我正在使用opencv中的背景减法进行对象跟踪。我已经拍摄了一个足球样本视频,我的目标是跟踪球员并过滤掉较大的场地标记。由于使用了非静态摄像头,因此大线也被检测为移动,如下图所示:
我使用了霍夫变换来检测线条,并在设置了适当的阈值之后,能够过滤中途线条,并且图像显示如下:
现在,我担心过滤这两个弧。
问题1.我可以通过哪些方式做到这一点?如何利用弧形(长和细)和播放器(紧凑的blob)在“属性”上的差异?
此外,霍夫变换功能有时会报告许多误报(将高个子瘦球员视为直线,甚至连2个球员都显示为更长的线)。
问题2.以什么方式指定“待检测”线的最大厚度并保持严格的标准来“仅”检测线?
谢谢。
我有一个旧脚本可以实现类似功能。不幸的是,它是Python,并且没有使用霍夫变换函数。不过,您可能会发现它很有用。
get_blobs
是重要的功能,同时__main__
是示例用法。
import cv2
def get_blobs(thresh, maxblobs, maxmu03, iterations=1):
"""
Return a 2-tuple list of the locations of large white blobs.
`thresh` is a black and white threshold image.
No more than `maxblobs` will be returned.
Moments with a mu03 larger than `maxmu03` are ignored.
Before sampling for blobs, the image will be eroded `iterations` times.
"""
# Kernel specifies an erosion on direct pixel neighbours.
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (3, 3))
# Remove noise and thin lines by eroding/dilating blobs.
thresh = cv2.erode(thresh, kernel, iterations=iterations)
thresh = cv2.dilate(thresh, kernel, iterations=iterations-1)
# Calculate the centers of the contours.
contours = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)[0]
moments = map(cv2.moments, contours)
# Filter out the moments that are too tall.
moments = filter(lambda k: abs(k['mu03']) <= maxmu03, moments)
# Select the largest moments.
moments = sorted(moments, key=lambda k: k['m00'], reverse=True)[:maxblobs]
# Return the centers of the moments.
return [(m['m10'] / m['m00'], m['m01'] / m['m00']) for m in moments if m['m00'] != 0]
if __name__ == '__main__':
# Load an image and mark the 14 largest blobs.
image = cv2.imread('input.png')
bwImage = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
trackers = get_blobs(bwImage, 14, 50000, 3)
for tracker in trackers:
cv2.circle(image, tuple(int(x) for x in tracker), 3, (0, 0, 255), -1)
cv2.imwrite('output.png', image)
从第一张图片开始:
该算法使用腐蚀来将斑点从线条中分离出来。
然后使用矩来过滤出高大的斑点和小斑点。力矩还用于定位每个斑点的中心。
get_blobs
返回玩家位置的2元组列表。您可以看到它们画在最后一张图像上。
就目前而言,该脚本确实很混乱。可以直接直接使用它,但我主要是为了向您提供一些想法而发布了它。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句