盧仕林

摘? 要：針對籃球訓(xùn)練特點(diǎn)，開發(fā)了一種新的訓(xùn)練方法，從一場籃球比賽的視頻中跟蹤10名不同運(yùn)動(dòng)員的動(dòng)作。在追蹤他們的位置后，將繼續(xù)繪制這些籃球場的照片位置圖。跟蹤球員的目的是向籃球教練和組織提供最大數(shù)量的信息，使他們能夠更好地設(shè)計(jì)防御和攻擊的策略?？偟膩碚f，我們的模式在賽場上有一個(gè)高度的識(shí)別和跟蹤球員。

關(guān)鍵詞：籃球運(yùn)動(dòng)員? 追蹤? 分析

中圖分類號(hào)：G841? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)：2095-2813（2019）03（b）-0042-02

在團(tuán)隊(duì)運(yùn)動(dòng)比賽中，自動(dòng)球員的檢測和跟蹤變得越來越重要。隨著體育收益的大幅增加，球隊(duì)在集團(tuán)化方面投入了更多的資金。某些統(tǒng)計(jì)數(shù)據(jù)，如比賽中的距離，可以提供有關(guān)球員健康狀況的信息。此外，運(yùn)動(dòng)員對于實(shí)際檢測的陣型和策略的捕捉，很可能會(huì)給出球隊(duì)?wèi)?zhàn)略性的指導(dǎo)。我們的項(xiàng)目是相關(guān)的，因?yàn)樗軌蜿P(guān)于球員在球場上的位置的信息，以及與每支球隊(duì)的比賽風(fēng)格有關(guān)的數(shù)據(jù)。這些信息對于贏得比賽是至關(guān)重要的。更廣泛地說，可以適應(yīng)跟蹤任何體育比賽的球員。

1? 視頻追蹤系統(tǒng)的工作流程

支持向量機(jī)的特征對行人檢測的正確率約為70%。然而，對于這個(gè)特殊的應(yīng)用，探測器的精度預(yù)計(jì)會(huì)更小，因?yàn)榭梢缘粝聛硪蕴S獲得球，因此不會(huì)被探測器檢測到。因此，當(dāng)檢測器失敗時(shí)，需要一個(gè)冗余系統(tǒng)來檢測運(yùn)動(dòng)員。為此，建立了一個(gè)基于顏色的檢測器和分類器。這個(gè)基于顏色的檢測器根據(jù)球衣的顏色來檢測球員。這個(gè)探測器的用途是兩次折疊。首先，可根據(jù)隊(duì)員隊(duì)伍對運(yùn)動(dòng)員進(jìn)行分類，并排除其他可能被豬檢測到的“行人”，如裁判員、教練。其次，顏色檢測器應(yīng)該識(shí)別盒中的運(yùn)動(dòng)員。很多時(shí)候，有些運(yùn)動(dòng)員會(huì)太接近或者被其他運(yùn)動(dòng)員部分阻礙。在這種情況下所示，使用行人檢測來檢測籃球球員的例子。返回所有這些球員的單個(gè)檢測?；陬伾臋z測和分類基于顏色的檢測器在盒中執(zhí)行播放器的檢測，這是被檢測器歸類為行人的原始圖像的一個(gè)區(qū)域。在更大的圖像中，像以前的項(xiàng)目中所做的那樣，在整個(gè)球場上檢測球員。因此，其他對象可能具有相同顏色的球員的球衣，如細(xì)節(jié)在地板上的類型在籃球場上發(fā)現(xiàn)的球員，不會(huì)像使用整個(gè)框架那樣經(jīng)常被檢測到。顏色檢測器通過在空間中使用閾值來執(zhí)行檢測?？臻g的選擇反對運(yùn)動(dòng)的動(dòng)機(jī)是，能夠更好地區(qū)分顏色的變化，而不是飽和度和亮度。例如，給出一組包含兩隊(duì)球員、裁判員、觀眾等的圖片。所有的直方圖用方法計(jì)算閾值。根據(jù)兩支球隊(duì)的顏色不同，可能需要一個(gè)以上的閾值來區(qū)分運(yùn)動(dòng)員所出現(xiàn)的位置?？赡艹霈F(xiàn)在圖像中的其他元素。一旦知道了這些閾值，就可以導(dǎo)出用于顏色檢測的邏輯表達(dá)式。因此，可以通過要求色調(diào)來區(qū)分黃色和白色。

飽和度坐標(biāo)要高于它們各自的黃色閾值，低于某個(gè)閾值的白色。示出了白色和黃色的顏色檢測過程。一旦從訓(xùn)練數(shù)據(jù)集確定閾值，顏色檢測就可以執(zhí)行得相當(dāng)快，因?yàn)樗旧习ū容^和邏輯操作。例如，與小于5%的圖像區(qū)域相對應(yīng)的框被忽略。在這些不同的場景中，將調(diào)用基于顏色的檢測器來查找錯(cuò)過的捕捉景象。在檢測中添加播放器和丟棄播放機(jī)的這些不同條件是由本文中討論的跟蹤算法下一小節(jié)完成的。跟蹤一旦被發(fā)現(xiàn)，下一個(gè)目標(biāo)是通過單個(gè)運(yùn)動(dòng)員的幀定位來建立一個(gè)框架，以便理解。在此場景中，在連續(xù)幀中檢測到播放器，由檢測器和背靠背幀中的顏色分類器檢測到播放機(jī)。因?yàn)檫@些幀是在24fps的速度，球員從一個(gè)幀到下一個(gè)幀的位置是高度相關(guān)的。因此，檢測到的這些框?qū)⒕哂泻芨叩闹丿B。在這種情況下，此播放器的位置將被更新。在這個(gè)場景中，運(yùn)動(dòng)員沒有被檢測器檢測到，而是可以通過中的顏色檢測來找到。在這種逐幀的場景中，并不能檢測到每個(gè)幀中的每個(gè)運(yùn)動(dòng)員可以在移動(dòng)和模糊蹲下或在某種程度上是無法察覺的動(dòng)作。如果顏色檢測器可以識(shí)別在此框內(nèi)具有相同球衣的球員，則它將此播放器匹配到此新位置。如果多個(gè)運(yùn)動(dòng)員為在這個(gè)情境里，它與這個(gè)運(yùn)動(dòng)員最接近的位置相匹配。因此，丟失一個(gè)的檢測框架并不會(huì)導(dǎo)致球員的位置丟失。接下來的兩種場景雖然有很大的不同，但有一個(gè)類似的解決方案。最初沒有在第一個(gè)幀中檢測到一個(gè)播放器，而是在稍后的時(shí)間發(fā)現(xiàn)了一個(gè)播放器。

2? 視頻追蹤系統(tǒng)分析過程

由檢測器和顏色分類器丟棄。這將發(fā)生在同一隊(duì)的球員合并在一起，而顏色分類器無法區(qū)分他們作為單獨(dú)的球員。例如，在第一幀中，可以在圖中區(qū)分出黃隊(duì)中的5個(gè)單獨(dú)的球員。然而，因?yàn)榍騿T們會(huì)聚在一起，只有低質(zhì)量在圖中是可以區(qū)分的3場比賽。因此，信息就丟失了。這些場景有一個(gè)組合解決方案，一個(gè)最小距離相關(guān)器。在每一個(gè)框架上，盒子和位置是始終在轉(zhuǎn)換的。如果一名球員被扔下，經(jīng)過一段時(shí)間后，探測器會(huì)再次發(fā)現(xiàn)他。因?yàn)榍耙粠袥]有一個(gè)盒子與他相關(guān)，所以他將沒有確定位置。該算法檢查是否一個(gè)球員已經(jīng)被解雇是相對接近他的位置。允許的距離為固定距離乘以自此播放以來的幀數(shù)。如果這個(gè)運(yùn)動(dòng)員是在任何一個(gè)之前被掉落的運(yùn)動(dòng)員的距離之內(nèi)，那么他就會(huì)回到原來的運(yùn)動(dòng)員，解決掉球的問題。但是，如果沒有先前的球員在此當(dāng)前播放器的范圍內(nèi)，將一個(gè)新播放器添加到跟蹤數(shù)據(jù)中，以解決添加問題。如果一名球員輸了，板凳或球場上可能會(huì)導(dǎo)致錯(cuò)誤的最小距離猜測。球員們在球場上合二為一，解決掉球的問題特別困難。運(yùn)動(dòng)員的動(dòng)作變化很快，確實(shí)會(huì)變得復(fù)雜，使用運(yùn)動(dòng)員的原始動(dòng)作是不可靠的，不能將丟失的球員匹配到先前的算法對相機(jī)抖動(dòng)也很敏感幀中。解決這個(gè)添加和刪除問題的最佳解決方案是擁有多個(gè)穩(wěn)定的攝像機(jī)視點(diǎn)，這是我們無法從廣播中獲得的。在職業(yè)環(huán)境中，如NBA球隊(duì)，最后一步與每個(gè)球員在球場自上而下視圖中的位置投影有關(guān)。在這一部分中，使用所開發(fā)的算法來分析球員在比賽過程中的位置。作為一個(gè)例子，顯示了球員的熱圖位置隨著比賽的進(jìn)展。球隊(duì)的位置與視頻是一致的，因?yàn)槲覀兛梢钥吹?，在整個(gè)比賽過程中，白隊(duì)仍然在防守上，而黃隊(duì)只越過白隊(duì)的防線得分?？梢钥吹角騿T在場上的分布是比較好的。與視頻中看到的信息一致，這表明我們的運(yùn)動(dòng)員檢測和同調(diào)是協(xié)同工作的，以便提供與球場上球員位置有關(guān)的有用數(shù)據(jù)。球員的動(dòng)作似乎與穿過球場的一名球員的視頻動(dòng)作是一致的，通過多個(gè)不同的標(biāo)志因素。其他運(yùn)動(dòng)員仍然被正確的標(biāo)記和識(shí)別?？梢钥吹筋伾指詈透櫵坪跏且环N可行的方法，可以在整個(gè)球場跟蹤這個(gè)球員。

3? 結(jié)語

本文通過設(shè)計(jì)新型的運(yùn)動(dòng)視頻捕捉系統(tǒng)，可以在視頻中準(zhǔn)確地檢測籃球運(yùn)動(dòng)員，并且能夠準(zhǔn)確地把他們放在一個(gè)2D的最高視野的顯示影像上球員的運(yùn)動(dòng)的狀態(tài)。我們利用顏色分割中的檢測器的關(guān)聯(lián)，取得了這樣的結(jié)果。這個(gè)項(xiàng)目的未來工作將是更好地調(diào)整顏色分割閾值，避免偽影識(shí)別，提高跟蹤系統(tǒng)的精度。

參考文獻(xiàn)

[1] 龔然，陳聽，岳小祺，等.不同運(yùn)動(dòng)強(qiáng)度對籃球運(yùn)動(dòng)員多目標(biāo)追蹤影響及眼動(dòng)分析[J].天津體育學(xué)院學(xué)報(bào)，2016，31（4）：358-363.

[2] 魏柳青，張學(xué)民.多身份追蹤中基于范疇的分組效應(yīng)[J].心理科學(xué)進(jìn)展，2014，22（9）：1383-1392.

[3] 李軍.目標(biāo)數(shù)量對籃球運(yùn)動(dòng)員視覺追蹤表現(xiàn)的影響[J].天津體育學(xué)院學(xué)報(bào)，2012，27（2）：133-137.