足球检测和跟踪-使用人工智能技术？

Question

我以前也问过类似的问题，但我觉得我的问题没有得到真正的回答。我正在使用Circle Hough变换来检测和跟踪一个球。然而，我现在需要额外的检查来找出检测到的圆圈是否真的是一个球。

我一直在考虑使用神经网络，Haar分类器，SVM之类的东西(即人工智能)。然而，它需要令人难以置信的健壮，由于我对这些AI技术是新手，我不确定哪种技术是最好和最健壮的，可以投入我的时间来学习。

我正在使用灰度高速相机来捕捉图像，我希望能够使用任何颜色/图案的足球。球也可能被部分遮挡。

如果你认为这些技术不合适，我愿意接受任何关于如何实现这一点的想法/建议。

感谢大家提前给予我的帮助，非常感谢！

Answer 1

请注意，这还没有经过测试。

一旦你提取了球的位置，你就可以得到它的轮廓。我的建议只适用于有较浅补丁和较深补丁(即五边形)的足球。

确定良好的二进制阈值，以获取白色和黑色补丁。做一些图像处理，如腐蚀或扩张，以消除缝线造成的补丁之间的裂缝。在球周围画一个白色的圆圈，以确保你的黑色补丁都不会被认为是“球上的洞”，你已经准备好抓住球内的轮廓了。主轮廓是由白色补丁组成的白色轮廓线，所有黑色轮廓都是深色补丁。

的弱点： Dirty ball可能会出现二进制阈值的问题，也许可以使用自适应阈值？

1.使用查找表/数学公式(？)对于黑色补丁大小和距离

黑色补丁的大小取决于离球中心的距离。向算法提供关于黑色补丁到中心的距离及其大小(这两个值都是相对于球的大小)的学习数据。

例如：

Ball in recorded frame has bounding box of 200x200 px and area of 30000px
Found 6 black patches inside:
patch 1 is in the middle (distance 0px from center) and has area of 600px
patch 2 is on the side (distance 50px from center) and has area of 150px
patch 3... patch 4... and so on

因此，您可以在查找表中添加数据：

distance = 0% -> area = 2%
distance = 25% -> area = 0.5%
distance = ... -> area = ...
and so on

现在，当你检查你检测到的东西是否是一个球时，检查它们的黑色补丁大小。如果它们的大多数大小和到球中心的距离都在可接受的范围内，则检测到的对象是球。

2.检查轮廓形状

您可以使用cvApproxPoly检查每个等高线。如果大多数黑色轮廓是五边形，那么它就是一个球。

Answer 2

使用OpenCV构建自己的分类器。下面是如何实现的：http://johnallen.github.io/opencv-object-detection-tutorial/

困难的部分是获得足球的任何颜色/图案的一组完整的正面图像。