基于霍夫變換的足球場標志線檢測*

欒 帥 尹紅娟

(山東師范大學物理與電子科學學院 濟南 250014)

?

基于霍夫變換的足球場標志線檢測*

欒 帥 尹紅娟

(山東師范大學物理與電子科學學院 濟南 250014)

為了檢測足球場的標志線,提出了一種基于霍夫變換的足球場標志線檢測方法。選取足球比賽視頻的一幀圖像,對該圖像進行分割從而提取球場區域,然后將二值化后的圖像進行孔洞填充把球員和足球去掉,只保留球場的標志線,最后再對該圖像進行霍夫變換,把球場的標志線檢測出來,并用紅線標記出來。

標志線檢測; 足球場標志線; 霍夫變換

Class Number TP391

1 引言

足球作為世界上最大的運動,對足球比賽視頻的分析成為當前研究的熱點。在對足球比賽視頻的分析中,通常會提取球員或球作為分析的目標,其中球場標志線的檢測成為球員提取的關鍵。

對于標志線的檢測主要分為兩大類,一類是非基于霍夫變換的方法,另一類是基于霍夫變換的檢測方法。文獻[1]提出一種利用掃描線方法對場地上的白色標示線實現了無需顏色分類、適應光照強度變化或光照不均勻情況的快速可靠檢測。還有研究采用水平亮度差分[2]的方法進行車道線的檢測,通過亮度值的差分及閾值設定來完成對車道線邊緣的檢測,然后使用最小二乘法對檢測到的車道線邊緣點進行擬合,繼而得到車道標志線。文獻[3]主要通過霍夫變換與最小二乘法提取直線參數從而提取出標志線;還有研究提出一種基于改進的概率霍夫變換算法來檢測車道線[4];有研究提出一種從足球比賽錄像中自動提取禁區線和球門線的方法[5],可以從復雜的足球比賽錄像中自動提取出所有禁區線和球門線的直線參數;文獻[6]將場地白色標志線的邊緣像素點轉化到實際距離和圖像像素距離成線性變換關系的圖像空間,利用一種結合數字羅盤航向角度信息的Hough變換方法提取場地白色標志線。

2 算法設計

2.1 算法框架

在足球比賽視頻中,由于草地的顏色具有很高的穩定性和單一性,可以用顏色分割的方法把球場提取出來,從而避免球場外觀眾或廣告牌等因素帶來的影響。球場內的球員和球會影響標志線檢測的結果,因為標志線是連通的,而且球員和球的像素面積要小于球場標志線的像素面積,所以可以利用孔洞填充[7]的方法除去球場內的球員和球,這樣就只剩下標志線。由于足球場的標志線是很規則的形狀,所以根據霍夫變換主要用來從圖像中分離出具有某種特征的幾何形狀的特性來檢測球場的標志線。具體的算法流程圖如圖1所示。

圖1 算法流程圖

首先選取足球比賽視頻的視頻幀,對該圖像進行分割從而提取球場區域,然后將二值化后的圖像進行孔洞填充把球員和足球去掉,只剩下球場的標志線,最后再對該圖像進行霍夫變換,把球場的標志線檢測出來,并用紅線標記出來。

2.2 球場提取

在足球比賽視頻分析中,只有進行圖像分割后,圖像中背景的顏色特征及主體的顏色、形狀、紋理等特征的提取才成為可能。圖像分割是模式識別和圖像分析的預處理階段,它的有效性對后期的結果將產生直接的影響。

圖像分割的方法較多,有的采用基于彩色分割[8]的方法將指定顏色區域提取出來;閾值分割[9]也以其極致簡潔和高效實用的特性而長期成為圖像分割的一個應用和研究熱點。

本文針對足球視頻序列中主色多接近綠色的特點,采用了一種基于主顏色模型的圖像分割方法。

在足球比賽視頻中,草地的顏色具有很高的穩定性和單一性。通過統計前面數幀圖像的RGB累積顏色直方圖,可以很容易地得到圖像的主顏色分量,也就是草地的顏色分量。根據累計直方圖統計的方法可以確定主色區域大致的R、G、B范圍。

假設Rij、Gij、Bij分別為每幅視頻幀的第i行j列個像素在RGB空間的各顏色分量值,主色區域的顏色分量最小值為Rmin、Gmin、Bmin,最大值為Rmax、Gmax、Bmax,則當Rij、Gij、Bij滿足Rmin

2.3 提取標志線

分割后得圖像中的球場區域含有人、球和標志線。由于球場標志線是連通的,其面積較球員和球的面積大很多,所以可以使用孔洞填充[10]的方法把球員和球去掉,只剩下球場的標志線。

首先把提取球場后的圖像轉換為二值圖像,根據灰度直方圖,設定閾值為137,當灰度值g(i,j)大于137時,設為1,小于137時設為0,如

(1)

然后遍歷查找所有輪廓,獲得輪廓面積并把此面積與設定的面積值作比較,由于球員或球的像素面積一般小于400,而標志線的像素面積相對大很多,所以本文設定的面積值為500。當輪廓面積小于或者等于設定面積值時,用白色替換輪廓內部區域。設S為輪廓面積,S0為設定面積值,q(i,j)為當前點的灰度值。當S≤S0時,q(i,j)=1,否則q(i,j)不變,這樣得到的二值圖像就只含有球場標志線了。

2.4 檢測標志線

本文對提取出來的標志線直接用霍夫變換即可得到想要的結果。1962年,P.V.C.Hough根據數學對偶性原理提出了檢測圖像直線的方法后,該方法被不斷地研究和發展,主要應用于模式識別領域中對二值圖象進行直線檢測。在標準參數化方式下,平面直角坐標系中的直線l表達為

xicosθ+yisinθ=ρ,ρ≥0,0≤θ<2π

(2)

其中,ρ為l相對于原點的距離,θ為ρ與x軸的夾角。

根據式(2),直線l上不同的點在參數空間中被變換為不同的相交于p點的正弦曲線。顯然,若能確定參數空間中的p點(局部最大值),就實現了直線檢測。

工程中的實驗數據和圖像處理中的二值邊緣圖,通常都是離散數據,因此,根據Hough變換性質,可按下列步驟實現Hough變換:

1) 在ρ和θ合適的最大值和最小值之間建立一個離散的參數空間;

2) 將參數空間量化成m×n(m為ρ的等份數,n為θ的等份數)個單元,并設置累加器矩陣;

3) 給參數空間中的每個單元分配一個累加器Q(i,j)并把累加器的初始值置為零;

4) 取出直角坐標系中的點(xi,yi)代入式(2),并以量化后的θ值計算出ρ;

5) 在參數空間中,找到ρ和θ所對應得單元,并將該單元的累加器加1,即Q(i,j)=Q(i,j)+1;

6) 當直角坐標系中的點都經過3)、4)兩步遍歷后,檢驗參數空間中每個累加器的值,累加器最大的單元所對應的ρ和θ即為直角坐標系中的直線方程式(2)的參數。

當直角坐標系中的點分布在R條直線附近時,可在第5)步檢測累加器時,取出累加器中前R個值最大的單元所對應的ρk和θk(k=1,2,3,…,R),以ρk和θk為直角坐標系中直線方程式(2)的參數,即可同時實現多條直線的檢測。

由此可見,Hough變換的基本策略是:用圖像空間的邊緣數據點計算參數空間中的參考點的可能軌跡,并在一個累加器中給出參考點的計數,最后選出峰值。該峰值表明在圖像空間上有一共線點較多的直線,該直線的參數由累加器的ρ和θ決定,即按照Q(i,j)=Q(i,j)+1確定,則圖像空間中滿足式(2)的點(x,y)就組成了直線l。

3 實驗驗證

3.1 實驗環境

本文實驗的硬件運行環境為Intel(R)Xeon(R)CPU E5-2609 v2、內存為8G的PC機;軟件環境包括Windows7系統,VisualC++集成開發環境和OpenCV開源計算機視覺庫。在VisualC++開發環境下,借助OpenCV-2.4.10開發平臺編程實現算法進行實驗。

3.2 實驗結果及分析

測試樣本選用互聯網上直播吧(www.zhiboba.com)的經典進球視頻和2016年歐冠皇馬對馬競的決賽視頻(www.sports.le.com)。經典進球視頻和決賽視頻均為AVI格式。

圖2是經典進球視頻中第69幀圖像的測試過程。圖3是決賽視頻中第8961幀圖像的測試過程。

圖2 經典進球視頻第69幀實驗過程

圖2、3中的(a)為原圖;(b)為球場提取后的結果,只剩下球場區域;(c)為二值化的結果,球員和標志線是黑色的,場地為白色;(d)為空洞填充后的圖像,球場上的除了標志線以外的噪音被填充,只剩下標志線;(e)為霍夫變換得到的圖像,球場標志線用紅色線畫出來。

圖3 決賽視頻第8961幀實驗過程

從實驗結果分析,在不同的鏡頭方位拍攝的不同角度的視頻中,本文提出的方法能有效地在單幀圖像中快速地提取球場區域并檢測到球場的標志線,具有良好的魯棒性。

4 結語

本文所提基于霍夫變換的足球場標志線的檢測首先對圖像進行分割,通過設置R、G、B的閾值去除球場以外的噪聲,提取球場區域,由于球場內的球員和球會影響對標志線的檢測,所以利用孔洞填充的方法可以把球場內的球員和球去除,只保留球場的標志線。最后用霍夫變換檢測出球場標志線。經過實驗,此方法可以較好的檢測出標志線。

[1] 劉斐,盧惠民,鄭志強.一種穩健的機器人足球場地標示線提取方法[J].濟南大學學報,2007,21(10):35-38. LIU Fei, LU Huimin, ZHENG Zhiqiang. A robust method of robot soccer field flag line extraction[J]. Journal of University of Jinan,2007,21(10):35-38.

[2] 許媛媛.基于車道線的路面標志檢測識別研究[D].合肥:中國科學技術大學,2014. XU Yuanyuan. Research on Detection and Recognition of Road Markings Based on Lanes[D]. Hefei: University of Science and Technology of China,2014.

[3] 曾接賢,張桂梅.霍夫變換與最小二乘法相結合的直線擬合[J].南昌航空工業學院學報,2003,17(41):9-40. ZENG Jiexian, ZHANG Guimei. Fit Line Using A Method Combined Hough Transform With Least Square[J]. Journal of Nanchang Institute of Aeronautical Technology,2003,17(41):9-40.

[4] 戴淵明,張翔.基于改進概率霍夫變換算法的車道檢測方法研究[J].杭州電子科技大學學報2006,26(5):91-95. DAI Yuanming, ZHANG Xiang. The Detection Method of Lane Based on the Improved Probability of Hough Transform[J]. Journal of Hangzhou Dianzi University,2006,26(5):91-95.

[5] 劉國翌,杜威,李華.足球場地標志線的自動提取[J].計算機輔助設計與圖形學報,2003,15(7):870-874. LIU Guoyi, DU Wei, LI Hua. Automatic Extracting Feature Lines from Soccer Video Sequences[J]. Journal of Computer-Aided Design & Computer Graphics,2003,15(7):870-874.

[6] 孫虹,尹文慶,胡飛.一種足球機器人場地白線的提取方法[J].科學技術與工程,2010,10(1):90-93. SUN Hong, YIN Wenqing, HU Fei. Method of Line Detection for Soccer Robot[J]. Science Technology and Engineering,2010,10(1):90-93.

[7] 張德才,周春光,周強.基于輪廓的孔洞填充算法[J].吉林大學學報,2011,49(2):82-86. ZHANG Decai, ZHOU Chunguang, ZHOU Qiang. Hole-Filling Algorithm Based on Contour[J]. Journal of Jilin University,2010,10(1):90-93.

[8] 趙雪春,戚飛虎.基于彩色分割的車牌自動識別技術[J].上海交通大學學報,1998,32(10):4-10. ZHAO Xuechun, QI Feihu. Automatic Recognition of Vehicle License Based on Color Segmentation[J]. Journal of Shanghai Jiaotong University,1998,32(10):4-10.

[9] 陽樹洪.灰度圖像閾值分割的自適應和快速算法研究[D].重慶:重慶大學,2014. YANG Shuhong. Study on the Adaptive and Fast Algrithm of Gray Scale Image Thresholding[D]. Chongqing: Chongqing University,2014.

[10] 張燕,曾立波,吳瓊水.一種適用于任意形狀區域的快速孔洞填充算法[J].計算機應用研究,2004,12(5):135-136. ZHANG Yan, ZENG Libo, WU Qiongshui. A Rapid Hole Filling Algorithm for Arbitrary Shape[J]. Application Research of Computers,2004,12(5):135-136.

Detection of Football Field Feature Lines Based on Hough Transform

LUAN Shuai YIN Hongjuan

(School of Physics and Electronics, Shandong Normal University, Jinan 250014)

In order to detect the feature lines of football field, this paper propose a method flag football field line detection based on the Hough Transform. An image of the soccer game video is chosen to be divided so as to extract the stadium area. Then the binarized image is filling the holes so as to remove the football and players, leaving the feature lines only. Finally, the image Hough transform is used to deal with the image, and the pitch indicator line is detected and marked.

feature lines detection, feature lines of football field, Hough transform

2016年7月4日,

2016年8月16日

欒帥,男,碩士研究生,研究方向:多媒體信息處理與集成。

TP391

10.3969/j.issn.1672-9722.2017.01.033