基于Ransac模型的太极拳竞赛场地分割算法

孙瑞阳 孙玉滨段炼 赵蓝飞

【摘要】    本文提出一种基于Ransac模型的太极拳竞赛场地分割算法。首先根据像素的颜色以及该像素邻域内的颜色进行白点像素筛选。其次通过Ransac模型对全部筛选出的白点像素进行拟合，进而确定太极拳竞赛场地的边界像素。最后通过射线法分割出太极拳竞赛场地。

【关键词】    太极拳场地分割    Ransac模型    射线法

Abstract： This paper proposes a Taijiquan competition ground segmentation algorithm based on Ransac model. Firstly， white pixel selection is executed according to the pixel color information and its neighbourhood color information. Secondly， ransac model is employed to fitting the boundary of  Taijiquan competition ground. Finally， ray method is employed to segment Taijiquan competition ground.

Keywords： Taijiquan competition ground segmentation; Ransac model; ray method

引言

由于区域检测对于体育竞赛过程中的目标检测与跟踪、运动员动作识别、自动评分均具有较为重要的作用，因此该技术已成为图像处理研究的热点技术，并且已应用于一些热门的体育比赛中。例如足球场标志线检测方法[1]，检测网球场地的线检测方法[2]，通用的体育场地自动检测方法[3]。但是至今仍没有一个专门针对太极拳竞赛区域的检测方法。另外，以上三种方法均采用hough变换检测体育场地的边界进而检测出竞赛区域，而hough变换对于非边界像素的容错性较差，检测出的竞赛区域容易包括非竞赛区域像素点。

为了准确地检测出太极拳竞赛区域，本文针对太极拳竞赛场地的特点设计一个基于Ransac模型的太极拳竞赛区域检测方法。首先，该方法将RGB格式彩色图像转化为HSB格式图像。再次，该方法通过对H通道数据进行阈值筛选以及邻域搜索从而筛选出有可能构成竞赛区域边界的白点像素。从次，该方法设计一个基于Ransac模型的边界检测算法，进而拟合出竞赛区域边界。最后，该方法通过射线法对非边界像素进行处理从而确定竞赛区域的位置。

一、 本文算法

1.1  白点像素筛选法

本文设计白点像素筛选法，初步筛选出有可能构成竞赛区域边界的白点像素。由于太极拳竞赛区域边界由具有一定宽度的白色线条构成，边界周边区域由蓝色的地毯构成。根据这一条件，本文设计将基于颜色阈值的像素筛选法以及邻域搜索法作为白点筛选的条件，对于H通道数据进行初步筛选。其中颜色阈值对应于白点像素的颜色特征，邻域搜索法對应于边界周边像素的色彩特征。

假设集合P表示包括太极拳竞赛区域的数字图像，P中的元素对应图像中的各像素点，P的表达式如式1所示：

其中x、y分别表示像素的横纵坐标，M、N分别表示图像的宽和高。令Hx，y表示像素px，y的H通道灰度值，Hx，y的色调值范围为[320，360]时判定px，y为候选点，否则该像素为无效点。邻域搜索法在px，y的邻域内搜索是否包含色调范围为[230，250]的像素。如果存在则判定px，y为候选点，否则px，y为无效点。白点像素筛选法整体计算方法如式2所示：

其中Lx，y代表像素是否为白点像素，如果Lx，y=1则该点为白点像素，否则该点为无效点;符号∧表示与运算;Qx，y表示以px，y为中心的9×9邻域像素集合。

1.2  Ransac模型确立区域边界

根据公式（2）已经筛选出一些白点像素。这些像素中有一部分属于太极拳竞赛区域边界，另一部分属于背景像素。为了进一步筛选出区域边界像素，本文设计一个专用于检测太极拳竞赛区域边界的Ransac模型用于对白点像素进行直线拟合。令上标n代表迭代次数，Ransac模型的迭代过程如下所示：

1）选择任意四个白点组构成像素点集I（n），将I（n）作为假设的局内像素点集;

2）以I（n）中每个像素作为区域顶点，用线段将它们首尾相接，形成一个四边形。记录该四边形边界上所有像素点集B（n）;

3）遍历全体白点像素，根据白点的坐标与边界像素点的坐标是否一致，判断白点像素是否在四边形的边界上。记录四边形边界白点像素数量Cn;

4）重复步骤1～3得到第n+1迭代过程的局内点集，边界白点像素数量，以及边界像素点集。如果C（n+1）>C（n）则保留I（n+1），C（n+1）以及边界像素点集B（n+1）。如果C（n+1）≤C（n）则保留I（n），C（n）以及边界像素点集B（n）;

重复进行步骤1～4的迭代过程，直到边界白点像素数量不再增加为止。此时算法收敛。假设经过m次迭代后算法收敛，则B（m）即为构成太极拳竞赛区域边界的全体像素集。

收到的数字特征进行加权求和，根据结果识别当前帧对应的太极拳关键动作。

1.3  射线法确定竞赛区域

根据Ransac模型确定区域边界像素集B（m），还需根据B（m）中各像素的横纵坐标确定竞赛区域所属像素。本文采用已有的射线法对全体非边界像素进行处理，从而确定场内像素的位置。射线法的步骤如下所示：1）在太极拳竞赛图像中选取一个像素;2）统计位于该像素水平扫描射线上的边界像素数量K;3）如果K%2=1则判定该点包含在区域内部，否则改点为非竞赛区域像素;4）选取下一像素重复执行步骤2）～步骤4），直到所有像素均遍历完毕。

二、实验结果与分析

实验部分采用的软件平台为64位Windows 7操作系统，仿真环境是Matlab 2016a。硬件平台的处理器型号是Intel i5 9400F，内存容量16GB DDR4，显卡型号GTX 1660ti。仿真过程对包含太极拳竞赛区域的图像进行区域检测，程序的输入和输出均为后缀为jpg的数字图像。通过Ransac模型拟合出的区域边界以及太极拳竞赛区域分割结果如图1所示。

由图1（b）可知白点像素筛选法筛选出竞赛区域边界像素以及一些非边界像素，这些像素均满足公式（2）所示的筛选条件。由图1（c）可知Ransac模型能够舍弃非边界像素，仅保留构成竞赛区域边界像素。由图1（d）可知射线法可以根据边界像素标识出边界内的全体像素。根据以上实验结果可知：基于Ransac模型的太极拳竞赛区域检测方法能够有效地排除非竞赛区域像素的干扰，检测出太极拳竞赛区域较为准确。

三、结论

本文提出一种基于Ransac模型的太极拳竞赛场地分割算法。首先遍历图像中的全体像素，根据像素自身的颜色信息以及以该像素为中心的邻域像素的色彩信息进行初次筛选，从而筛选出可能的白点像素。其次利用Ransac模型对所有可能的白点像素进行边界拟合，从而筛选出竞赛场地的四个顶点并标示出竞赛区域边界上的所有边界像素点。最后遍历图像中的所有像素，根据像素的左射线上边界像素的个数判别该像素是否属于太极拳竞赛区域，进而实现太极拳竞赛区域分割任务。实验结果验证了本文算法可以有效地分割出太极拳竞赛区域。

参  考  文  献

[1]栾帅， 尹红娟. 基于霍夫变换的足球场标志线检测[J]. 计算机与数字工程， 2017， 45（1）：152-155.

[2]段小霞， 智敏， 王飞，等. 基于Hough变换的快速网球场地线检测[J]. 科技传播， 2011， （15）：214-215.

[3]殷伟良， 陈临强， 李伟. 体育视频中场地自动检测方法[J]. 计算机系统应用， 2012， 21（5）：184-188.