Rastreamento de Jogadores de Futebol em sequência de imagens

1.354 visualizações

Publicada em

Resumo. Este trabalho propõe um sistema de rastreamento visual em tempo real de jogadores de futebol, o qual estima as trajetórias 2D em seqüências de imagens capturadas por câmeras fixas, instaladas ao redor de um campo de futebol. O rastreamento permite determinar diversos parâmetros como, por exemplo, a velocidade e a distância percorrida pelos jogadores, a movimentação do time no campo, etc. O sistema proposto segue uma abordagem probabilística, alcançando bons resultados iniciais. Os experimentos mostraram que uma implementação inicial do sistema, utilizando somente informação de variação da intensidade luminosa das imagens, já apresenta resultados eficazes e eficientes e permite vislumbrar melhorias significativas a serem desenvolvidas.
Artigo completo em: www.uss.br/revistateccen/revista_teccen3/revista3.swf

Publicada em: Tecnologia, Negócios
0 comentários
0 gostaram
Estatísticas
Notas
  • Seja o primeiro a comentar

  • Seja a primeira pessoa a gostar disto

Sem downloads
Visualizações
Visualizações totais
1.354
No SlideShare
0
A partir de incorporações
0
Número de incorporações
66
Ações
Compartilhamentos
0
Downloads
7
Comentários
0
Gostaram
0
Incorporações 0
Nenhuma incorporação

Nenhuma nota no slide

Rastreamento de Jogadores de Futebol em sequência de imagens

  1. 1. Rastreamento de jogadores de futebol em seqüência de imagens Rodrigo D. Arnaut 1 , Anna H. R. Costa 2 1 rdarnaut@usp.br, 2 [email_address] ESCOLA POLITÉCNICA DA USP
  2. 2. Agenda <ul><li>Introdução </li></ul><ul><li>Objetivo do Trabalho </li></ul><ul><li>Trabalhos Correlatos </li></ul><ul><li>Proposta </li></ul><ul><li>Resultados Experimentais </li></ul><ul><li>Conclusão </li></ul>
  3. 3. Introdução <ul><li>Informações estatísticas extraídas de rastreamento são relevantes (TVs, Clubes) </li></ul><ul><ul><li>Velocidade, distâncias, </li></ul></ul><ul><ul><li>regiões de atuação, etc </li></ul></ul>
  4. 4. Objetivo do Trabalho <ul><li>Estimar trajetórias dos jogadores em imagens capturadas por câmeras fixas ao redor de um campo de futebol </li></ul><ul><ul><li>Uso da abordagem probabilística </li></ul></ul><ul><ul><li>Bons resultados nos experimentos preliminares permitindo vislumbrar melhorias significativas a serem desenvolvidas </li></ul></ul>
  5. 5. Trabalhos Correlatos <ul><li>De Bem (2007) </li></ul><ul><ul><li>Rastreamento de alvos </li></ul></ul><ul><ul><li>com formas heterogêneas </li></ul></ul><ul><ul><ul><li>Uso de B-splines </li></ul></ul></ul><ul><ul><ul><li>Foco não foi rastreamento </li></ul></ul></ul><ul><ul><ul><li>de jogadores de futebol. </li></ul></ul></ul><ul><ul><li>2 filtros de Kalman acoplados: </li></ul></ul><ul><ul><ul><li>Um estima a posição dos pontos de controle de B-splines que definem o contorno do alvo </li></ul></ul></ul><ul><ul><ul><li>Outro estima a velocidade e escala de transformação do contorno do alvo. </li></ul></ul></ul>
  6. 6. Trabalhos Correlatos <ul><li>Xu et al (2005) </li></ul><ul><ul><li>Utilização de câmeras fixas </li></ul></ul><ul><ul><li>Rastreamento utilizando uma representação do retângulo envolvente e o centro de área de cada jogador (alvo) </li></ul></ul><ul><ul><li>Dividido em dois passos: detecção dos alvos na imagem e rastreamento com um filtro de Kalman por alvo </li></ul></ul><ul><ul><ul><li>- Assume-se pouca variação de </li></ul></ul></ul><ul><ul><ul><li>altura e largura do retângulo </li></ul></ul></ul><ul><ul><ul><li>envolvente entre quadros </li></ul></ul></ul><ul><ul><ul><li>consecutivos. </li></ul></ul></ul><ul><ul><ul><li>- Posição pelo centro de área. </li></ul></ul></ul>
  7. 7. Trabalhos Correlatos <ul><li>Beetz et al (2007) </li></ul><ul><ul><li>Utiliza imagens/câmeras de emissoras de TV. </li></ul></ul><ul><ul><li>Posição em cada instante dada no plano 3D do campo de futebol, estimada pelo centro de área do paralelepípedo </li></ul></ul><ul><ul><li>Rastreamento com MHT </li></ul></ul><ul><ul><li>( Multiple Hypothesis Tracker ) </li></ul></ul><ul><ul><li>com o emprego </li></ul></ul><ul><ul><li>de vários FKs. </li></ul></ul>
  8. 8. Trabalhos Correlatos: análise comparativa Trabalho Correlato Técnica de Estimação Câmeras Fixas Vantagem Desvantagem De Bem (2007) 2 filtros de Kalman por alvo Sim Bom desempenho, fácil detecção e livre definição de tamanho e forma do contorno dos alvos. Difícil modificação da variável de estado devido ao acoplamento dos filtros. Contorno com representação mais complexa. Xu et al (2005) 1 filtro de Kalman por alvo Sim Excelente desempenho, fácil detecção do retângulo envolvente dos alvos. Limitações: na definição do contorno dos alvos; e na variação do tamanho do alvo Beetz et al (2007) Uso de MHT (1 FK por hipótese de cada alvo) Não Exatidão na Estimação. Instalação simples (ou inexistente) em campo Não uso de câmeras fixas. Alta complexidade computacional; Baixo desempenho.
  9. 9. Proposta <ul><li>Busca por um bom compromisso entre eficiência computacional e eficácia do rastreamento </li></ul><ul><li>Proposta: detectar e rastrear com o emprego de 2 Filtros de Kalman acoplados: </li></ul><ul><ul><li>Estimação de Movimento </li></ul></ul><ul><ul><ul><li>Estima a velocidade de deslocamento do jogador e o fator de escala da variação do contorno </li></ul></ul></ul><ul><ul><li>Estimação de Contorno </li></ul></ul><ul><ul><ul><li>posições dos pontos do contorno </li></ul></ul></ul>
  10. 10. Sistema Proposto
  11. 11. <ul><li>Detecção: </li></ul><ul><ul><li>subtração do fundo e algoritmos para eliminar ruídos e correção de falhas </li></ul></ul>Fases do Sistema
  12. 12. Fases do Sistema <ul><li>Detecção: </li></ul><ul><ul><li>Determinação de polígonos </li></ul></ul><ul><ul><li>envolventes e B-Spline </li></ul></ul><ul><li>Inicialização: </li></ul><ul><ul><li>Leitura dos parâmetros iniciais e criação dos modelos de movimento e observação para os 2 FK que irão estimar as variáveis de estado (contornos, velocidade e fator de escala) </li></ul></ul>
  13. 13. Rastreamento <ul><li>Predição: executada pelo acoplamento de 2 FKs: </li></ul><ul><ul><li>um estima a forma (contorno do alvo) </li></ul></ul><ul><ul><li>e utiliza informações do outro que estima o </li></ul></ul><ul><ul><li>movimento (velocidade e escala) deste alvo </li></ul></ul><ul><li>Observação (1D): </li></ul><ul><ul><li>linhas de medida </li></ul></ul><ul><li>Atualização: </li></ul><ul><ul><li>Diferença entre a </li></ul></ul><ul><ul><li>predição e a observ. </li></ul></ul>
  14. 14. Resultados Experimentais <ul><li>Imagens capturadas com câmeras fixas, instaladas em um campo de futebol real </li></ul><ul><ul><ul><li>Contorno do alvo está próximo de um contorno razoável </li></ul></ul></ul><ul><ul><ul><li>Distante da camera em relação aos alvos é grande </li></ul></ul></ul><ul><ul><ul><li>Suavidade da trajetória estimada pelo centro de área do contorno </li></ul></ul></ul>
  15. 15. Resultados Experimentais <ul><li>Problema de oclusão </li></ul><ul><ul><li>Ex. quadro 46 </li></ul></ul><ul><ul><li>Ocorre com frequência </li></ul></ul><ul><ul><li>Ainda não foi tratado </li></ul></ul><ul><li>Sugere uso de mais câmeras (superposição de ângulos de visada) </li></ul>
  16. 16. Conclusão <ul><li>Contribuição: rastreamento utilizando câmeras fixas com baixo custo computacional </li></ul><ul><li>Proposta eficiente, com dois filtros de Kalman acoplados para a estimação da forma e do movimento de cada alvo </li></ul><ul><ul><li>Eficiência: linearização do sistema separando estimação em duas (forma e movimento) </li></ul></ul><ul><ul><li>Contornos de alvos descritos por B-splines (uso para o rastreamento de diversas formas) </li></ul></ul>
  17. 17. Próximos Passos <ul><li>Problemas a serem resolvidos: </li></ul><ul><ul><li>Melhorar o contorno do alvo no rastreamento </li></ul></ul><ul><ul><li>Tratamento simultâneo de múltiplos alvos que estão presentes na mesma seqüência de imagens </li></ul></ul><ul><ul><li>Iluminação variável do fundo da cena ao longo do tempo </li></ul></ul><ul><li>Remodelar de forma simples as variáveis de estado do modelo de movimento e observação para tempo real e para emprego efetivo em sistemas comerciais </li></ul>
  18. 18. Rastreamento de jogadores de futebol em seqüência de imagens Rodrigo D. Arnaut 1 , Anna H. R. Costa 2 1 rdarnaut@usp.br, 2 [email_address] ESCOLA POLITÉCNICA DA USP OBRIGADO !!!

×