wǎng)球比賽的公允性，設(shè)計(jì)了一種基于LabVIEW平臺的網(wǎng)球鷹眼系統(tǒng)。通過量子粒子群優(yōu)化算法對攝像機(jī)進(jìn)行標(biāo)定，拍攝圖像，利用Matlab對圖像進(jìn)行濾波、去噪及離散中心化，并對其進(jìn)行三維匹配，最后通過高斯擬合獲得網(wǎng)球運(yùn)動軌跡，完成對網(wǎng)球運(yùn)動虛擬場景的搭建。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)計(jì)算速度快，準(zhǔn)確率高，滿足設(shè)計(jì)要求。

關(guān)鍵詞： LabVIEW； 量子粒子群優(yōu)化算法； 三維匹配； 高斯擬合

中圖分類號： TN911?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）03?0112?03

Tennis Hawkeye system based on LabVIEW platform

CHANG Chao

（Xuchang University， Xuchang 461000， China）

Abstract： To overcome the limitation and blind area of human vision， and improve the fairness of the tennis match， a tennis Hawkeye system based on LabVIEW platform was designed. The camera is calibrated by quantum particle swarm optimization algorithm to shoot the image. The filtering， denoising and discrete centralization of the image is conducted by Matlab， and then 3D matching is conducted to the image. The tennis motion locus is obtained by Gauss fitting to establish the virtual scene of the tennis motion. The experimental results show that the system has fast computation speed and high accuracy， and can meet the design requirements.

Keywords： LabVIEW； quantum particle swarm optimization algorithm； 3D matching； Gauss fitting

0 引 言

網(wǎng)球誕生于歐洲，是當(dāng)今體壇流行的運(yùn)動項(xiàng)目之一，全球喜歡網(wǎng)球運(yùn)動的人越來越多。隨著運(yùn)動器材材料的不斷進(jìn)步，運(yùn)動員所能達(dá)到的極限不斷提高，使得比賽的水平越來越高，尤其在高水平賽事中，僅依靠主裁判根據(jù)肉眼在現(xiàn)場觀測到的信息做出的比賽判決很難使比賽公正，因?yàn)槿祟愐曈X存在極限和盲區(qū)。鷹眼技術(shù)是一種即時回放系統(tǒng)，通過攝像機(jī)對網(wǎng)球運(yùn)動軌跡進(jìn)行跟蹤記錄，并對采集到的數(shù)據(jù)進(jìn)行一系列計(jì)算合成，最終將網(wǎng)球的運(yùn)動路線及落地點(diǎn)清晰地展現(xiàn)給觀眾，克服了人眼視覺上的很多盲區(qū)，使得觀眾可以從更多視角觀看比賽，同時使得裁判的判決更加準(zhǔn)確，保證了球員的利益[1]。本文對鷹眼技術(shù)進(jìn)行研究，利用虛擬儀器平臺，借助圖像處理與仿真技術(shù)，研究設(shè)計(jì)了基于LabVIEW平臺的網(wǎng)球鷹眼系統(tǒng)。

1 鷹眼技術(shù)

鷹眼技術(shù)的應(yīng)用，使得觀眾可以從不同角度觀賞網(wǎng)球比賽，可以看到自身視覺無法觀測到的場景，對于裁判的判決可以起到監(jiān)督的作用，使得比賽更加公正。鷹眼技術(shù)所需的精準(zhǔn)度很高，因此對相應(yīng)的算法要求比較苛刻，為了搭建模型，首先將場地分割，單位精確到毫米，在球場布置8～10臺高速攝像頭對網(wǎng)球飛行及落地狀態(tài)進(jìn)行全方位、多角度進(jìn)行捕捉，實(shí)現(xiàn)對肉眼無法看到的盲區(qū)、死角的覆蓋，將高速攝像頭采集回來的數(shù)據(jù)傳輸給計(jì)算機(jī)，通過數(shù)據(jù)的處理和圖像的擬合，將網(wǎng)球運(yùn)行的軌跡清晰地展現(xiàn)給觀眾[2]。系統(tǒng)流程圖如圖1所示。

2 攝像機(jī)的標(biāo)定

攝像機(jī)是整個系統(tǒng)的數(shù)據(jù)采集前端，采集信息質(zhì)量對后續(xù)的圖像處理及三維構(gòu)建影響較大，在攝像機(jī)的標(biāo)定過程中引入量子粒子群優(yōu)化算法用以克服系統(tǒng)易陷入局部小、反投誤差大的缺點(diǎn)，比賽場地的攝像頭位置如圖2所示。

三維點(diǎn)[M]與二維點(diǎn)[m]的關(guān)系為：

其中：[A]為攝像機(jī)參數(shù)矩陣；[M=XYlT]為三維點(diǎn)的齊次矩陣；[m=uvlT]為二維點(diǎn)的齊次矩陣；[r1r2r3]和[t]為攝像機(jī)相對于世界坐標(biāo)系的旋轉(zhuǎn)矩陣和平移量。當(dāng)[Z=0]時，得：

由旋轉(zhuǎn)矩陣的性質(zhì)可得攝像機(jī)參數(shù)矩陣的約束為：

當(dāng)拍攝的圖像數(shù)目大于3時就可以線性求解[K，]從而解得內(nèi)部參數(shù)。量子粒子群優(yōu)化算法方程為：

式中：[i]表示第[i]個粒子；[t]為進(jìn)化次數(shù)；[rand1，rand2]為隨機(jī)函數(shù)；[c1]為粒子自身最優(yōu)步長，[c2]為粒子全局最優(yōu)步長；[vi]為第[i]個粒子的速度[3]。

然后通過量子力學(xué)基礎(chǔ)，得到進(jìn)化方程，最終的全局極限即為攝像機(jī)標(biāo)定的最優(yōu)值。

3 目標(biāo)的二維檢測與跟蹤

在對網(wǎng)球的二維檢測中采用背景差分法來實(shí)現(xiàn)。為了降低場景中如噪聲、光照等的影響，采用高斯模板提取背景。首先構(gòu)件具有高斯分布的背景模型[Axyt=μσ2，][μ]為像素點(diǎn)的平均值，[σ2]為方差，設(shè)攝像機(jī)當(dāng)前幀中的某像素點(diǎn)為[Ixyt]，按如下方程進(jìn)行改造：

式中常數(shù)[a]取0.5，經(jīng)過累加之后，當(dāng)前幀內(nèi)的某像素的像素點(diǎn)值比過去所占權(quán)重增大。方差的計(jì)算公式為：

利用Matlab圖像處理工具里的減法運(yùn)算，首先通過rgb2gray函數(shù)將圖像二值化，然后執(zhí)行通過當(dāng)前幀與背景圖像的減法運(yùn)算，并進(jìn)行閾值分割，即可提取出目標(biāo)的參數(shù)，如坐標(biāo)、長度和寬度[4]。

在對網(wǎng)球進(jìn)行動態(tài)跟蹤時采用CAMshift法，首先根據(jù)YUV信息將視頻圖像轉(zhuǎn)化成顏色概率分布，將差分法得到的網(wǎng)球特征參數(shù)作為搜索初始參數(shù)，設(shè)為[Ixy]，計(jì)算零階矩陣[M00，]一階矩陣[M01，M10，]二階矩陣[M02，M20，M11]。計(jì)算當(dāng)前的質(zhì)心位置為：

將其結(jié)果作為下一幀中搜索窗的中心，然后根據(jù)[M00]調(diào)整搜索窗的大?。?/p>

式中：[l]為搜索窗的長度；[w]為寬度；[a=M20M00-x2c，][b=2M11M00-xcyc，][c=M02M00-y2c，]按此循環(huán)運(yùn)算，直到質(zhì)心和型心間的距離小于閾值，即可得到運(yùn)動目標(biāo)的參數(shù)。

4 基于多視角圖像的三維點(diǎn)重建

為了實(shí)現(xiàn)定位球體的三維世界坐標(biāo)，至少需要兩幀不同視角的圖像，從投影點(diǎn)的像素坐標(biāo)出發(fā)，三維點(diǎn)重建在理想狀態(tài)下，如圖3所示。從空間點(diǎn)的第一幅圖像的投影點(diǎn)[m1]出發(fā)經(jīng)過攝像頭的光心[O1]能夠向空間引出一條射線，從第二幅圖像的投影點(diǎn)[m2]出發(fā)經(jīng)過攝像機(jī)的光心[O2]能夠向空間引出另一條射線，不同視角圖像引出的不同射線在三維空間的交點(diǎn)就是真實(shí)世界中的空間點(diǎn)。但是如圖4所示，由于不同視角的圖像都有圖像噪聲和攝像機(jī)標(biāo)定誤差的存在，使得空間上的交點(diǎn)并不存在，點(diǎn)的三維重建問題轉(zhuǎn)化成點(diǎn)空間選取最優(yōu)解的問題[5]，對于這種最優(yōu)解問題有很多成熟的算法，如最小二乘法即可利用迭代進(jìn)行實(shí)現(xiàn)。

得到空間點(diǎn)的坐標(biāo)之后，需要對這些離散的坐標(biāo)點(diǎn)進(jìn)行擬合，擬合采用高斯擬合，利用Matlab中Image Processing匹配圖像對應(yīng)點(diǎn)，變化較大的區(qū)域?yàn)橹芯€與邊線的交叉部位，系統(tǒng)選取10對點(diǎn)，執(zhí)行TFORM=cp2tform（input?points，base?points，transfromtype），B=imtransform（A，TFORM），A，B為不同攝像機(jī)拍攝的圖像，曲線擬合原理為最小二乘法，求取與給定點(diǎn)的距離平方和為最小的曲線，運(yùn)用Matlab工具箱的Gaussian，得到的軌跡如圖5所示。

5 LabVIEW可視化界面與性能判定

利用Grid Properties.vi建立具有三維坐標(biāo)的立體空間，[XY]平面作為地面，通過Create Sphere.vi和Create object.vi創(chuàng)建網(wǎng)球的球體，球體按照擬合的軌跡運(yùn)行，為了使顯示效果更加的連貫，選用50個點(diǎn)仿真球體運(yùn)行軌跡，創(chuàng)建另一個場景顯示器顯示俯視圖，在俯視圖中，觀眾可以清晰地看到網(wǎng)球的落地點(diǎn)，落地點(diǎn)的坐標(biāo)值與網(wǎng)球的半徑相一致，越過邊線判定為出界，設(shè)定底線[Y=0，]如果出現(xiàn)網(wǎng)球落地點(diǎn)的坐標(biāo)在[X]坐標(biāo)軸上為正，則判定球?yàn)榻鐑?nèi)，如果為負(fù)則判定界外，可視化界面如圖6所示。

通過選取100組測量數(shù)據(jù)進(jìn)行測試，結(jié)果如表1所示，系統(tǒng)判定正確率在距邊界-7.5～6 cm時為80%，其他地方達(dá)到96%，處理時間在10 s之內(nèi)，判定結(jié)果與處理時間滿足設(shè)計(jì)要求。

6 結(jié) 論

基于粒子量子群優(yōu)化算法的攝像機(jī)標(biāo)定可以克服系統(tǒng)易陷入局部小、反投誤差大的缺點(diǎn)，提高了攝像機(jī)的標(biāo)定精準(zhǔn)度。

基于LabVIEW虛擬儀器的網(wǎng)球鷹眼系統(tǒng)實(shí)現(xiàn)對網(wǎng)球運(yùn)動軌跡、網(wǎng)球落地點(diǎn)的全方位精準(zhǔn)跟蹤，并對結(jié)果進(jìn)行判定，可視化程度高，判定速度快，結(jié)果精準(zhǔn)，滿足設(shè)計(jì)要求。

參考文獻(xiàn)

[1] 劉劍秋，付萍，李濤.網(wǎng)球“鷹眼”系統(tǒng)原理初探[J].廣播與電視技術(shù)，2012（10）：69?73.

[2] 李玉動.“鷹眼”在競技體育中的應(yīng)用研究[J].惠州學(xué)院學(xué)報(bào)（自然科學(xué)版），2010，30（6）：95?99.

[3] 郁錢，孫俊，須文波.量子粒子群優(yōu)化算法在攝像機(jī)標(biāo)定中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（14）：200?203.

[4] 李懷澤，沈會良，程岳.基于旋轉(zhuǎn)多視角深度配準(zhǔn)的三維重建方法[J].計(jì)算機(jī)應(yīng)用，2012（12）：3365?3368.

[5] 吳正明，李君.基于LabVIEW的數(shù)字仿真實(shí)驗(yàn)平臺的設(shè)計(jì)[J].中國教育技術(shù)裝備，2009（2）：81?82.

[6] 王帥.基于LabVIEW的集成電路測試分析儀[J].現(xiàn)代電子技術(shù)，2011，34（18）：158?160.