籃球運動快速位移圖像自適應定位方法*

荀盛龍， 康文峰

(1. 內蒙古工業大學 體育教學部， 內蒙古 赤峰 010051； 2. 河南科技大學 體育學院， 河南 洛陽 471023)

目標定位為計算機視覺領域的重要技術，被廣泛應用于體育運動信息圖像分析中.在籃球比賽中，受到籃球快速移動及復雜背景的影響，很難有效實現籃球定位[1-2].

近年來，有關運動圖像定位的研究很多，并取得了一定的研究成果.如依據顏色空間進行運動圖像定位，該方法具備一定的魯棒性，但計算復雜度較高，受外界環境的干擾大，不適于實際應用[3-4]；依據線性加權實現運動圖像定位時，利用線性加權把視覺特征值融合至目標定位中，可以有效實現定位，但針對復雜運動圖像存在偏差，定位準確性較低[5].

本文提出一種新的籃球運動快速位移圖像自適應定位方法.對圖像互能量譜進行反轉換獲取沖擊函數，得到背景運動偏移量，并對其進行補償.為了避免空洞現象的出現，依據灰度閾值技術，通過變背景幀間差分法對背景模板和當前幀籃球運動圖像進行差分，獲取當前幀快速位移區域.在此基礎上，將種子像素當成生長的起點，把種子像素鄰域中和種子像素相似的像素聚集在種子像素所處區域中，把新像素看作新的種子像素，得到包含快速位移目標的區域完成定位.為了防止丟幀誤差出現，本文通過異常值采集法對丟幀誤差進行消除.

1 籃球運動快速位移區域檢測方法

1.1 背景運動偏移量確定

在籃球運動圖像出現快速位移的情況下，若能求出其位移量即可達到圖像匹配的目的，為籃球運動快速位移圖像自適應定位提供依據[6].假設籃球運動圖像g2(x，y)是圖像g1(x，y)移動(x0，y0)距離后的圖像，即g2(x，y)=g1(x-x0，y-y0)，則相應傅里葉變換F1與F2之間的關系可描述為

F2(x，y)=e-j2π(x0+y0)F1(x，y)

(1)

兩幀籃球運動圖像互能量譜可描述為

(2)

F-1(H(x，y))=F-1(ej2π(x0+y0))=

λ(x-x0，y-y0)

(3)

完成對互能量譜的反轉換可獲取沖擊函數，在兩幅籃球運動圖像出現偏移的情況下，該函數會出現顯著的尖銳峰值，從而獲取背景運動偏移量.

1.2 籃球運動區域檢測

背景差分法通過背景模板和當前幀籃球運動圖像進行差分，獲取當前幀快速位移區域，若當前幀背景像素出現很大改變，通常會失去檢測區域[10]；幀間差分法對相鄰兩幀進行差分處理，受光照等干擾較小，然而無法采集快速移動目標相關的特征像素點，在很大程度上會出現空洞現象[11-12].本文依據灰度閾值技術提出變背景幀間差分法.

首先對籃球視頻圖像進行截取，并對其進行灰度化處理，獲取的圖像像素總量用G表示.讀入初始幀灰度圖像g(xi，0)，將其看作背景圖像，其中{xi}代表序列化灰度像素點(i=1，2，…，G).

選取某一時刻籃球運動灰度圖像g(t)作為背景圖像，獲取灰度化閾值運動目標序列為

(4)

式中，ξ為差分閾值，取值范圍為[0，255].為了降低籃球運動圖像相鄰兩幀間可能出現的背景光纖變化等噪聲干擾，在兩幀間像素插值低于ξ的情況下，假設目標值是0；在差值高于ξ的情況下，認為是快速位移圖像區域.

若要使背景隨快速位移目標的運動逐漸改變，需完成對背景模板的更新處理，新背景模板包括當前幀背景點與被遮擋原背景幀像素點.計算公式為

(5)

通過上述過程對籃球運動快速位移圖像目標區域進行檢測，為目標定位提供依據.

蘇楠每次去看楊小水，都很順利。她不吝小錢，讓小周提前備幾包煙，順手甩給帶楊小水到訊問室的警察。看守所的警察都喜歡蘇楠。

2 圖像自適應定位實現

2.1 快速位移目標定位過程

籃球運動快速位移圖像定位即是通過對快速位移目標的最小框標識，為后續目標跟蹤提供依據.

通過區域生長法實現籃球運動快速位移圖像自適應定位[13]，在籃球運動區域檢測的基礎上，將種子像素當成生長的起點，把種子像素鄰域中和種子像素相似的像素聚集在種子像素所處區域中，把新像素看作新的種子像素，重復上述過程，直至無符合條件的像素可被選擇，則表示完成了對快速位移目標的定位.

當前獲取的籃球運動快速位移目標位置記作{(i0，j0)，(i1，j1)，…，(iQ，jQ)}，其中Q=l-1，獲取(i，j)中的最大值和最小值為

(6)

(7)

獲取包含快速位移目標的最小框，其范圍在{(i，j)|imin≤i≤imax，jmin≤j≤jmax}內.

在上述分析的基礎上，按照中心計算公式獲取目標中心，實現籃球運動快速位移圖像自適應定位，即

(8)

式中：T為籃球運動快速位移圖像目標最小區域；B為二值化的灰度值.

2.2 丟幀誤差消除

籃球運動快速位移圖像在采集、匹配及后續處理經歷的流程很多，可能導致丟幀誤差出現.本節通過異常值采集法對丟幀誤差進行消除[14]，通常在采集圖像時，拍攝頻率較短，相鄰兩幅圖像運動參數出現改變時需保證其一直處于一定范圍內.按照籃球運動快速位移圖像產生的頻率得到相鄰兩幀運動參數間差值的最高值，記作Δ，通過第Im+r幀運動參數是否滿足式(9)對該幀是否存在異常進行判斷，即

Im+r

(9)

式中：Im為第m幀籃球運動快速位移圖像運動模糊參數；r為常數，一般取5.

若判定某幀出現異常，利用插值法對異常值進行修正，即

(10)

把u=φ=1代入式(10)，如果Im-1或Im+1仍為異常值，則把u和φ加1繼續求解，直至得出非異常值.

3 實驗結果分析

為了驗證本文提出方法的有效性，在Windows 2003環境下，通過VC++6.0與MATLAB對程序進行開發，并進行仿真實驗.

實驗使用尺寸是450×500的籃球運動快速位移圖像序列，采用本文方法對籃球目標進行定位.實驗設置籃球位移圖像目標最小區域T為384×288，通過3幀圖像配準，同時完成平均差分計算，定位所需時間為2～8 ms.

圖1為籃球運動快速位移圖像中相鄰兩幀圖像；圖2為圖1中圖像相應的傅里葉變換幅度譜；圖3為兩幀圖像的離散相位相關函數，可以獲取圖像偏移量；圖4為通過區域判決及丟幀誤差消除得到的最終籃球目標檢測結果.

圖1 籃球運動快速位移圖像中相鄰兩幀圖像Fig.1 Images of two adjacent frames in fastdisplacement images of basketball sport

綜合分析圖1～4可以看出，采用本文方法對籃球運動快速移動圖像定位得到的結果清晰準確，不受外界環境及復雜背景的干擾，定位性能優良.

為了進一步驗證本文方法的有效性，將本算法與紋理特征方法、線性加權方法進行對比，將120幅籃球運動快速位移圖像作為研究對象進行均值定位測試，定位效果比較如表1所示.

圖2 傅里葉變換幅度譜Fig.2 Fourier transform amplitude spectrum

圖3 兩幀圖像離散相位相關函數Fig.3 Discrete phase correlation functionof two frame images

圖4 目標定位結果Fig.4 Target location result

方法目標變形椒鹽噪聲dB與實際位置的偏差本文方法偏離860.109紋理特征方法偏離901.923線性加權方法偏離950.639

由表1可知，在目標出現偏離變形的情況下，紋理特征方法和線性加權方法無法有效定位籃球目標，而本文方法受變形影響小，仍可有效定位，抗噪能力也顯著高于其它兩種方法，說明本文方法魯棒性較高.不僅如此，本文方法定位結果和實際結果之間的距離偏差最小，驗證了本文方法的定位準確性，紋理特征方法因受地面顏色干擾定位誤差大.

為了進一步驗證本文方法定位的準確性，將精度、查全率、F測量與平均絕對誤差作為衡量指標進行測試.精度P代表正確定位籃球運動快速位移圖像像素數量占整個被認為是定位像素總量的比例；查全率R代表正確定位像素數量占標準定位結果像素總量的比例；F測量是定位精度優劣的體現.精度、查全率和F測量計算表達式為

(11)

(12)

(13)

式中：TP為被正確定位的籃球運動快速位移圖像像素數量；FP為被錯誤定位的籃球運動快速位移圖像像素數量；FN為被錯誤定位為非籃球運動快速位移目標的圖像像素數量；β為種子像素的閾值度數，β2一般取0.6.

平均絕對誤差指標越低，認為定位精度越高，其表達式為

(14)

式中：p、q分別為定位結果S(x，y)的長和寬；GT(x，y)為人工定位標準結果.

將本文方法與紋理特征方法、線性加權方法進行精度、查全率、F測量與平均絕對誤差進行統計，得到的結果如表2所示.

表2 三種方法定位測試比較Tab.2 Comparison in location testbetween three methods

分析表2可知，本文方法查全率為82.31%，略高于紋理特征方法的71.32%和線性加權方法的59.89%，但精度和F值明顯高于紋理特征方法和線性加權方法，且本文方法平均絕對誤差最低，驗證了本文方法的有效性.

4 結 論

針對傳統方法受外界環境的干擾較大，定位精度低的弊端，提出一種新的籃球運動快速位移圖像自適應定位方法.得到背景運動偏移量后，依據灰度閾值技術，通過變背景幀間差分法得到當前幀快速位移區域.在此基礎上，通過區域生長法實現籃球運動快速位移圖像自適應定位，利用異常值采集法對丟幀誤差進行消除.實驗結果表明，所提方法抗噪能力高，定位結果準確.