Автоматический анализ поведения судьи футбольного матча по видеозаписи
1. Автоматический анализ поведения судьи
футбольного матча по видеозаписи
Шакбасаров Ринат Наилевич
научный руководитель
Погожев Сергей Владимирович
кафедра Компьютерных технологий и систем
20132013 гг.
2. Цель работы – на основе видеозаписи
футбольного матча оценить характеристики
судьи
2
Задача Решение Анализ ЗаключениеАлгоритм
3. Зона – пространство, в котором судья может
действовать наиболее эффективно
3- Боковые судья
- Доступная область для
боковых судей - Более правильное расположение
- Менее правильное
расположение- Главный судья
Задача Решение Анализ ЗаключениеАлгоритм
4. Начальный удар Удар от ворот Угловой удар
Штрафной удар 11-метровый удар Свободный удар
Особые случаи местоположения судьи
Задача Решение Анализ ЗаключениеАлгоритм
4
5. Анализ цвета – наиболее оптимальный
алгоритм для поставленной задачи
5
Минусы
Плюсы
Не привязан к форме идентифицируемогообъекта
Простота реализации и масштабируемость
Низкая сложность алгоритма
Хранение изображения в виде матрицытребует большого количества памяти
Требует перебора каждого пиксела, не всегдаэффективно для изображений очень высокогокачества
1920x1080
РешениеЗадача Анализ ЗаключениеАлгоритм
6. Идентификация объектов в видеопотоке на
основе анализа цвета
6
РешениеЗадача Анализ ЗаключениеАлгоритм
1 2 3 4
7. Подход к идентификации объектов
Наложение маски отсекающей объекты за
полем
7
Наличие лишних
объектов, находящихся
вне поля, будут мешать
работе алгоритма
Отмечая точки, на которых
лежат отсекающие прямые,
строится маска -
четырёхугольник
Каждый кадр умножается
на эту маску, удаляя
лишние объекты с поля,
строятся направляющие
РешениеЗадача Анализ ЗаключениеАлгоритм
8. Подход к идентификации объектов
Выбор цвета исследуемых объектов
8
Перевод цветов из RGB в HSV
Нахождение среднего H, S, V
Нахождение диапазонов
За исключением особых случаев
РешениеЗадача Анализ ЗаключениеАлгоритм
9. Подход к HSV-модели цвета для идентификации
объектов
АлгоритмЗадача Анализ ЗаключениеРешение
• Красный цвет соответствует H = 0 и H =1
• Если std(h) > 0,5 , то используется
специальный алгоритм
нахождения среднего цвета
H
• При s =0, H и V имеют меньшую значимость
для s < 0,25
• std_h = 1
• std_s = 2 * std(s)
• std_v = 4 * std(v)
S
• При v =0, H и S имеют меньшую значимость
для v < 0,25
• std_h = 1
• std_s = 1
• std_v = 1,4 * std(v)
V
S=1, V =1
H=0, V =1
H=0, S =1
0
0
0 1
1
1
Коэффициенты выведены эмпирическим путем
9
10. Идентификации объектов на основе анализа
цвета
10
H и S
пренебрегаем
H
пренебрегаем
H – основной
S и V – вспом.
Проверка на
принадлежность
цветовому интервалу
да
нет
АлгоритмЗадача Анализ ЗаключениеРешение
11. Подход к идентификации объектов
Выбор цвета исследуемых объектов
За счет того, что
интересуемые объекты
движутся, мы можем
рассматривать только их
Результат
Теперь можем
легко найти
линии на поле
Складываем N
кадров с интервалом
времени - 5 секунд
РешениеЗадача Анализ ЗаключениеАлгоритм
11
13. Анализ полученных данных позволяет дать
ответы на множество вопросов
АнализЗадача Алгоритм ЗаключениеРешение
Перемещение каждый момент
времени в метрах позволит
оценить:
1)параметры скорости и
ускорения,
2)количество ускорений, динамику
движения судьи.
Градиентный рисунок, показывающий
интенсивность нахождения для
определенных координат покажет:
1)соответствие нормативному движению
судьи,
2)активность движения судьи.
Позиция судьи :
1)Перемещение судьи
2)Скорость движение
3)Количество ускорений
55.78 34.91
52.35 33.12
51.23 31.31
47.34 27.34
52.29 25.64
53.78 28.37
56.72 35.67
60.28 35.54
13
15. Алгоритм был протестирован на видеозаписи
футбольного матча длиной 15 минут
15
ЗаключениеЗадача Алгоритм АнализРешение
16. ЗаключениеЗадача Алгоритм АнализРешение
РезультатыРезультаты
16
Разработан алгоритм идентификацииРазработан алгоритм идентификации
судьи футбольного матча по видеозаписисудьи футбольного матча по видеозаписи
Разработан алгоритм вычисленияРазработан алгоритм вычисления
местоположения судьиместоположения судьи
Создано программное обеспечение дляСоздано программное обеспечение для
проверки работоспособности алгоритмовпроверки работоспособности алгоритмов
17. ЗаключениеЗадача Алгоритм АнализРешение
РезультатыРезультаты
17
• Выделение на изображенииВыделение на изображении
координат судьи и игроковкоординат судьи и игроков
• Нахождение матрицНахождение матриц
преобразования ипреобразования и
прямоугольных координатпрямоугольных координат
• Удаление области заУдаление области за
границами поля и белыхграницами поля и белых
линий на полелиний на поле
• Удаление лишнихУдаление лишних
распознанных объектовраспознанных объектов
• Анализ полученных данныхАнализ полученных данных
• СозданиеСоздание GUIGUI – интерфейса– интерфейса
для удобства работы сдля удобства работы с
алгоритмомалгоритмом
• ИспользованиеИспользование HSVHSV-модели цвета для-модели цвета для
определения координат и разделение наопределения координат и разделение на
классы цветов для нахожденияклассы цветов для нахождения
диапазонадиапазона
• Сложение кадров для нахождения фонаСложение кадров для нахождения фона
• Выделение прямых отсечения по двумВыделение прямых отсечения по двум
точкам и автоматическое нахождениеточкам и автоматическое нахождение
угловых точек и матриц преобразованиеугловых точек и матриц преобразование
• Нахождение прямоугольных координат сНахождение прямоугольных координат с
использованием четырех матрициспользованием четырех матриц
преобразованияпреобразования
• Система слежения за судьей,Система слежения за судьей,
ограничение по перемещениюограничение по перемещению
• Вывод результатов судьи – перемещение,Вывод результатов судьи – перемещение,
скорость движения, координаты:скорость движения, координаты:
исторические и относительно игроковисторические и относительно игроков
• СозданиеСоздание GUIGUI-приложения-приложения
• Оптимизация анализа цветаОптимизация анализа цвета
• Вывод полученных результатов работы
Поставленные задачи
Реализация решений
18. Достоверность полученных данных
18
АнализЗадача Алгоритм ЗаключениеРешение
Погрешность - X
Погрешность - 2X
Погрешность полученного
метода – порядка 1,5 -2 метра
по X и 0,5 – 2,5 метра по Y,
получено эмпирическим
путем
Основная проблема
заключается в правильном
распознавании исследуемых
объектов на видео