[發(fā)明專利]一種運動球體的識別方法、裝置及存儲介質(zhì)有效
| 申請?zhí)枺?/td> | 201711260441.5 | 申請日: | 2017-12-04 |
| 公開(公告)號: | CN108009504B | 公開(公告)日: | 2020-06-26 |
| 發(fā)明(設(shè)計)人: | 陳南款;和銳;劉定;劉豐寧 | 申請(專利權(quán))人: | 深圳市贏世體育科技有限公司 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/62;G06T7/246 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 518000 廣東省深圳市福田區(qū)*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 運動 球體 識別 方法 裝置 存儲 介質(zhì) | ||
本發(fā)明一種運動球體的識別方法、裝置及存儲介質(zhì),尤其是智能球場中球體運動軌跡的跟蹤識別方法;本方法采用如下步驟完成:開始→候選球體團塊→連續(xù)軌跡預(yù)關(guān)聯(lián)→SVM軌跡分類器判別?是!→球體檢測器再確認→是!確認球體→結(jié)束;SVM軌跡分類器判別、球體檢測器再確認?否!→非球體→結(jié)束;本方法綜合考慮球體運動的勻速、快速、線性三種特點,使用多幀的軌跡信息提取到最佳的特征組合,建立軌跡樣本庫訓(xùn)練SVM分類器,同時使用大量球體樣本訓(xùn)練了AdaBoost檢測器,本方法不需要設(shè)定固定的閾值,能夠有效去除穩(wěn)定噪聲的干擾,極大的提高了識別的準確率。
技術(shù)領(lǐng)域:
本發(fā)明涉及球體運動軌跡的跟蹤識別方法,尤其是智能球場中球體運動軌跡的跟蹤識別方法。
背景技術(shù):
運動球體目標(biāo)的識別是智能球場中非常重要的一個部分,它是球體目標(biāo)跟蹤的基礎(chǔ),只有準確的識別到運動的球體目標(biāo),才能進行后續(xù)的軌跡跟蹤和球體軌跡分析,因而具有很重要的作用。目前現(xiàn)有的方法有二種:1、利用單幀球體的紋理顏色信息和背景差來識別運動球體,這種方法由于存在噪聲和遮擋,僅依靠單幀識別目標(biāo)存在不穩(wěn)定性,容易造成目標(biāo)的誤識別。2、利用連續(xù)多幀進行預(yù)關(guān)聯(lián)得到預(yù)關(guān)聯(lián)鏈表,然后計算預(yù)關(guān)聯(lián)鏈表的最小二乘法線性誤差,由于快速目標(biāo)的線性二乘法誤差比穩(wěn)定噪聲的大,容易把穩(wěn)定噪聲誤判為目標(biāo),在設(shè)置固定的閾值時需要憑借豐冨的經(jīng)驗。
發(fā)明內(nèi)容:
本發(fā)明的目的在于提供一種抗干擾能力強、識別準確率高、不需要設(shè)定固定閾值的一種運動球體的識別方法、裝置及存儲介質(zhì)。
本方法采用如下步驟完成:開始→候選球體團塊→連續(xù)軌跡預(yù)關(guān)聯(lián)→SVM軌跡分類器判別?是!→球體檢測器再確認→是!確認球體→結(jié)束;SVM軌跡分類器判別、球體檢測器再確認?否!→非球體→結(jié)束;建立球體預(yù)關(guān)聯(lián)鏈表、噪聲預(yù)關(guān)聯(lián)鏈表→正樣本二維特征提取、負樣本二維特征提取→SVM軌跡分類器訓(xùn)練→輸出至SVM軌跡分類器;取待判決預(yù)關(guān)聯(lián)鏈表→預(yù)關(guān)聯(lián)鏈表的二維特征提取、輸入SVM軌跡分類器→球體預(yù)關(guān)聯(lián)鏈表判決→判決得到是否為運動球體;整理球體子圖正樣本庫、球體尺寸歸一化→整理非球體子圖負樣本庫(即分別整理正樣本庫和負樣本庫,并對正樣本的球體子圖進行尺寸歸一化)→球體AdaBoost檢測器訓(xùn)練→輸出至球體AdaBoost檢測器;將預(yù)關(guān)聯(lián)鏈表的最后節(jié)點子圖→子圖尺寸擴展得到W×H待檢測子圖、與球體AdaBoost檢測器→球體檢測器對待檢測子圖進行檢測→判決得到是否為球體目標(biāo)。
采用歸一化后的線性最小二乘誤差和歸一化后的速度方差兩個特征描述訓(xùn)練基于軌跡的SVM分類器。
采用軌跡信息和訓(xùn)練的SVM軌跡分類器對軌跡信息進行第一步判決,然后利用基于haar特征的AdaBoost檢測器進行再確認,最終綜合得到正確的判決結(jié)利果。
本方法綜合考慮球體運動的勻速、快速、線性三種特點,使用多幀的軌跡信息提取到最佳的特征組合,建立軌跡樣本庫訓(xùn)練SVM分類器,使用大量球體樣本訓(xùn)練了AdaBoost檢測器,不需要設(shè)定固定的閾值,能夠有效去除穩(wěn)定噪聲的干擾,極大的提高了識別的準確率。
附圖說明:
圖1是本發(fā)明軌跡SVM分類器訓(xùn)練圖;
圖2是本發(fā)明基于軌跡SVM分類器的運動球體軌跡判決圖;
圖3是本發(fā)明球體檢測器訓(xùn)練流程圖;
圖4是本發(fā)明基于球體檢測器的球體判決流程圖;
圖5是本發(fā)明運動球體識別的流程圖。
具體實施方式:
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深圳市贏世體育科技有限公司,未經(jīng)深圳市贏世體育科技有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711260441.5/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識別印刷或書寫字符或者用于識別圖形,例如,指紋的方法或裝置
G06K9-03 .錯誤的檢測或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個筆畫組成的,而且每個筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無須判定關(guān)于圖像的同一性而進行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合





