基于霍夫变换的足球场标志线检测*

栾 帅 尹红娟

(山东师范大学物理与电子科学学院 济南 250014)



基于霍夫变换的足球场标志线检测*

栾 帅 尹红娟

(山东师范大学物理与电子科学学院 济南 250014)

为了检测足球场的标志线,提出了一种基于霍夫变换的足球场标志线检测方法。选取足球比赛视频的一帧图像,对该图像进行分割从而提取球场区域,然后将二值化后的图像进行孔洞填充把球员和足球去掉,只保留球场的标志线,最后再对该图像进行霍夫变换,把球场的标志线检测出来,并用红线标记出来。

标志线检测; 足球场标志线; 霍夫变换

Class Number TP391

1 引言

足球作为世界上最大的运动,对足球比赛视频的分析成为当前研究的热点。在对足球比赛视频的分析中,通常会提取球员或球作为分析的目标,其中球场标志线的检测成为球员提取的关键。

对于标志线的检测主要分为两大类,一类是非基于霍夫变换的方法,另一类是基于霍夫变换的检测方法。文献[1]提出一种利用扫描线方法对场地上的白色标示线实现了无需颜色分类、适应光照强度变化或光照不均匀情况的快速可靠检测。还有研究采用水平亮度差分[2]的方法进行车道线的检测,通过亮度值的差分及阈值设定来完成对车道线边缘的检测,然后使用最小二乘法对检测到的车道线边缘点进行拟合,继而得到车道标志线。文献[3]主要通过霍夫变换与最小二乘法提取直线参数从而提取出标志线;还有研究提出一种基于改进的概率霍夫变换算法来检测车道线[4];有研究提出一种从足球比赛录像中自动提取禁区线和球门线的方法[5],可以从复杂的足球比赛录像中自动提取出所有禁区线和球门线的直线参数;文献[6]将场地白色标志线的边缘像素点转化到实际距离和图像像素距离成线性变换关系的图像空间,利用一种结合数字罗盘航向角度信息的Hough变换方法提取场地白色标志线。

2 算法设计

2.1 算法框架

在足球比赛视频中,由于草地的颜色具有很高的稳定性和单一性,可以用颜色分割的方法把球场提取出来,从而避免球场外观众或广告牌等因素带来的影响。球场内的球员和球会影响标志线检测的结果,因为标志线是连通的,而且球员和球的像素面积要小于球场标志线的像素面积,所以可以利用孔洞填充[7]的方法除去球场内的球员和球,这样就只剩下标志线。由于足球场的标志线是很规则的形状,所以根据霍夫变换主要用来从图像中分离出具有某种特征的几何形状的特性来检测球场的标志线。具体的算法流程图如图1所示。

图1 算法流程图

首先选取足球比赛视频的视频帧,对该图像进行分割从而提取球场区域,然后将二值化后的图像进行孔洞填充把球员和足球去掉,只剩下球场的标志线,最后再对该图像进行霍夫变换,把球场的标志线检测出来,并用红线标记出来。

2.2 球场提取

在足球比赛视频分析中,只有进行图像分割后,图像中背景的颜色特征及主体的颜色、形状、纹理等特征的提取才成为可能。图像分割是模式识别和图像分析的预处理阶段,它的有效性对后期的结果将产生直接的影响。

图像分割的方法较多,有的采用基于彩色分割[8]的方法将指定颜色区域提取出来;阈值分割[9]也以其极致简洁和高效实用的特性而长期成为图像分割的一个应用和研究热点。

本文针对足球视频序列中主色多接近绿色的特点,采用了一种基于主颜色模型的图像分割方法。

在足球比赛视频中,草地的颜色具有很高的稳定性和单一性。通过统计前面数帧图像的RGB累积颜色直方图,可以很容易地得到图像的主颜色分量,也就是草地的颜色分量。根据累计直方图统计的方法可以确定主色区域大致的R、G、B范围。

假设Rij、Gij、Bij分别为每幅视频帧的第i行j列个像素在RGB空间的各颜色分量值,主色区域的颜色分量最小值为Rmin、Gmin、Bmin,最大值为Rmax、Gmax、Bmax,则当Rij、Gij、Bij满足Rmin

2.3 提取标志线

分割后得图像中的球场区域含有人、球和标志线。由于球场标志线是连通的,其面积较球员和球的面积大很多,所以可以使用孔洞填充[10]的方法把球员和球去掉,只剩下球场的标志线。

首先把提取球场后的图像转换为二值图像,根据灰度直方图,设定阈值为137,当灰度值g(i,j)大于137时,设为1,小于137时设为0,如

(1)

然后遍历查找所有轮廓,获得轮廓面积并把此面积与设定的面积值作比较,由于球员或球的像素面积一般小于400,而标志线的像素面积相对大很多,所以本文设定的面积值为500。当轮廓面积小于或者等于设定面积值时,用白色替换轮廓内部区域。设S为轮廓面积,S0为设定面积值,q(i,j)为当前点的灰度值。当S≤S0时,q(i,j)=1,否则q(i,j)不变,这样得到的二值图像就只含有球场标志线了。

2.4 检测标志线

本文对提取出来的标志线直接用霍夫变换即可得到想要的结果。1962年,P.V.C.Hough根据数学对偶性原理提出了检测图像直线的方法后,该方法被不断地研究和发展,主要应用于模式识别领域中对二值图象进行直线检测。在标准参数化方式下,平面直角坐标系中的直线l表达为

xicosθ+yisinθ=ρ,ρ≥0,0≤θ<2π

(2)

其中,ρ为l相对于原点的距离,θ为ρ与x轴的夹角。

根据式(2),直线l上不同的点在参数空间中被变换为不同的相交于p点的正弦曲线。显然,若能确定参数空间中的p点(局部最大值),就实现了直线检测。

工程中的实验数据和图像处理中的二值边缘图,通常都是离散数据,因此,根据Hough变换性质,可按下列步骤实现Hough变换:

1) 在ρ和θ合适的最大值和最小值之间建立一个离散的参数空间;

2) 将参数空间量化成m×n(m为ρ的等份数,n为θ的等份数)个单元,并设置累加器矩阵;

3) 给参数空间中的每个单元分配一个累加器Q(i,j)并把累加器的初始值置为零;

4) 取出直角坐标系中的点(xi,yi)代入式(2),并以量化后的θ值计算出ρ;

5) 在参数空间中,找到ρ和θ所对应得单元,并将该单元的累加器加1,即Q(i,j)=Q(i,j)+1;

6) 当直角坐标系中的点都经过3)、4)两步遍历后,检验参数空间中每个累加器的值,累加器最大的单元所对应的ρ和θ即为直角坐标系中的直线方程式(2)的参数。

当直角坐标系中的点分布在R条直线附近时,可在第5)步检测累加器时,取出累加器中前R个值最大的单元所对应的ρk和θk(k=1,2,3,…,R),以ρk和θk为直角坐标系中直线方程式(2)的参数,即可同时实现多条直线的检测。

由此可见,Hough变换的基本策略是:用图像空间的边缘数据点计算参数空间中的参考点的可能轨迹,并在一个累加器中给出参考点的计数,最后选出峰值。该峰值表明在图像空间上有一共线点较多的直线,该直线的参数由累加器的ρ和θ决定,即按照Q(i,j)=Q(i,j)+1确定,则图像空间中满足式(2)的点(x,y)就组成了直线l。

3 实验验证

3.1 实验环境

本文实验的硬件运行环境为Intel(R)Xeon(R)CPU E5-2609 v2、内存为8G的PC机;软件环境包括Windows7系统,VisualC++集成开发环境和OpenCV开源计算机视觉库。在VisualC++开发环境下,借助OpenCV-2.4.10开发平台编程实现算法进行实验。

3.2 实验结果及分析

测试样本选用互联网上直播吧(www.zhiboba.com)的经典进球视频和2016年欧冠皇马对马竞的决赛视频(www.sports.le.com)。经典进球视频和决赛视频均为AVI格式。

图2是经典进球视频中第69帧图像的测试过程。图3是决赛视频中第8961帧图像的测试过程。

图2 经典进球视频第69帧实验过程

图2、3中的(a)为原图;(b)为球场提取后的结果,只剩下球场区域;(c)为二值化的结果,球员和标志线是黑色的,场地为白色;(d)为空洞填充后的图像,球场上的除了标志线以外的噪音被填充,只剩下标志线;(e)为霍夫变换得到的图像,球场标志线用红色线画出来。

图3 决赛视频第8961帧实验过程

从实验结果分析,在不同的镜头方位拍摄的不同角度的视频中,本文提出的方法能有效地在单帧图像中快速地提取球场区域并检测到球场的标志线,具有良好的鲁棒性。

4 结语

本文所提基于霍夫变换的足球场标志线的检测首先对图像进行分割,通过设置R、G、B的阈值去除球场以外的噪声,提取球场区域,由于球场内的球员和球会影响对标志线的检测,所以利用孔洞填充的方法可以把球场内的球员和球去除,只保留球场的标志线。最后用霍夫变换检测出球场标志线。经过实验,此方法可以较好的检测出标志线。

[1] 刘斐,卢惠民,郑志强.一种稳健的机器人足球场地标示线提取方法[J].济南大学学报,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] 许媛媛.基于车道线的路面标志检测识别研究[D].合肥:中国科学技术大学,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] 曾接贤,张桂梅.霍夫变换与最小二乘法相结合的直线拟合[J].南昌航空工业学院学报,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] 戴渊明,张翔.基于改进概率霍夫变换算法的车道检测方法研究[J].杭州电子科技大学学报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] 刘国翌,杜威,李华.足球场地标志线的自动提取[J].计算机辅助设计与图形学报,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] 孙虹,尹文庆,胡飞.一种足球机器人场地白线的提取方法[J].科学技术与工程,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] 张德才,周春光,周强.基于轮廓的孔洞填充算法[J].吉林大学学报,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] 赵雪春,戚飞虎.基于彩色分割的车牌自动识别技术[J].上海交通大学学报,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] 阳树洪.灰度图像阈值分割的自适应和快速算法研究[D].重庆:重庆大学,2014. YANG Shuhong. Study on the Adaptive and Fast Algrithm of Gray Scale Image Thresholding[D]. Chongqing: Chongqing University,2014.

[10] 张燕,曾立波,吴琼水.一种适用于任意形状区域的快速孔洞填充算法[J].计算机应用研究,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

栾帅,男,硕士研究生,研究方向:多媒体信息处理与集成。

TP391

10.3969/j.issn.1672-9722.2017.01.033