[发明专利]一种基于高斯混合模型的固定镜头篮球进球检测识别方法

说明书

本发明涉及一种基于高斯混合模型的固定镜头篮球进球检测识别方法，属于目标检测领域。首先初始化几个高斯模型，与图像中的像素进行逐一匹配，选择排名靠前的几个模型作为背景模型，为获得图像中的前景和背景做铺垫；然后标注并选择篮板区域作为检测和识别的感兴趣区域，并将该区域划分为三个区域；在篮球进入感兴趣区域后，通过背景建模方法得到其大致方位，再通过轮廓发现即拟合的方法得到篮球的中心点坐标及半径；记录篮球在不同区域的停留次数，并通过KCF跟踪算法辅助校正篮球的位置，通过检测算法得出是否进球的结论。本发明可以实现篮球的进球识别和检测，算法计算量小，可以做到实时处理，且适用于较为复杂的环境下，鲁棒性较好。

技术领域

本发明属于目标检测领域，涉及一种基于高斯混合模型的固定镜头篮球进球检测识别方法。

背景技术

视频运动目标检测跟踪主要是对通过镜头获取的图像序列进行分析，发现并跟踪每一帧中的运动目标，对运动目标的行为做出判断，不依赖于监控人员，将原始的视频信息转化为其他有用的信息，以达到自动分析什么目标在做什么的问题。

背景建模技术是检测运动图像中前景和背景的一种基本思想。背景建模大致可以分为颜色和纹理的背景建模。颜色背景建模即对图像中的每个像素的颜色值进行建模，若像素颜色值与背景模型中的像素颜色值有较大差异则视为前景，否则视为背景。纹理背景建模与颜色背景建模类似，而建立模型时提取的是图像的纹理特征，匹配时也是与背景模型的纹理特征进行匹配，若匹配则视为背景，否则视为前景。

常见的背景建模技术有混合高斯模型、中值滤波法和核密度估计方法等。

KCF在跟踪检测算法里表现十分亮眼，跟踪效果和跟踪速度都很优秀。KCF是一种判别式的跟踪方法，该类方法在追踪的过程中训练一个目标检测器，使用目标检测器去检测下一帧预测的位置是否是目标所在的位置，之后再使用新的检测结果去更新目标检测器。输入当前帧信息和之前帧信息训练出一个相关滤波器，与新输入的帧进行相关性计算，得到得分最高的点或块作为可能的跟踪结果。由目标区域形成循环矩阵，再利用循环矩阵再傅里叶空间可对角化等一些性质，通过岭回归得到通用的预测公式。

在篮球运动图像中，通过人工去判别是否进球是一件重复且低效的工作，同时会消耗大量的时间成本，尤其是篮球这项较为激烈的运动中，长时间的人工判别过程中也难免会出现错检或漏检。针对此问题，本发明提出了一种基于高斯混合模型的背景建模和KCF的固定镜头篮球进球检测识别方法。

发明内容

有鉴于此，本发明的目的在于提供一种基于高斯混合模型的固定镜头篮球进球检测识别方法，实现篮球进球的自动判别。

为达到上述目的，本发明提供如下技术方案：

一种基于高斯混合模型的固定镜头篮球进球检测识别方法，所述方法包括以下步骤：

S1：获取篮球运动的视频，输入视频中的每一帧图像，初始化预先定义的若干高斯模型，与图像中的像素进行逐一匹配，选择排名靠前的若干模型作为背景模型；

S2：标注并选择篮板附近区域作为检测和识别的感兴趣区域，并将该感兴趣区域划分为三个区域：篮筐区域、篮筐上方区域和篮板区域；

S3：将输入的视频通过高斯混合模型背景建模，获得前景和背景图像，对前景图像进行轮廓发现和拟合得到篮球的中心点坐标和半径；

S4：记录篮球在不同区域的停留次数，并通过KCF跟踪算法辅助校正篮球的位置；

S5：通过制定的进球逻辑检测算法得出是否进球的结论。

可选的，所述S1具体为：

S11：初始化预先定义的若干高斯模型，对其参数进行初始化，为图像中的每个像素分别使用K个高斯分布构成的混合高斯模型来建模，即：