[发明专利]针对运动场所进行视频采集的自动控制方法

说明书

本申请公开了一种针对运动场所进行视频采集的自动控制方法，包括：针对运动场所周期性采集图像；利用训练好的人工神经网络模型处理采集的图像从而判断运动场所中是否有人在运动；若有人在运动，则启动视频采集；否则，不启动视频采集。本申请实施例提供的针对运动场所进行视频采集的自动控制方法，利用训练好的人工神经网络模型处理采集的图像从而判断运动场所中是否有人在运动，根据判断结果自动控制是否启动视频采集，克服了现有技术的极易受环境影响且受限于环境复杂度需要调整阈值的缺陷，能够实现对运动场所进行视频采集的精确自动控制，精确度和反应灵敏度均能够满足实际应用的需要。

技术领域

本申请涉及图像处理技术领域，具体涉及一种针对运动场所进行视频采集的自动控制方法。

背景技术

在体育场所中，经常需要进行视频采集，其目的主要是为了保存精彩的运动瞬间以及应用于运动场景下的教学和运动领域的社交以及直播等。但是运动场馆有时候会有空闲无人的时间段。如果一直开启视频录制会造成带宽的浪费和垃圾数据的产生对于后期的视频回放等产生不良的影响。所以需要一种能检测到运动场馆是否为闲时的方法来控制运动场馆下视频是否需要被采集。

目前对于运动场馆视频采集开关的方法主要通过帧差法和背景差分两种方法实现。

帧差法是最为常用的运动目标检测和分割方法之一，基本原理就是在图像序列相邻两帧或三帧间采用基于像素的时间差分通过阈值化来提取出图像中的运动区域。首先，将相邻帧图像对应像素值相减得到差分图像，然后对差分图像二值化，如果对应像素值变化小于事先确定的阈值时，可以认为此处为背景像素；如果图像区域的像素值变化很大，超过了设置的阈值，则认为这是由于图像中运动物体引起的，将这些区域标记为前景像素，利用标记的像素区域可以确定运动目标在图像中的位置。

帧差法的不足在于对环境噪声较为敏感，阈值的选择相当关键，选择过低不足以抑制图像中的噪声，过高则忽略了图像中有用的变化。对于比较大的、颜色一致的运动目标，有可能在目标内部产生空洞，无法完整地提取运动目标。

背景差分法是一种有效的运动对象检测算法，基本思想是利用背景的参数模型来近似背景图像的像素值，将当前帧与背景图像进行差分比较实现对运动区域的检测，其中区别较大的像素区域被认为是运动区域，而区别较小的像素区域被认为是背景区域。背景差分法必须要有背景图像，并且背景图像必须是随着光照或外部环境的变化而实时更新的，因此背景差分法的关键是背景建模及其更新。

背景差法的不足：由于现场场景的复杂性、不可预知性以及各种环境干扰和噪声的存在，如光照的突然变化、实际背景图像中有些物体的波动、摄像机的抖动、运动物体进出场景对原场景的影响等，使得背景的建模和模拟变得比较困难。以上两种方法都是通过阈值的结果去判断当前运动场所是不是闲时，从而决定是不是需要去录制并上传视频到服务端，所以在不同的环境下，需要不同的数值来作为判断的阈值。由于场景的复杂性与不可预知性，环境光对阈值的影响比较大，所以很难去确定这个阈值的值到底是多少从而会影响算法输出的结果的正确性。而且在视频采集的过程中还需要人员去调试阈值，这样增加了成本。

发明内容

本申请的目的是提供一种针对运动场所进行视频采集的自动控制方法。为了对披露的实施例的一些方面有一个基本的理解，下面给出了简单的概括。该概括部分不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围。其唯一目的是用简单的形式呈现一些概念，以此作为后面的详细说明的序言。

根据本申请实施例的一个方面，提供一种针对运动场所进行视频采集的自动控制方法，包括：

针对运动场所周期性采集图像；

利用训练好的人工神经网络模型处理采集的图像从而判断运动场所中是否有人在运动；

若有人在运动，则启动视频采集；否则，不启动视频采集。