System detekcji i śledzenia piłkarzy w transmisjach widowisk sportowych w cyfrowym sygnale wizyjnym

• Autorzy: Maćkowiak S. , Kurc M. , Konieczny J. , Maćkowiak P.

Warianty tytułu

EN

A complex system for football player detection in broadcasted video

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono nowatorski system segmentacji służący do detekcji i śledzenia piłkarzy w z dekompresowanym cyfrowym sygnale wizyjnym. System oparty jest na połączeniu technik opisu za pomocą deskryptora HOG (Histogram of Oriented Gradients) i liniowej maszyny wektorów nośnych SVM (Support Vector Machine) dla celów klasyfikacji. Pomimo, że w ostatnim czasie metody HOG były z powodzeniem wykorzystywane przede wszystkim do detekcji ruchu pieszych, wyniki eksperymentalne przedstawione w niniejszym artykule pokazują, że połączenie HOG i SVM wydaje się być obiecującą techniką lokalizowania oraz wydzielania graczy w transmitowanym sygnale wizyjnym. Proponowany system detekcji to kompleksowe rozwiązanie wykorzystujące kolor dominujący do segmentacji boiska piłkarskiego, algorytm modelowania 3D boiska oparty na transformacji Hough i dedykowany algorytm do śledzenia graczy. Ocena systemu została przeprowadzana przy użyciu testowych sekwencji telewizyjnych o rozdzielczościach SD (720×576) oraz HD (1280×720). Dodatkowo, skuteczność proponowanego systemu została przetestowana w różnych warunkach oświetlenia (włączając w to niejednolite oświetlenie i wielokrotne cienie graczy), a także zakładając zmienną pozycje kamery.

EN

In this paper a novel segmentation system for football player detection in broadcasted video is presented. The system is based on the combination of Histogram of Oriented Gradients (HOG) descriptors and linear Support Vector Machine (SVM) classification. Although recently HOG-based methods were successfully used for pedestrian detection, experimental results presented in this paper show that combination of HOG and SVM seems to be a promising technique for locating and segmenting players in broadcasted video. Proposed detection system is a complex solution incorporating a dominant color based segmentation technique of a football playfield, a 3D playfield modeling algorithm based on Hough transform and a dedicated algorithm for player tracking. Evaluation of the system is carried out using SD (720×576) and HD (1280×720) resolution test material. Additionally, performance of the proposed system is tested with different lighting conditions (including non-uniform pith lightning and multiple player shadows) and various camera positions.

Słowa kluczowe

PL

segmentacja; śledzenie; analiza obrazu; analiza ruchu

EN

segmentation; tracking; image analysis; motion analysis

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2010
• Tom: Vol. 51, nr 12
• Strony: 13--15
• Opis fizyczny: Bibliogr. 16 poz. tab.

Twórcy

autor

Maćkowiak S.

autor

Kurc M.

autor

Konieczny J.

autor

Maćkowiak P.

• Politechnika Poznańska, Katedra Telekomunikacji Multimedialnej i Mikroelektroniki

Bibliografia

• [1] Haiping S., Lim J. H., Tian Q., Kankanhalli M. S.: Semantic labeling of soccer video, Proceedings of IEEE Pacific-Rim Conference on Multimedia ICICS-PCM, 1787-1791 (2003).
• [2] Huang Y., Llach J., Bhagavathy S.: Players and Ball Detection in Soccer Videos Based on Color Segmentation and Shape Analysis, Lecture Notes in Computer Science, Volume 4577/2007, 416-425 (2007).
• [3] Nuňez, J. R., Facon, J., Brito Junior A. d. S.: Soccer Video Segmentation: referee and player detection, 15th International Conference on Systems, Signals and Image Processing, 2008. IWSSIP 2008, 279-282 (2008).
• [4] Vandenbroucke N., Ludovic M., Postaire J-G.: Color image segmentation by pixel classification in an adapted hybrid color space. Application to soccer image analysis, Computer Vision and Image Understanding 90, 190-216 (2003).
• [5] Guangyu Z., Changsheng X., Qingming H., Wen G., Automatic multi-player detection and tracking in broadcast sports video using support vector machine and particle filter, Int. Conf. Multimedia & Expo, 1629-1632 (2006).
• [6] Hong S., Yueshu W., Wencheng C., Jinxia Z.: Image Retrieval Based on MPEG-7 Dominant Color Descriptor, ICYCS, 753-757 (2008).
• [7] Ying L., Guizhong L., Xueming Q.: Ball and Field Line Detection for Placed Kick Refinement, GCIS, vol 4, 404-407 (2009).
• [8] Ren R., Jose J. M.: Football Video Segmentation Based on Video Production Strategy, Lecture Notes in Computer Science, 3408, 433-446.
• [9] Candamo J., Kasturi R., Goldgof D., Sarkar S.: Detection of Thin Lines using Low-Quality Video from Low-Altitude Aircraft in Urban Settings, Aerospace and Electronic Systems, IEEE Transactions on, vol.45, no.3, pp. 937-949, July (2009) Quo S., Y. Kong, Y. G., Tang, Q., Zhang F.: Probabilistic Hough transform for line detection utilizing surround suppression, International Conference on Machine Learning and Cybernetics (2008).
• [10] Yu X., Lai H. C., Liu S. X. F., Leong H. W.: Agridding Hough transform for detecting the straight lines in sports video. ICME (2005).
• [11] Thuy T N., Xuan D. P., Jae W. J.: An improvement of the Standard Hough Transform to detect line segments, ICIT (2008).
• [12] Jiang G., Ke X., Du S., Chen J.: Astraight line detection based on randomized method, ICSP (2008).
• [13] Li Q., Zhang L., You J., Zhang D., Bhattacharya P.: Dark line detection with line width extraction, ICIP (2008).
• [14] Dalal N., Triggs B., Histograms of oriented gradients for human detection, Computer Vision and Pattern Recognition 1, 886-893 (2005).
• [15] Yu-Ting Ch., Chu-Song Ch.: Fast Human Detection Using a Novel Boosted Cascading Structure With Meta Stages, IEEE Transactions on Image Processing 17, 1452-1464 (2008).
• [16] Paisitkriangkrai S., Shen C., Zhang J.: Performance evaluation of local features in human classification and detection, IET Computer Vision 2, 236-246 (2008).