Обнаружение корзины с мячом Обручи и слежение за мячом

Question

Обнаружите обруч (корзина). . Не To see the samples of "hoop»

Граф не из успешных попыток (стрелять) и отказа попытки Я использую OpenCV

Input:..

1. положение камеры be Статические.
2. Портрет видео с любого мобильного устройства.

исх:

Что я пробовал:

1. Возможность отслеживать корзины мяч. Тем не менее, поиск лучшего решения.

результаты:

Мой код:

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; 
} 

Вопросы:

1. Как связаться с обруч? Я думал о том, чтобы делать с квадратичным детектированием, чтобы обнаружить квадратные области вокруг обруча.
2. Что такое лучший способ подсчета успешных побегов? Или Как считать?

Answer 1

У меня есть то, что, как я подозреваю, будет довольно сильным базовым: когда мяч начал свою нисходящую дугу, если мяч снова демонстрирует значительное восходящее движение, его промах. В противном случае это его корзина. Это не будет захватывать воздушные шары, но я подозреваю, что они относительно немного в любом случае.

Я думаю, вы могли бы получить много пробега из-за обучения траектории шага успешного выстрела и не слишком беспокоиться об обруче. Кроме того, разве вы не сказали, что камера была фиксированной? Разве это не означает, что обруч всегда находится в одном и том же месте, и поэтому вы можете просто указать его местоположение?

EDIT:

Если вы абсолютно ничего должны найти обруч, я бы искать объект (подобласти изображения) примерно того же размера, что и шар (который вы говорите, вы можете отслеживать), это оранжевый.В более общем плане вы могли бы изучить классификатор для обруча, основанный на обучающих изображениях, с которыми вы связались, и применять его в сочетании мест и масштабов, ища наилучшее соответствие. Вы должны знать его приблизительное местоположение, то есть, что оно находится в верхней части изображения и, вероятно, будет в одну сторону или другое. Затем вы можете использовать функции близости к этому идентифицированному региону в дополнение к функциям траектории для создания классификатора для того, удалось ли сделать снимок или нет.