تشخيص بازيكنان فوتبال با استفاده از ويژگي هاي شكل ظاهري

Detection of soccer player using the appearance features

در اين مقاله روشي براي تشخيص بازيكنان فوتبال ارائه شده است. تشخيص بازيكنان فوتبال به اين معني است كه فيلم حاوي مسابقه فوتبال در اختيار يك سامانه هوشمند قرار مي¬گيرد سپس سامانه مكان هر بازيكن در فيلم را به‌عنوان خروجي ارائه مي¬دهد. جهت تشخيص بازيكنان ابتدا چمن ميدان بازي از تصوير حذف مي¬شود. پس‌ازآن با استفاده از عملگرهاي ريخت¬شناسي و آستانه گذاري، بازيكنان تشخيص داده مي¬شوند. چالشي كه در اين مرحله به وجود مي¬آيد، تشخيص پاي بازيكن به‌عنوان بازيكني مجزا است. براي حل اين مشكل، در اين مقاله روشي پيشنهاد مي¬شود. در اين روش با استفاده از ويژگي‌هاي شكل ظاهري، به تأييد وجود و يا عدم وجود بازيكن پرداخته مي¬شود. خروجي حاصل از تشخيص بازيكنان براي سامانه‌هاي رديابي مناسب است. در اين مقاله جهت صحت اين گفته، نتيجه حاصل از تشخيص بازيكنان در اختيار يك سامانه ردياب قرار مي¬گيرد. رديابي اين سامانه توسط فيلتر كالمن انجام مي¬گيرد. نتايج حاصل از رديابي جهت تجزيه‌وتحليل تيم و مسابقه فوتبال كاربرد دارد. برتري يك سامانه تشخيص اشياء توسط تعداد اشياء تشخيص داده شده و هم¬چنين دقت تشخيص سامانه تعيين مي¬شود. نتايج نشان مي¬دهند كه روش ارائه‌شده توسط اين مقاله، تعداد بازيكنان بيش-تري را نسبت به روش¬هاي پيشين تشخيص مي¬دهد.

In this article, we present a way to detect soccer players. Remove the sport field is the first task for detect players. Then detect players with using morphological operators and thresholds. The challenge that occurs at this stage is to identify the players foot as a distinct player. To solve this problem, a method is suggested in this article. In this method, using the appearance features to detect player’s foot. The output of detection players is suitable for tracking systems. When the location of each player is determined, the tracking system will search the specified location and will show a new location. After tracking the players, the match can be analyzed. To compare the proposed method with other methods, the result of player detection is used in tracking system. Players tracking is done using Kalman filter. The results show that the method proposed in this article detects more players than previous methods.