[发明专利]运动人体跟踪摄像方法及摄像系统

权利要求书

1.一种运动人体跟踪摄像方法，其特征在于，包括以下步骤：

对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；

调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；

根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；

提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。

2.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：

对修复图像进行Gabor滤波处理并转化为灰度图像；

根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；

反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，确定运动人体姿态检测关键区域并进行截取。

3.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：

对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；

统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。

4.根据权利要求1所述的运动人体跟踪摄像方法，其特征在于，还包括以下步骤：

以各运动员的图像坐标的中心参考点为中心初次截取视频图像；

判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内，若可以，将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，反之，根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。

5.根据权利要求4所述的运动人体跟踪摄像方法，其特征在于，各所述中间图像和前后两相邻视频图像的图像范围呈线性倍数关系。

6.根据权利要求4所述的车机反复开关测试电路，其特征在于，各所述中间图像和前后两相邻视频图像的图像位置呈线性移动关系。

7.一种摄像系统，其特征在于，包括：

摄像模块，用于对目标场地进行广角拍摄，获得广角图像并通过鱼眼复位算法进行畸变修复，获得修复图像；

识别模块，用于调取预置的图像训练集，根据所述图像训练集内的训练图像对所述修复图像进行运动人体姿态识别，确定修复图像中运动员的数量及图像坐标；

截取模块，用于根据运动员的数量及图像坐标对所述修复图像进行截取，获取包含所有运动员在内的视频图像并按截取时刻编排所述视频图像；

处理模块，用于提取两相邻视频图像的边缘位置的旋转平移矩阵，以前一幅视频图像的边缘位置的旋转平移矩阵以及视频图像内运动员的图像坐标为参照，对后一幅视频图像的截取位置和截取范围进行修正。

8.根据权利要求7所述的摄像系统，其特征在于，所述识别模块还用于对修复图像进行Gabor滤波处理并转化为灰度图像；根据修复图像的滤波响应情况，通过阈值化对所述灰度图像进行二值化处理，获取高梯度特征并进行偏心化处理，进而排除夹杂其中的非运动人体姿态特征；反复进行Gabor滤波处理及对灰度图像进行二值化处理，整合对输出的二值化图像，以使所述截取模块根据确定运动人体姿态检测关键区域并进行截取。

9.根据权利要求7所述的摄像系统，其特征在于，所述识别模块还用于对每张所述的训练图像进行特征点标定，形成多种用于描述不同运动人体姿态轮廓的感兴趣区域；以及统计特征点的分布范围信息，根据特征点的分布范围信息对所述修复图像进行感兴趣区域搜索。

10.根据权利要求7所述的摄像系统，其特征在于，还包括判断模块；

所述截取模块还用于以各运动员的图像坐标的中心参考点为中心初次截取视频图像；

所述判断模块用于判断后一幅视频图像中各运动员的图像坐标是否均能落入前一幅视频图像的范围内；

所述处理模块还用于将后一幅视频图像的截取位置和截取范围修正为与前一幅视频图像一致，或根据两相邻视频图像各自的边缘像素点的旋转平移矩阵，在修复图像中截取若干幅在前一幅视频图像变换至后一幅视频图像的方向上的中间图像。