專利名稱：基于運動軌跡的跟蹤方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種視頻圖像處理技術(shù)領(lǐng)域的方法，具體是一種用于足球的基于
運動軌跡的跟蹤方法。
背景技術(shù)：
基于計算機(jī)視覺的運動視頻分析， 一直都是備受重視的研究熱點。足球運動作為 世界上最受歡迎的球類運動，有著廣泛的群眾基礎(chǔ)和廣大的球迷群體。因此，對足球比賽視 頻的自動分析有很好的應(yīng)用前景，具有非常實用的價值。足球視頻分析主要包括視頻檢索、 視頻索引、視頻注釋、視頻摘要、重要事件檢測以及戰(zhàn)略戰(zhàn)術(shù)分析等等。 在足球比賽視頻中檢測和跟蹤球是一項非常具有挑戰(zhàn)性的工作，以往的處理方法 存在種種弊端，表現(xiàn)為檢測精度比較低，受光線等外部環(huán)境影響大等。這主要有以下幾點原 因造成的拍攝足球比賽的攝像機(jī)的位置和方向總是在不停的變化的，因此比賽視頻中足 球的運動不僅包括球自身的運動，還包括攝像機(jī)的運動。在球的檢測和跟蹤過程中，這兩 方面都必須考慮；由于現(xiàn)場光線和球運動速度的影響，球的顏色、大小、形狀等特征信息會 經(jīng)常發(fā)生變化，所以很難以單個球為對象建立一個有效的模型來直接檢測球；在足球比賽 中，經(jīng)常會發(fā)生球與球員和球場線接觸或被球員遮擋的情況，這會給球的檢測造成很大的 困難。 經(jīng)過對現(xiàn)有技術(shù)的檢索發(fā)現(xiàn)，文獻(xiàn)Tong X F， Wang T， Li W L，和Zhang Y M， "Athree-level scheme for real-time ball tracking", MCAM 2007. LNCS， vol.4577， SpringerHeidelberg 2007通過基于球?qū)ο?，軌跡內(nèi)和軌跡間的三層次模型實現(xiàn)了對球的 檢測與跟蹤，取得了一定的效果，但是該現(xiàn)有技術(shù)中軌跡間的處理比較復(fù)雜并且需要人工 輔助，大大降低了系統(tǒng)運行的效率，實用價值不高；并且軌跡的補(bǔ)全過程也只是通過簡單的 插值來實現(xiàn)的，準(zhǔn)確度不高。

發(fā)明內(nèi)容
本發(fā)明針對現(xiàn)有技術(shù)存在的上述不足，提供一種基于運動軌跡的跟蹤方法，能夠
提高比賽視頻中足球檢測與跟蹤的效率和準(zhǔn)確率。 本發(fā)明是通過以下技術(shù)方案實現(xiàn)的，本發(fā)明包括以下步驟 步驟1 :候選球的檢測對通過網(wǎng)絡(luò)傳輸實時接收到的原始視頻圖像進(jìn)行對象分
割處理，提取出視頻圖像中的候選球集合； 所述的對象分割處理的具體步驟包括 1. 1)通過顏色特征提取出全景圖中的非草地區(qū)域。 1. 2)使用霍夫變換檢測出球場中直線然后除去這些直線，這樣就消除了球場中標(biāo) 志線產(chǎn)生的噪聲。 1. 3)對二值圖像進(jìn)行分割后，利用球的形狀和大小特征濾去部分噪聲。
1. 4)利用空間背景顏色信息的相關(guān)性，有效地濾去背景觀眾席所產(chǎn)生的噪聲。
所述的候選球集合是指原始視頻圖像中所有與球視覺特征相似的對象以及待跟 蹤目標(biāo)球。 步驟2 :軌跡的生成在原始視頻圖像的時空域中尋找種子三元組，并將種子三元 組初始化為球路軌跡，然后采用卡爾曼濾波器對球路軌跡進(jìn)行預(yù)測，并利用預(yù)測驗證的方 式進(jìn)行軌跡生長，得到若干條預(yù)測路線； 所述的種子三元組是指在視頻中連續(xù)三幀圖像某位置附近都出現(xiàn)了候選球?qū)ο蟆?br> 所述的尋找種子三元組是指 a)以第二幀作為起始，以該幀中的候選球的對象位置為中心，以候選球在每幀中 的運動范圍作為該幀的搜索區(qū)域； b)尋找當(dāng)前幀的前后相鄰幀中是否有候選球落入所確定的搜索區(qū)域里 bl)當(dāng)候選球落入搜索區(qū)域，則判斷該幀是否包含在已知軌跡中，當(dāng)未包含在已知
軌跡中，則以當(dāng)前幀及其前后相鄰幀初始化為一條新的軌跡，并記錄所述三幀中每個軌跡
點的位置； b2)當(dāng)候選球不在搜索區(qū)域，則以當(dāng)前幀的后一幀作為對象重復(fù)步驟a)。 所述的球路軌跡是指同一候選球?qū)ο笤谝曨l幀序列中連續(xù)出現(xiàn)，記錄其在每幀
中球的具體位置，所得到的位置集合就是球路軌跡。 所述的卡爾曼濾波器的參數(shù)為 所述的預(yù)測驗證的方式是指先通過卡爾曼濾波器對軌跡中下一幀的對象進(jìn)行預(yù) 測，然后以此預(yù)測的結(jié)果為中心，在某個范圍了搜索候選球，以此來驗證出這個候選球是否 在這條軌跡上。 步驟3 :軌跡的選擇通過對若干條預(yù)測路線的時間長度比較以及剔除噪聲軌跡， 獲得足球在視頻中零散間斷的運動軌跡片段； 所述的時間長度比較是指首先對所有生成的預(yù)測路線，根據(jù)預(yù)測路線的起始點 的時間順序?qū)⑵溆行虻嘏帕衅饋?；然后對相鄰的兩條預(yù)測路線，利用這兩條預(yù)測路線起始 點和結(jié)束點的前后關(guān)系，來判斷它們是否在時空域上相交；最后依據(jù)預(yù)測路線的排列順序， 對相鄰的預(yù)測路線進(jìn)行兩兩處理當(dāng)相鄰兩預(yù)測路線在時空域上不相交，則兩條預(yù)測路線 都保留作為運動軌跡片段。 所述的剔除噪聲軌跡是指依據(jù)預(yù)測路線的排列順序，當(dāng)相鄰兩預(yù)測路線在時空 域相交，則求出兩預(yù)測路線的時間長度，然后將時間長度較長的預(yù)測路線保留作為運動軌 跡片段，時間長度較短的預(yù)測路線作為噪聲軌跡剔除。
步驟4 :軌跡的連接將若干條運動軌跡片段逐一連接，得到完整足球運動軌跡， 從而實現(xiàn)了足球的檢測與跟蹤。
所述的逐一連接是指 4. 1)直接利用卡爾曼濾波預(yù)測，對步驟3得到的若干條運動軌跡片段進(jìn)行前向預(yù) 狀態(tài)轉(zhuǎn)移矩陣J =
0 0 10
10 0 0
5測延長計算和后向預(yù)測延長計算，得到延長后運動軌跡片段； 4. 2)計算出每兩條相鄰的延長后運動軌跡片段在預(yù)測區(qū)間內(nèi)相距最近的間距，并 記錄此間距對應(yīng)兩條延長后運動軌跡片段上對應(yīng)的兩個預(yù)測點； 4.3)對兩條相鄰的延長后運動軌跡片段進(jìn)行平滑填充，得到完整足球運動軌跡。
所述的預(yù)測區(qū)間是指兩分離的運動軌跡之間的時間段，即前一軌跡的最后一幀 和后一軌跡的第一幀之間。 所述的平滑填充是指通過軌跡平滑的方式，補(bǔ)充兩分離軌跡之間對象的具體位 置 i)當(dāng)?shù)玫降膬深A(yù)測點所對應(yīng)的時間點相同時，將滿足向前預(yù)測條件的延長后運動 軌跡片段的該時間點以前部分以及滿足向后預(yù)測條件的延長后運動軌跡片段的該時間點 以后部分分別作為該時間點的前后平滑填充片段，得到完整足球運動軌跡；該時間點對象 在軌跡上的值由兩軌跡在該時間點的預(yù)測的均值來表示； ii)當(dāng)?shù)玫降膬深A(yù)測點所對應(yīng)的時間點不同時，將滿足向前預(yù)測條件的延長后運 動軌跡片段的前一時間點以前的部分以及滿足向后條件的延長后運動軌跡片段的后一時 間點以后的部分分別作為該時間點的前后平滑填充片段；在兩預(yù)測點所對應(yīng)的兩個時間點 之間的部分采用簡單的一維線性插值的方式進(jìn)行填充，插值的兩個端點就是上述的兩預(yù)測 點，得到完整足球運動軌跡。 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下有益效果 1.本發(fā)明通過提取圖像中的色度分量和飽和度分量來計算顏色距離，忽略亮度分 量，這樣可以消除光照變化對檢測結(jié)果所造成的影響； 2.本發(fā)明利用空間背景顏色信息的相關(guān)性，有效地提高了對象粗選的精確度和有 效性； 3.本發(fā)明利用長度特征對軌跡進(jìn)行選擇，簡化了軌跡選擇的復(fù)雜度，提高了整個 檢測跟蹤系統(tǒng)的處理速度； 4.本發(fā)明在不同的情形下采用不同的策略對軌跡進(jìn)行連接，能更精確地預(yù)測出漏 檢的對象。


圖1為本發(fā)明流程示意圖。
圖2為候選球處理過程畫面圖。
圖3為視頻軌跡生成流程圖。
圖4為視頻軌跡處理畫面圖。
圖5為系統(tǒng)檢測結(jié)果圖。
具體實施例方式
下面對本發(fā)明的實施例作詳細(xì)說明，本實施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行 實施，給出了詳細(xì)的實施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實施 例。
如圖1所示，本實施例包括以下步驟
1 、檢測出足球比賽視頻中每幀圖像中包含的候選球集合。 足球比賽視頻中有四種視角類型全景鏡頭，中等鏡頭，特寫鏡頭和看臺鏡頭。因 為足球主要出現(xiàn)在全景鏡頭中，所以本專利也主要考慮對全景鏡頭中的球進(jìn)行檢測和跟
蹤o 在篩選出全景鏡頭后，先提取出圖像中的非草地區(qū)域。在足球視頻中，草地的顏色 具有很高的穩(wěn)定性和單一性。通過統(tǒng)計前面數(shù)幀圖像的HSV累積顏色直方圖，很容易地得 到圖像的主顏色分量，也就是草地的顏色分量。計算每個像素點的顏色與主顏色之間的距 離，根據(jù)這個距離值來判斷該像素是否屬于草地區(qū)域。在系統(tǒng)中，取HSV顏色空間中的色度 分量和飽和度分量來計算顏色距離，忽略亮度分量，減少光照變化帶來的影響。這樣，就得 到了全景圖像處理過后的二值圖像，如圖l(a)所示。其中黑色區(qū)域表示非草地區(qū)域，它既 包括了目標(biāo)球，也包括了許多噪聲。 然后，用霍夫變換檢測出球場中直線然后除去這些直線，用來消除球場中標(biāo)志線 產(chǎn)生的噪聲，如圖l(b)所示。 然后，對二值圖像進(jìn)行圖像分割后，利用球的形狀和大小特征濾去部分噪聲。具體 特征有(1)分割區(qū)域的長軸的尺寸；(2)分割區(qū)域的面積；(3)形狀參數(shù)F = 4* Ji AA/P2，其 中，A表示區(qū)域的面積，P表示區(qū)域的周長。 一般而言，區(qū)域越接近圓，形狀參數(shù)F就越接近 1 ; (4)離心率，區(qū)域長軸與短軸尺寸之比。E = A/Ds， A和Ds分別表示區(qū)域最小邊界矩形 的長和寬。離心率越大，區(qū)域為球的概率就越小。 最后，利用顏色的相關(guān)性，考慮空間背景顏色信息。對于球場上的目標(biāo)球，其周圍 大部分都是草地，則其周圍點的顏色都是接近主顏色。規(guī)定，當(dāng)區(qū)域周圍八個鄰近點中有超 過四個點的顏色和主顏色相近時，認(rèn)為該區(qū)域內(nèi)包括球。利用空間背景顏色信息，能有效地 濾去背景觀眾席所產(chǎn)生的噪聲。 通過以上四個步驟，就得到了每幀圖像的候選球?qū)ο?，如圖l(c)所示。利用這些
候選球就生成軌跡并對軌跡進(jìn)行相應(yīng)的處理。 2、軌跡的生成和選擇 將視頻分成小片斷，每個片斷都包含特定數(shù)量的視頻幀。在本系統(tǒng)中，以片斷為基
本單位來處理軌跡，也就是說，處理的軌跡的長度不會超過片斷的視頻幀數(shù)目。 在得到每幀圖像的候選球后，首先在時空域中尋找種子三元組。所謂種子三元組，
就是在視頻中連續(xù)三幀圖像某位置附近都出現(xiàn)了候選球?qū)ο?。以第二幀對象位置為中心?br> 尋找前后幀中是否有候選球落入該位置附近。在找到種子三元組后，先判斷它是不是包含
在已存在的軌跡中。如果沒有，就用這個三元組初始化一條新的軌跡，并記錄好每個軌跡點
的位置。 得到新軌跡后，用卡爾曼濾波器對軌跡進(jìn)行預(yù)測。卡爾曼濾波器是離散時間過程 中常用的狀態(tài)預(yù)估器，內(nèi)部主要包含下面兩個方程
系統(tǒng)運動方程X^ = AXk+wk(l);
系統(tǒng)觀測方程Zk = HXk+vk (2); 其中Xk(Xk+1)為在時刻K(K+1)的系統(tǒng)狀態(tài)向量，Zk為在時刻K的系統(tǒng)狀態(tài)測量向 量。wk和vk分別為正態(tài)分布的運動和測量噪聲向量，兩者相互獨立。A和H分別為狀態(tài)轉(zhuǎn) 移矩陣和測量矩陣。取球的中心位置為系統(tǒng)狀態(tài)測量向量，取球的中心位置和其運動速度
7為系統(tǒng)狀態(tài)向量。因此有 <formula>formula see original document page 8</formula>(3); 其中(x， y)表示球的中心位置，(；，？)表示球分別在x和y方向上的運動速度。
通過卡爾曼濾波器預(yù)測到軌跡在新一幀圖像中所在的位置，并在該幀圖像中搜索 靠近該位置的候選球?qū)ο?。如果存在，則延長軌跡到此幀，并以此候選球中心作為軌跡在 該幀中位置。如果沒搜索到相應(yīng)的候選球，則說明這條軌跡所代表的對象在此幀漏檢。當(dāng) 漏檢幀數(shù)還沒有超過閥值時，仍然延長軌跡到此幀，并以卡爾曼濾波器的預(yù)測值作為軌跡 在該幀的位置；當(dāng)漏檢幀數(shù)超過閥值時，則認(rèn)為這條軌跡在視頻中已經(jīng)消失，故停止生長軌 跡。具體過程如圖3所示。 通過軌跡生長，就能從視頻片斷中得到多條候選球?qū)ο?包括真實足球和其它噪 聲)生成的軌跡，如圖4(a)所示。其中，有些是真實足球生成的軌跡，而有些是由于引入的 噪聲而產(chǎn)生的軌跡。所以必須從中選擇出真實足球的軌跡。 先定義一個由真實足球軌跡組成的集合Cf 。對集合Cf初始化，將所以軌跡都作為 集合Cf中的元素，S卩Cf = {Ti，i = 1，2，...，Nh其中，Ti表示當(dāng)前視頻片斷中第i條軌跡，
N表示當(dāng)前視頻片斷中軌跡的總數(shù)。 取視頻片斷中的兩條軌跡Tu和Tv，其中軌跡Tu的起始幀小于軌跡Tv的起始幀，即
Kmin,u〈二Kmin,v，其中Kmin,u(Kmin,》為軌跡u(v)的起始幀。當(dāng)軌跡Tu的結(jié)束幀大于軌跡Tv 的起始幀時，即Kmax,u >= Kmin,v，則兩條軌跡在時空域相交，即Tu n Tv ;反之，則認(rèn)為這兩條 軌跡是分離的。在視頻片斷中，真實足球軌跡通常都比較長，而噪聲產(chǎn)生的軌跡較短。因此 當(dāng)兩軌跡相交時，取軌跡長度較長的軌跡作為真實球的軌跡。有
<formula>formula see original document page 8</formula>其中:LU = Lv = K隨,v-Kmin,v。 通過對軌跡進(jìn)行選擇，最終得到了真實足球軌跡組成的集合Cf ，如圖4 (b)所示。Cf 中包含了一段段相互分離的軌跡，即軌跡之間還存在著漏檢的幀。要得到在視頻片斷中的 一條完整的軌跡，就必須對這些分離的軌跡進(jìn)行連接。
3、軌跡的連接 在得到由球軌跡集合后，接下來就要填充好每兩條軌跡之間漏檢的幀。通過觀察， 看到兩軌跡之間的漏檢幀主要是由于足球在球場上與球員重合或被球員遮擋以及球運動 的方向和速度突然改變的原因所造成的。結(jié)合卡爾曼濾波器預(yù)測和線性插值的方法來補(bǔ)償 漏檢點。 當(dāng)有兩條軌跡Tu和Tv，其中Kmax,u < Kmin,v。首先通過卡爾曼濾波器，分別得到軌
跡Tu和1在區(qū)間&腿, ，《匪,」中的預(yù)測值，用& 和&來表示，其中"&腿, ，《匪,」，如圖 4(c)所示。然后找出在預(yù)測區(qū)間內(nèi)兩條軌跡距離最近時的兩點，分別對應(yīng)為軌跡Tu上的a
(4);幀和L上的b幀。即
(a，6) = arg min ， )
fl力
a"，
伙 "S〖.，
max, w "' mm, v ，
〖 ^S〖 .
max, w " mm, v
(5): 其中 ，) = V(H)2+(H,J2 ，= .，iv); 通過求解上式，就得到了 a和b的值。如果a和b的值相等，則確定足球在漏檢幀 期間仍然保持運動，而由于球速運動太快，或者在運動過程受到球員的遮擋不能正確檢測 到目標(biāo)球；如果a小于b，則足球在漏檢幀期間出現(xiàn)了靜止的狀態(tài)，這種情況經(jīng)常發(fā)生在球 員接到隊友傳球，停球片刻后再把球傳出去的這段時間。在該球員持球時，因為球與人結(jié) 合，從而出現(xiàn)了漏檢。 這樣，對漏檢幀的補(bǔ)充也分下面兩種情況。 當(dāng)a與b相等時，則a幀之前的漏檢球位置用軌跡Tu在該區(qū)間的預(yù)測值來表示，a 幀之后的漏檢球位置用軌跡Tv的預(yù)測值表示，而a幀球位置為軌跡Tu和Tv在此幀預(yù)測值 的均值。即 A
max,w v "
A: = a
(6):
a < B〖 當(dāng)a小于b時，a幀之前的漏檢球位置仍然用軌跡Tu在該區(qū)間的預(yù)測值來表示，a 幀之后的漏檢球位置仍用軌跡Tv的預(yù)測值表示，而a與b之間的幀中球運動較小，所以用 簡單的線性插值就能得到較為準(zhǔn)確的目標(biāo)球位置。
"max,w —"—"
(7);<formula>formula see original document page 9</formula>
這樣，通過上述方法，準(zhǔn)確地填充好軌跡間的漏檢球位置，形成一條完整的足球軌 跡，從而實現(xiàn)了足球的檢測和跟蹤，如圖4(d)所示。 檢測與跟蹤結(jié)果如圖5所示，其中左列為原圖，右列為經(jīng)過軌跡處理得到的檢測 結(jié)果圖。 足球的檢測與跟蹤采用上述方法，通過對實驗結(jié)果進(jìn)行統(tǒng)計，得到精確率為 90. 25%，查存率為77.8%。與現(xiàn)有技術(shù)相比，都有了一定的提高。此外，本系統(tǒng)圖像處理速 度達(dá)到60. 36 (fps)，處理的速度有了很大的提高。
權(quán)利要求
一種基于運動軌跡的跟蹤方法，其特征在于，包括以下步驟步驟1候選球的檢測對通過網(wǎng)絡(luò)傳輸實時接收到的原始視頻圖像進(jìn)行對象分割處理，提取出視頻圖像中的候選球集合；步驟2軌跡的生成在原始視頻圖像的時空域中尋找種子三元組，并將種子三元組初始化為球路軌跡，然后采用卡爾曼濾波器對球路軌跡進(jìn)行預(yù)測，并利用預(yù)測驗證的方式進(jìn)行軌跡生長，得到若干條預(yù)測路線；步驟3軌跡的選擇通過對若干條預(yù)測路線的時間長度比較以及剔除噪聲軌跡，獲得足球在視頻中零散間斷的運動軌跡片段；步驟4軌跡的連接將若干條運動軌跡片段逐一連接，得到完整足球運動軌跡，從而實現(xiàn)了足球的檢測與跟蹤。
2. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的候選球集合是 指原始視頻圖像中所有與球視覺特征相似的對象以及待跟蹤目標(biāo)球。
3. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的種子三元組是 指在視頻中連續(xù)三幀圖像某位置附近都出現(xiàn)了候選球?qū)ο蟆?br> 4. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的尋找種子三元 組是指 a) 以第二幀作為起始，以該幀中的候選球的對象位置為中心，以候選球在每幀中的運 動范圍作為該幀的搜索區(qū)域；b) 尋找當(dāng)前幀的前后相鄰幀中是否有候選球落入所確定的搜索區(qū)域里bl)當(dāng)候選球落入搜索區(qū)域，則判斷該幀是否包含在已知軌跡中，當(dāng)未包含在已知軌跡 中，則以當(dāng)前幀及其前后相鄰幀初始化為一條新的軌跡，并記錄所述三幀中每個軌跡點的 位置；b2)當(dāng)候選球不在搜索區(qū)域，則以當(dāng)前幀的后一幀作為對象重復(fù)步驟a)。
5. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的預(yù)測驗證的方 式是指先通過卡爾曼濾波器對軌跡中下一幀的對象進(jìn)行預(yù)測，然后以此預(yù)測的結(jié)果為中 心，在某個范圍了搜索候選球，以此來驗證出這個候選球是否在這條軌跡上。
6. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的剔除噪聲軌跡是指依據(jù)預(yù)測路線的排列順序，當(dāng)相鄰兩預(yù)測路線在時空域相交，則求出兩預(yù)測路線的時間長度，然后將時間長度較長的預(yù)測路線保留作為運動軌跡片段，時間長度較短的預(yù)測路 線作為噪聲軌跡剔除。
7. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的逐一連接是指4. 1)直接利用卡爾曼濾波預(yù)測，對步驟3得到的若干條運動軌跡片段進(jìn)行前向預(yù)測延 長計算和后向預(yù)測延長計算，得到延長后運動軌跡片段；4. 2)計算出每兩條相鄰的延長后運動軌跡片段在預(yù)測區(qū)間內(nèi)相距最近的間距，并記錄 此間距對應(yīng)兩條延長后運動軌跡片段上對應(yīng)的兩個預(yù)測點；4. 3)對兩條相鄰的延長后運動軌跡片段進(jìn)行平滑填充，得到完整足球運動軌跡。
8. 根據(jù)權(quán)利要求1所述的基于運動軌跡的跟蹤方法，其特征是，所述的平滑填充是指 通過軌跡平滑的方式，補(bǔ)充兩分離軌跡之間對象的具體位置i)當(dāng)?shù)玫降膬深A(yù)測點所對應(yīng)的時間點相同時，將滿足向前預(yù)測條件的延長后運動軌跡片段的該時間點以前部分以及滿足向后預(yù)測條件的延長后運動軌跡片段的該時間點以后 部分分別作為該時間點的前后平滑填充片段，得到完整足球運動軌跡；該時間點對象在軌 跡上的值由兩軌跡在該時間點的預(yù)測的均值來表示；ii)當(dāng)?shù)玫降膬深A(yù)測點所對應(yīng)的時間點不同時，將滿足向前預(yù)測條件的延長后運動軌 跡片段的前一時間點以前的部分以及滿足向后條件的延長后運動軌跡片段的后一時間點 以后的部分分別作為該時間點的前后平滑填充片段；在兩預(yù)測點所對應(yīng)的兩個時間點之間 的部分采用簡單的一維線性插值的方式進(jìn)行填充，插值的兩個端點就是上述的兩預(yù)測點， 得到完整足球運動軌跡。
全文摘要
一種視頻圖像處理技術(shù)領(lǐng)域的基于運動軌跡的跟蹤方法，包括候選球的檢測；軌跡的生成；軌跡的選擇；軌跡的連接。本發(fā)明通過提取圖像中的色度分量和飽和度分量來計算顏色距離，忽略亮度分量，這樣可以消除光照變化對檢測結(jié)果所造成的影響；利用空間背景顏色信息的相關(guān)性，有效地提高了對象粗選的精確度和有效性；利用長度特征對軌跡進(jìn)行選擇，簡化了軌跡選擇的復(fù)雜度，提高了整個檢測跟蹤系統(tǒng)的處理速度；在不同的情形下采用不同的策略對軌跡進(jìn)行連接，能更精確地預(yù)測出漏檢的對象。
文檔編號G06T7/20GK101794451SQ201010123128
公開日2010年8月4日 申請日期2010年3月12日 優(yōu)先權(quán)日2010年3月12日
發(fā)明者余弦, 劉景能, 崔國慶, 曾貴華 申請人:上海交通大學(xué)