基于OpenCV和Canny边缘检测的无人机视频排球跟踪

去年，我使用YouTube上的排球视频进行足球识别和跟踪，甚至为那些想要利用他们的比赛记录做点什么的人推出了一项服务。

最近，我得到了一架无人机，当然，我做的第一件事就是和朋友们在公园里拍摄我们的比赛。在40-50英尺的高度盘旋足以捕捉整个球场，捕捉到的视频提供了许多分析机会。

但首先要做的是，让我们检查一下这里的球跟踪是如何工作的。无人机携带着带有万向节的相机，万向节吸收了无人机的运动。

摄像机的视频看起来非常稳定，但我的方法，基于背景去除，在这里失败了：

一种解释是万向架的稳定性并不完美，框架有肉眼看不见的微小波动。但是电脑有更锐利的视觉，它们能看到不同之处。所以背景相当生动：

仅供比较-一个类似的静电视频，去掉了背景，如下所示：

所以我们没什么可做的，只能寻找新的方法。幸运的是，OpenCV是一个古老而丰富的库，有许多算法需要检查。

在过去，我有过使用Canny edge根据物体的轮廓找到物体的经验。

      gray = cv.cvtColor(frame, cv.COLOR_BGR2GRAY)
      gray = cv.GaussianBlur(gray, (5, 5),0)
      mask = cv.Canny(gray, 50, 100)

将这一算法应用到无人机视频中，得到了令人振奋的结果：

正如人们所看到的，球被识别和跟踪。有趣的是，对于真正的静电视频，Canny提供的结果(比去除背景)更差，所以我们不能到处使用它。可以解释说，坎尼认出了许多背景物体，球在飞过时可能会丢失。

然后删除Canny过滤图像上的背景：

      mask = backSub.apply(frame)
      mask = cv.dilate(mask, None)
      mask = cv.GaussianBlur(mask, (15, 15),0)
      ret,mask = cv.threshold(mask,0,255,cv.THRESH_BINARY | cv.THRESH_OTSU)

看起来好多了：

发球轨迹现在相当准确：

更多关于排球和计算机视觉的文章

GitHub回购