项目名称: 基于多摄像机和球类比赛概率图模型的比赛信息获取方法研究
项目批准号:61001195
摘要:现有的多目标跟踪方法大多假定:①目标在图像平面中运动;②多目标单独运动时相互独立,仅在混叠期间相关。许多实际问题并非如此,例如球类比赛是在竞赛规则等多重约束下的集体活动,球员之间、球员与球体之间存在很高的相关性,且相互混叠频繁、持续时间较长。因此,建立反映球类比赛多目标间“战术相关性”的数学模型,对解决多目标跟踪问题和多人战术分析问题有重要意义,并为研究球类比赛的本质规律和制胜策略提供理论支持。本项目试图研究基于概率图的球类比赛模型,然后利用多摄像机重建目标的3D轨迹,获取速度、落点、频繁战术模式等比赛信息。该项目的成功实施对运动训练和比赛决策有直接应用价值,将对运动训练学、运动竞赛学、运动视觉等体育学二级学科产生推动作用,并将对体育视频分析和理解、比赛机器人、体育视频增强等研究产生积极影响。
成果展示:
成果1:实时多目标跟踪
多目标视觉跟踪一直是计算机视觉中具有挑战性的问题。由于它的应用领域非常广泛,所以近年来一直是研究的热点和难点。我们设计的多目标跟踪算法(图1中的BISP),与相关算法相比(如MCMC, MFMC, DMOT),具有竞争优势。该算法实时性好,在笔者的P4 1.4G的笔记本电脑上,对15个运动员的多目标跟踪,仅需要20毫秒。该算法样本多样性好,能够对长时间遮挡和非常复杂的目标混叠进行有效的处理。该算法的跟踪误差小,在真实场景中,对运动员的平均跟踪误差约1-2个像素。读者可下载演示程序,体验该算法的实时性和鲁棒性。演示视频将该算法与其它算法进行了对比,并分析了跟踪误差和运行时间(如图1)。
演示程序:http://www.shenlejun.cn/download/2011BISP.zip (17MB)(注意:为了对视频进行解码,请安装附带的XviD解码器!程序会自动提示读者并安装该解码器)
演示视频:http://www.shenlejun.cn/download/11bisp-2.mpg (14MB)
图1. BISP与其它算法的性能对比图
论文发表:
沈乐君, 游志胜, 李晓峰. 自助重要性采样用于实时多目标视觉跟踪. 自动化学报, 2012, 38(10): 1663-1670
成果2:目标身份鉴别问题
身份交换(identity switching)是多目标跟踪算法中的难题。