基于區(qū)域生長(zhǎng)法的太極拳競(jìng)賽場(chǎng)地分割算法

孫瑞陽(yáng) 孫玉濱 段煉 趙藍(lán)飛

【摘要】本文提出一種基于區(qū)域生長(zhǎng)的太極拳競(jìng)賽場(chǎng)地分割算法。首先，將彩色太極拳競(jìng)賽圖像轉(zhuǎn)換到Y(jié)CbCr空間;其次，利用大津法進(jìn)行閾值分割得到競(jìng)賽場(chǎng)地的種子區(qū)域;最后，以種子區(qū)域作為起始，利用區(qū)域生長(zhǎng)法分割出太極拳競(jìng)賽場(chǎng)地區(qū)域。實(shí)驗(yàn)結(jié)果驗(yàn)證本文算法的有效性。

【關(guān)鍵詞】 ? ?太極拳競(jìng)賽場(chǎng)地分割 ? ?區(qū)域生長(zhǎng)法 ? ?種子區(qū)域

Taijiquan competition ground segmentation algorithm based on region grow

Sun Rui-yang1， Sun Yu-bin1， Duan Lian2， Zhao Lan-fei3

（1. College of National Traditional Sports， Harbin Sport University， Heilongjiang Harbin 150008;

2. Financial Department， Harbin Sport University， Heilongjiang Harbin 150008;

3. The Higher Educational Key Laboratory for Measuring and Control Technology and Instrumentations of Heilongjiang Province， Harbin University of Science and Technology， Heilongjiang Harbin 150080）

Abstract： ?This paper proposes a Taijiquan competition ground segmentation algorithm based on Ransac model. Firstly， taijiquan competition image is transformed into YCbCr color space. Secondly， Otsu is employed to estimate the threshold which segments the competition ground into seed region. Finally， region grow is employed to segment the taijiquan competition which begins from the seed region. Experimental results verify the effect of the proposed algorithm.

Keywords： ?taijiquan competition field segmentation; region grow; seed region

引言

隨著科技的不斷進(jìn)步和發(fā)展，體育競(jìng)賽也逐漸融入了許多科技因素從而使體育運(yùn)動(dòng)變得科技化、智能化。典型的體育科技包括：科學(xué)訓(xùn)練、管理技術(shù)，自動(dòng)化體育項(xiàng)目評(píng)分系統(tǒng)，鷹眼系統(tǒng)，視頻輔助裁判系統(tǒng)等。這些科學(xué)技術(shù)可以輔助運(yùn)動(dòng)員科學(xué)化訓(xùn)練，在競(jìng)賽過(guò)程中減少人為主觀因素造成的誤判現(xiàn)象。作為中華民族傳統(tǒng)體育項(xiàng)目，太極拳運(yùn)動(dòng)也在不斷嘗試逐步現(xiàn)代化并推廣到全世界。但是，人為主觀因素容易影響太極拳競(jìng)賽的評(píng)分過(guò)程。因此，通過(guò)計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)太極拳競(jìng)賽動(dòng)作打分是傳統(tǒng)武術(shù)界的研究熱點(diǎn)問(wèn)題。自動(dòng)評(píng)分系統(tǒng)主要分為以下三個(gè)過(guò)程：太極拳競(jìng)賽區(qū)域分割，運(yùn)動(dòng)員姿態(tài)估計(jì)，姿態(tài)匹配與評(píng)價(jià)。在這三個(gè)過(guò)程中，太極拳競(jìng)賽區(qū)域分割的好壞直接決定自動(dòng)評(píng)分系統(tǒng)是否能夠區(qū)分正在比賽中的運(yùn)動(dòng)員目標(biāo)、非競(jìng)賽人員目標(biāo)。因此，太極拳競(jìng)賽區(qū)域分割是非常重要。本文提出一種基于區(qū)域生長(zhǎng)的太極拳競(jìng)賽場(chǎng)地分割算法。通過(guò)對(duì)太極拳競(jìng)賽圖像進(jìn)行基于Cb通道和Cr通道的二維大津法從而獲得區(qū)域生產(chǎn)的起始種子區(qū)域。以區(qū)域生長(zhǎng)法作為太極拳場(chǎng)地分割的核心算法，對(duì)起始種子區(qū)域進(jìn)行不斷地區(qū)域生產(chǎn)，從而實(shí)現(xiàn)太極拳競(jìng)賽場(chǎng)地分割。實(shí)驗(yàn)結(jié)果驗(yàn)真本文算法可以有效地分割太極拳競(jìng)賽區(qū)域，且分割出競(jìng)賽場(chǎng)地與真實(shí)太極拳競(jìng)賽場(chǎng)地之間相似度較高。

一、本文算法

1.1 ?色彩轉(zhuǎn)換模型

假設(shè)輸入的太極拳競(jìng)賽圖像由R、G、B三通道構(gòu)成，則由RGB空間轉(zhuǎn)換為YcbCr空間的表達(dá)式如式（1）所示：

（1）

其中Y、Cb、Cr分別對(duì)應(yīng)于轉(zhuǎn)換后的亮度和兩個(gè)色差通道數(shù)據(jù)。為了便于后續(xù)數(shù)據(jù)處理，這里將Cb和Cr通道數(shù)據(jù)進(jìn)行歸一化，從而使這兩個(gè)通道的數(shù)據(jù)范圍調(diào)整到0和1之間。

1.2 ?二維大津法確定種子區(qū)域

對(duì)由Cb，Cr數(shù)據(jù)通道形成的二維矩陣進(jìn)行二維OTSU算法。定義二維直方圖P（b，r），其中符號(hào)b代表Cb通道色階值，r代表Cr通道色階值。前景（種子點(diǎn)）的概率可以表示為：

（2）

其中u和v分別代表Cb和Cr通道的色階閾值，用于區(qū)分前景和背景?；叶染底兞靠梢员硎緸椋?/p>

（3）

通過(guò)如式（4）所示的表達(dá)式確定最佳的二維門(mén)限值

（4）

二維OTSU算法的具體步驟為：

1）建立二維直方圖P（b， r），其中符號(hào)b代表Cb通道色階值，r代表Cr通道色階值;

2）對(duì)二維直方圖P進(jìn)行全局搜索，從而計(jì)算全部如式（4）所示的矩陣離散度;

3）在全部矩陣測(cè)度中搜索最大的測(cè)度值，并確定最優(yōu)的二維門(mén)限值。

1.3 ?區(qū)域生長(zhǎng)法分割太極拳競(jìng)賽區(qū)域

通過(guò)如式（4）所示的表達(dá)式得到二維門(mén)限的最估計(jì)后，對(duì)各個(gè)像素點(diǎn)進(jìn)行門(mén)限判斷即可得到很多具有可以被當(dāng)做種子點(diǎn)的候選點(diǎn)。這里將具有空間相鄰關(guān)系的候選點(diǎn)進(jìn)行合并，得到多個(gè)大小不同的候選區(qū)域。將面積最大的候選區(qū)域作為種子區(qū)域，并進(jìn)行區(qū)域生長(zhǎng)即可得到最終的太極拳競(jìng)賽區(qū)域。區(qū)域生長(zhǎng)法的步驟如下所示：

1）以O(shè)TSU方法確定的種子區(qū)域作為區(qū)域生長(zhǎng)的起始區(qū)域;

2）選取任意一個(gè)起始區(qū)域邊界像素的區(qū)域外具有空間相鄰關(guān)系的鄰域像素，判斷該鄰域像素的亮度與區(qū)域平均亮度之間的歐式距離是否小于事先設(shè)定好的門(mén)限值。如果歐氏距離小于門(mén)限值，則將該鄰域像素加入?yún)^(qū)域內(nèi);

3）選取下一個(gè)鄰域像素，更新區(qū)域的平均亮度值;

4）重復(fù)步驟2），步驟3）直到遍歷完全部邊界相鄰像素為止，此時(shí)得到一個(gè)新的起始區(qū)域;

5）重復(fù)步驟2、步驟3），步驟4）直到區(qū)域邊界的全體鄰域像素與區(qū)域的歐式距離均小于門(mén)限值為止。

二、實(shí)驗(yàn)結(jié)果與分析

本文通過(guò)Matlab2013對(duì)競(jìng)賽區(qū)域算法進(jìn)行仿真驗(yàn)證。實(shí)驗(yàn)采用的硬件平臺(tái)處理器是Intel公司推出的i5-9400F，內(nèi)存16G，顯卡是Nvidia推出的GTX1050Ti。實(shí)驗(yàn)部分對(duì)比Hung算法[1]，Homayounfar算法[2]以及本文算法。各算法對(duì)于場(chǎng)景一的分割結(jié)果如圖1所示。

由圖1可知Hung算法的區(qū)域分割能力較差。Homayounfar算法分割效果較為有限，非場(chǎng)地區(qū)域像素也被錯(cuò)判為場(chǎng)地內(nèi)的像素;本文算法的分割效果高于前兩種算法。表1對(duì)比了兩個(gè)場(chǎng)景下競(jìng)賽場(chǎng)地分割結(jié)果對(duì)應(yīng)的準(zhǔn)確率、召回率、交并比。

三、結(jié)論

本文提出一種基于區(qū)域生長(zhǎng)的太極拳競(jìng)賽場(chǎng)地分割算法。該算法利用色彩轉(zhuǎn)換模型將RGB格式的太極拳競(jìng)賽圖像轉(zhuǎn)化為YCbCr空間的色彩數(shù)據(jù)。整合H通道和S通道數(shù)據(jù)為一個(gè)二維顏色數(shù)組，利用二維大津法對(duì)該二維顏色數(shù)據(jù)進(jìn)行閾值分割，從而確定區(qū)域生長(zhǎng)法的起始種子點(diǎn)區(qū)域。最后，以起始種子點(diǎn)區(qū)域作為區(qū)域生產(chǎn)的奇點(diǎn)，不斷進(jìn)行多次區(qū)域生長(zhǎng)直到達(dá)到區(qū)域生長(zhǎng)的停止條件為止。此時(shí)生產(chǎn)出的區(qū)域即為最終的太極拳競(jìng)賽場(chǎng)地區(qū)域。實(shí)驗(yàn)結(jié)果驗(yàn)證本文算法分割的太極拳競(jìng)賽區(qū)域與真實(shí)的場(chǎng)地區(qū)域重合度較高。

參 ?考 ?文 ?獻(xiàn)

[1] Hung M H， Hsieh C H， Kuo C M， et al. Generalized playfield segmentation of sport videos using color features[J]. Pattern Recognition Letters， 2011， 32（7）： 987-1000.

[2] Homayounfar N， Fidler S， Urtasun R. Sports field localization via deep structured models[J]. 2017 IEEE Conference on Computer Vision and Pattern Recognition， 2017： 4012-4020.

孫瑞陽(yáng)（1989-），女，講師，碩士，主要研究方向?yàn)槲湫g(shù)與人工智能、武術(shù)比賽視頻運(yùn)動(dòng)員目標(biāo)檢測(cè)、人體姿態(tài)識(shí)別。

孫玉濱（1962-），男，教授，碩士，主要研究方向?yàn)槲湫g(shù)與民族傳統(tǒng)體育、武術(shù)信息化、武術(shù)國(guó)際傳播。

段煉（1984-），男，講師，碩士，主要研究方向?yàn)檫\(yùn)動(dòng)訓(xùn)練、運(yùn)動(dòng)科學(xué)等。

趙藍(lán)飛（1985-），男，講師，博士，主要研究方向?yàn)橐曨l目標(biāo)檢測(cè)、嵌入式系統(tǒng)設(shè)計(jì)、高動(dòng)態(tài)范圍圖像處理等。

基金項(xiàng)目：2018年黑龍江省省屬本科高?；究蒲袠I(yè)務(wù)費(fèi)項(xiàng)目資助（2018KYYWF-PY07）;黑龍江省普通高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助（LGYC2018JC050）資助課題