籃球運動員的追蹤與分析

盧仕林

摘? 要：針對籃球訓練特點，開發(fā)了一種新的訓練方法，從一場籃球比賽的視頻中跟蹤10名不同運動員的動作。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計防御和攻擊的策略?？偟膩碚f，我們的模式在賽場上有一個高度的識別和跟蹤球員。

關鍵詞：籃球運動員? 追蹤? 分析

中圖分類號：G841? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號：2095-2813（2019）03（b）-0042-02

在團隊運動比賽中，自動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，球隊在集團化方面投入了更多的資金。某些統(tǒng)計數(shù)據(jù)，如比賽中的距離，可以提供有關球員健康狀況的信息。此外，運動員對于實際檢測的陣型和策略的捕捉，很可能會給出球隊戰(zhàn)略性的指導。我們的項目是相關的，因為它能夠關于球員在球場上的位置的信息，以及與每支球隊的比賽風格有關的數(shù)據(jù)。這些信息對于贏得比賽是至關重要的。更廣泛地說，可以適應跟蹤任何體育比賽的球員。

1? 視頻追蹤系統(tǒng)的工作流程

支持向量機的特征對行人檢測的正確率約為70%。然而，對于這個特殊的應用，探測器的精度預計會更小，因為可以掉下來以跳躍獲得球，因此不會被探測器檢測到。因此，當檢測器失敗時，需要一個冗余系統(tǒng)來檢測運動員。為此，建立了一個基于顏色的檢測器和分類器。這個基于顏色的檢測器根據(jù)球衣的顏色來檢測球員。這個探測器的用途是兩次折疊。首先，可根據(jù)隊員隊伍對運動員進行分類，并排除其他可能被豬檢測到的“行人”，如裁判員、教練。其次，顏色檢測器應該識別盒中的運動員。很多時候，有些運動員會太接近或者被其他運動員部分阻礙。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區(qū)域。在更大的圖像中，像以前的項目中所做的那樣，在整個球場上檢測球員。因此，其他對象可能具有相同顏色的球員的球衣，如細節(jié)在地板上的類型在籃球場上發(fā)現(xiàn)的球員，不會像使用整個框架那樣經常被檢測到。顏色檢測器通過在空間中使用閾值來執(zhí)行檢測?？臻g的選擇反對運動的動機是，能夠更好地區(qū)分顏色的變化，而不是飽和度和亮度。例如，給出一組包含兩隊球員、裁判員、觀眾等的圖片。所有的直方圖用方法計算閾值。根據(jù)兩支球隊的顏色不同，可能需要一個以上的閾值來區(qū)分運動員所出現(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，就可以導出用于顏色檢測的邏輯表達式。因此，可以通過要求色調來區(qū)分黃色和白色。

飽和度坐標要高于它們各自的黃色閾值，低于某個閾值的白色。示出了白色和黃色的顏色檢測過程。一旦從訓練數(shù)據(jù)集確定閾值，顏色檢測就可以執(zhí)行得相當快，因為它基本上包括比較和邏輯操作。例如，與小于5%的圖像區(qū)域相對應的框被忽略。在這些不同的場景中，將調用基于顏色的檢測器來查找錯過的捕捉景象。在檢測中添加播放器和丟棄播放機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)，下一個目標是通過單個運動員的幀定位來建立一個框架，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。因為這些幀是在24fps的速度，球員從一個幀到下一個幀的位置是高度相關的。因此，檢測到的這些框將具有很高的重疊。在這種情況下，此播放器的位置將被更新。在這個場景中，運動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，并不能檢測到每個幀中的每個運動員可以在移動和模糊蹲下或在某種程度上是無法察覺的動作。如果顏色檢測器可以識別在此框內具有相同球衣的球員，則它將此播放器匹配到此新位置。如果多個運動員為在這個情境里，它與這個運動員最接近的位置相匹配。因此，丟失一個的檢測框架并不會導致球員的位置丟失。接下來的兩種場景雖然有很大的不同，但有一個類似的解決方案。最初沒有在第一個幀中檢測到一個播放器，而是在稍后的時間發(fā)現(xiàn)了一個播放器。

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)分他們作為單獨的球員。例如，在第一幀中，可以在圖中區(qū)分出黃隊中的5個單獨的球員。然而，因為球員們會聚在一起，只有低質量在圖中是可以區(qū)分的3場比賽。因此，信息就丟失了。這些場景有一個組合解決方案，一個最小距離相關器。在每一個框架上，盒子和位置是始終在轉換的。如果一名球員被扔下，經過一段時間后，探測器會再次發(fā)現(xiàn)他。因為前一幀中沒有一個盒子與他相關，所以他將沒有確定位置。該算法檢查是否一個球員已經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)。如果這個運動員是在任何一個之前被掉落的運動員的距離之內，那么他就會回到原來的運動員，解決掉球的問題。但是，如果沒有先前的球員在此當前播放器的范圍內，將一個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導致錯誤的最小距離猜測。球員們在球場上合二為一，解決掉球的問題特別困難。運動員的動作變化很快，確實會變得復雜，使用運動員的原始動作是不可靠的，不能將丟失的球員匹配到先前的算法對相機抖動也很敏感幀中。解決這個添加和刪除問題的最佳解決方案是擁有多個穩(wěn)定的攝像機視點，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，最后一步與每個球員在球場自上而下視圖中的位置投影有關。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。作為一個例子，顯示了球員的熱圖位置隨著比賽的進展。球隊的位置與視頻是一致的，因為我們可以看到，在整個比賽過程中，白隊仍然在防守上，而黃隊只越過白隊的防線得分?？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，這表明我們的運動員檢測和同調是協(xié)同工作的，以便提供與球場上球員位置有關的有用數(shù)據(jù)。球員的動作似乎與穿過球場的一名球員的視頻動作是一致的，通過多個不同的標志因素。其他運動員仍然被正確的標記和識別?？梢钥吹筋伾指詈透櫵坪跏且环N可行的方法，可以在整個球場跟蹤這個球員。

3? 結語

本文通過設計新型的運動視頻捕捉系統(tǒng)，可以在視頻中準確地檢測籃球運動員，并且能夠準確地把他們放在一個2D的最高視野的顯示影像上球員的運動的狀態(tài)。我們利用顏色分割中的檢測器的關聯(lián)，取得了這樣的結果。這個項目的未來工作將是更好地調整顏色分割閾值，避免偽影識別，提高跟蹤系統(tǒng)的精度。

參考文獻

[1] 龔然，陳聽，岳小祺，等.不同運動強度對籃球運動員多目標追蹤影響及眼動分析[J].天津體育學院學報，2016，31（4）：358-363.

[2] 魏柳青，張學民.多身份追蹤中基于范疇的分組效應[J].心理科學進展，2014，22（9）：1383-1392.

[3] 李軍.目標數(shù)量對籃球運動員視覺追蹤表現(xiàn)的影響[J].天津體育學院學報，2012，27（2）：133-137.