[发明专利]一种用于冰球运动的新型冰球追踪方法

说明书

本发明涉及一种用于冰球运动的新型冰球追踪方法，属于实时体育运动视频分析系统技术领域，本发明通过常态跟踪和重识别两部分，能够对在连续图像序列中存在的多种运动状态下的冰球目标进行跟踪以及实现冰球目标遮挡丢失后的再找回任务，跟踪效果更优；在本发明针对冰球目标的二次目标定位过程中，将冰球目标的运动状态分为受控运动状态和自由运动状态，并针对不同的运动状态，分别提供了相应的冰球目标再找回方式，重新识别得到冰球目标，能够有效解决冰球目标的丢失、遮挡和形变等常见跟踪问题，从而进一步提高了冰球目标的追踪效率和追踪效果。

技术领域

本发明涉及实时体育运动视频分析系统技术领域，特别是涉及一种用于冰球运动的新型冰球追踪方法。

背景技术

在过去的几十年中，随着目标检测和跟踪算法的快速发展，实时体育运动视频分析系统成为图像处理领域的热点，有广阔的应用场景。对于球类运动，因为场上的球员、体育场内的观众以及电视转播的摄影师都将注意力集中在球上，因此球的位置是视频分析中最重要的一环。之前有很多工作研究了对于球的检测和跟踪，但是大多关注于足球、篮球、网球等含有简单可分的前景与背景信息的球类运动，仅有少量文献资料对追踪冰球任务进行研究。

最早的冰球追踪任务可以追溯到1997年，人们在冰球中嵌入了红外传感器，并配备红外接收器进行冰球的跟踪，但是这项技术因为会造成冰球的击打感发生变化，影响球员的技术动作而后逐渐被弃用。2016年，首次提出仅使用图像处理技术进行场景内冰球的检测与跟踪，但是该技术将被击打后的高速运动冰球视为不可见，仅处理在通常受控状态下冰球的检测与跟踪，并且该技术仅能针对在放大状态下，视场中相对像素占比为150-200像素点的较大冰球目标，在短时间内对冰球进行追踪。2019年，在一项针对冰球运动中球队战术分析的技术中提到了对于冰球的检测与追踪问题，采用了基于深度学习的回归模型对冰球在场景中的位置进行回归，该方法基于自建数据集进行训练，采用的数据不包含场景内观众等干扰信息，该方法误差较大，运行速度慢无法实时，且在场景情况复杂化后性能降低明显。

同时，对于冰球的追踪还存在以下难点：(1)冰球本身颜色单一，对于图像处理任务其特征信息十分匮乏，在通常受控运动状态下，冰球呈现出的黑色椭圆状目标容易被场地中出现的其他物体干扰，而在被击打后的自由运动状态下，冰球又会在图像中呈现出形变以及颜色变化，导致难以与背景分离；(2)冰球在视场中移动速度通常较快；(3)在转播视频信号中，冰球在视频中的像素分辨率过小。同时，在冰球场地和视场中，存在许多与冰球目标具有相近特征的干扰目标。在转播摄像机的视场中，冰球会因为相机的移动而引发形状和尺度的变化。冰球在视场中会因场内球员以及冰面上的标志导致经常性的遮挡。在视场中会存在光照变化。这些因素都会影响对冰球的追踪效果。

发明内容

针对现有技术中冰球追踪方法存在的问题以及冰球追踪存在的技术难点，本发明提供一种用于冰球运动的新型冰球追踪方法，包括以下步骤：

步骤一：获取由若干幅连续的包含冰球场地场景的图像组成的连续图像序列，且所述连续图像序列中部分或者全部的图像的冰球场地场景包含冰球球体；

步骤二：对所述连续图像序列中的全部图像进行初始化处理，得到处理后的图像序列，并对处理后的图像序列中包含冰球球体的首帧图像进行冰球目标检测，得到冰球跟踪模板；

步骤三：以所述首帧图像的后续图像作为当前的待跟踪图像，在当前的待跟踪图像中截取包括冰球目标所在位置在内的图像块作为搜索区域，并利用ECO相关滤波器对所述搜索区域进行首次目标定位，得到定位结果；

步骤四：判断所述定位结果是否为常态跟踪状态，若是，则完成当前的待跟踪图像的目标跟踪过程，否则，所述定位结果为暂时丢失状态，执行步骤五至步骤七，进行二次目标定位，重新识别得到冰球目标；在完成目标跟踪过程或者完成二次目标定位过程后，生成并存储相应的冰球目标轨迹，同时以相邻的下一帧图像更新当前的待跟踪图像，重复步骤三，直至遍历处理后的图像序列中的全部图像；