5

检测箍（篮子）。查看“箍”的样本。

计算成功尝试次数（拍摄）和失败尝试次数。我正在使用opencv。

输入：

  1. 相机位置将是静态的。
  2. 来自任何移动设备的纵向模式视频。

参考：

我试过什么：

  1. 能够追踪篮下的球。尽管如此，寻求更好的解决方案。

结果：

在此处输入图像描述

我的代码：

int main () {

VideoCapture vid(path);

    if (!vid.isOpened())
        exit(-1);
    int i_frame_height = vid.get(CV_CAP_PROP_FRAME_HEIGHT);
    i_height_basketball = i_height_basketball * I_HEIGHT / i_frame_height;
    int fps = vid.get(CV_CAP_PROP_FPS);
    Mat mat_black(640, 480, CV_8UC3, Scalar(0, 0, 0));
    vector <Mat> vec_frames;
    for (int i_push = 0; i_push < I_NO_FRAMES_STORE; i_push++)
        vec_frames.push_back(mat_black);

    vector <Mat> vec_mat_result;
    for (int i_push = 0; i_push < I_RESULT_STORE; i_push++)
        vec_mat_result.push_back(mat_black);

    int count_frame = 0;
    while (true) {
        int clk_start = clock();
        Mat image, result;
        vid >> image;
        if (image.empty())
            break;

        resize(image, image, Size(I_WIDTH, I_HEIGHT));
        image.copyTo(vec_mat_result[count_frame % I_RESULT_STORE]);
        if (count_frame >= 1)
            vec_mat_result[(count_frame - 1) % I_RESULT_STORE].copyTo(result);
        GaussianBlur(image, image, Size(9, 9), 2, 2);
        image.copyTo(vec_frames[count_frame % I_NO_FRAMES_STORE]);

        if (count_frame >= I_NO_FRAMES_STORE - 1) {
            Mat mat_diff_temp(I_HEIGHT, I_WIDTH, CV_32S, Scalar(0));
            for (int i_diff = 0; i_diff < I_NO_FRAMES_STORE; i_diff++) {

                Mat mat_rgb_diff_temp = abs(vec_frames[ (count_frame - 1) % I_NO_FRAMES_STORE ] - vec_frames[ (count_frame - i_diff) % I_NO_FRAMES_STORE ]);
                cvtColor(mat_rgb_diff_temp, mat_rgb_diff_temp, CV_BGR2GRAY);
                mat_rgb_diff_temp = mat_rgb_diff_temp > I_THRESHOLD;
                mat_rgb_diff_temp.convertTo(mat_rgb_diff_temp, CV_32S);
                mat_diff_temp = mat_diff_temp + mat_rgb_diff_temp;

            }
            mat_diff_temp = mat_diff_temp > I_THRESHOLD_2;
            //            mat_diff_temp.convertTo(mat_diff_temp, CV_8U);

            Mat mat_roi = mat_diff_temp.rowRange(0, i_height_basketball);
//            imshow("ROI", mat_roi);
            Moments mm = cv::moments(mat_roi, true); 
            Point p_center = Point(mm.m10 / mm.m00, mm.m01 / mm.m00);
            circle(result, p_center, 3, CV_RGB(0, 255, 0), -1);
            line(result, Point(0, i_height_basketball), Point(result.cols, i_height_basketball), Scalar(225, 0, 0), 1);

        }
        count_frame = count_frame + 1;
        int clk_processing_time = (clock() - clk_start);
        if (count_frame > 1)
            imshow("image", result);
        //        waitKey(0);

        int delay = (1000 / fps) - clk_processing_time;
        if (delay <= 0)
            delay = 2;
        if (waitKey(delay) >= 27)
            break;

    }
    vid.release();
    return 0;
}

问题：

  1. 如何检测箍？_ 我想用方形检测来检测箍周围的方形区域。
  2. 计算成功拍摄的最佳方法是什么？或者如何计算？
4

1 回答 1

1

我有一个我怀疑会相当强的底线：一旦球开始向下的弧线，如果球再次表现出明显的向上运动，那就是失误。否则，它是一个篮子。这不会抓住空气球，但我怀疑它们无论如何都相对较少。

我认为你可以从学习成功投篮的球轨迹中获得很多里程，而不必太担心篮筐。而且，你不是说相机是固定位置的吗？这不是意味着箍总是在同一个地方，所以你可以指定它的位置吗？

编辑：

如果您确实必须找到箍，我会寻找一个与橙色球（您说您可以跟踪）大小大致相同的对象（图像的子区域）。更一般地，您可以根据您链接到的训练图像学习一个用于箍的分类器，并将其应用于位置和比例的混合，搜索最佳匹配。您应该知道它的大概位置，即它在图像的上部并且可能在一侧或另一侧。然后，除了轨迹特征之外，您还可以使用与该识别区域的接近度特征来构建分类器，以确定击球是否成功。

于 2013-09-27T11:19:16.867 回答