基于图像处理的足球越位判别系统 申报书80 0417-zxd20160417

1、 校 级大学生创新训练项目申报书项目名称 基于图像处理的足球越位自动判别系统 主 持 人 胡晓斌 所在学院 计算机与信息学院 联系电话指导教师 张旭东 起止年月 2016年5月至2017年5月 创新创业教育中心填 表 须 知一、合肥工业大学大学生创新训练项目申报书（注明国家级或校级）要按顺序逐项填写，内容要实事求是，表达要明确、严谨。空缺项要填“无”。要求一律用A4纸正反页打印，于左侧装订成册。 二、申请参加合肥工业大学大学生创新训练项目团队人数不得超过5人（1人为立项负责人，参与合作研究者1-4人）。三、合肥工业大学大学生创新训练项目申报书由申报学生所在学院初审，签

2、署意见后，一式二份报送创新创业教育中心。四、如填表有不明事宜，请与创新创业教育中心联系和咨询。（联系电话：62901107）申请者情况姓名胡晓斌性别男出生年月1995年11月所在院（系）计算机与信息学院专业年级电子信息工程14-3班学号2014211794项目组成员情况姓名学号性别出生年月专业年级分工罗鹏宇2014211803男1996年1月电子信息工程14-3班程序设计，图像处理软件开发叶宇2014211793男1996年5月电子信息工程14-3班程序设计，软件纠错何旭东2014211776男1996年1月电子信息工程14-3班程序设计，文案撰写 指导教师情况姓名张旭东职称教授学历/学位博士

3、讲授课程硬件描述语言、模式识别研究方向图像处理、模式识别、智能信息处理所在院（系）计算机与信息学院电子信息工程系E-mail地址xudong 电题来源：科研 教学 设计 工程 自选 其他（ ）一、申请理由（知识条件，特长、兴趣，相关经历等）1.知识条件(1)在过去的两年间，我们学习过C语言、c+、Java、数据结构等相关专业课程，这些课程的学习内容为我们所做的项目提供了一定的基础，有助于我们更好更快的掌握本项目相关编程知识。(2)在过去的两年时间，我们均有编程实验的经历，并对图像的处理有了大体的了解与认识。(3)我们对于判断足球越位有一定的了解，在平时生活中也有接触，

4、可以帮助我们更好地将其运用到处理系统中去。 2. 成员简介：胡晓斌：本项目组申报人，爱好编程，学习了C语言、C+、Java等相关课程，并已通过国家计算机二级Java考核。为人坦率、热情、处事乐观、做事勤奋求实，富有责任心。学习踏实认真，有较强的动手能力，并且善于观察老师在教学期间教导的细节内容。学习表现优异，善于团队合作，具有较强的集体意识和责任感。罗鹏宇：对计算机科学及其科研工作有着强烈的兴趣，已完成C+，Java，数据结构，数据库等编程课程的学习，曾自学Matlab，做事考虑周到，具有较强的组织能力和团队责任感，已通过国家计算机二级Java考试。叶宇：态度认真，做事积极。有较强的自学能力；

5、对于科研工作很有兴趣。已经完成Java，c+，数据结构等基本编程课程。已经进行过单片机的训练。具有很强的团队精神与责任感，有恒心有毅力。已经通过国家计算机c+考试和英语四级考试。何旭东：已完成C+，Java，数据结构等编程课程的学习，并通过计算机二级考试。在学生会任职,具有较强的组织与团结团队的能力，且创新意识较强，善于发现问题，分析问题和总结问题。本组成员对于图像处理有浓厚的兴趣，并在平时学习和实验中刻苦认真，能够很好的完成C语言，Java等相关的实验设计。对于不懂或者未知的领域勇于去尝试，并有所收获。国际足球比赛规则规定足球比赛由一名主裁判和两名助理裁判在犯规及违例行为进行判罚，当球员发生

6、越位行为时，助理裁判需举旗向主裁判示意。这说明在判罚过程中人为控制比赛的因素很大，对裁判的道德品质和专业素质提出了很高的要求。正是基于这样的目的，我们致力于开发一套基于图像处理的足球越位自动判别系统，协助裁判员对越位行为进行判别，最大程度地减少误判和黑哨对于足球运动的公平性的影响，促进足球运动的发展。利用图像处理来对足球越位进行自动判别能够很好地解决该问题，切实维护了足球比赛的公平性，这些都是我们的动力与目标，将会激励和促进我们不断实现和完善项目。二、项目研究内容（目前研究的现状、研究方法、实验方案、解决的关键技术和创新点等）1.项目意义 随着体育运动的深入开展，越来越多的人致力于体育分析的研

7、究。实践表明仅仅依靠人员判别不能够保证比赛的公平展开，而多媒体技术的快速发展使得机器自动判别成为可能。科技在大型体育赛事中扮演的角色正变得越来越重要，大到体育场的智能系统，小到门检处的防伪芯片，无不渗透着现代科技的成果。机器自动判别系统就是将现代科技应用于足球赛场上，从而弥补人工裁判的不足，实现实时、准确、客观的判断。自动判别技术可以对现场进行实时监控，严格地按照相应体育竞赛规则判断球员是否进球或者越位，球是否压线等，这对体育比赛的公平进行起到了重要的辅助作用。本文以足球运动视频为切入点，针对足球比赛中频繁出现的越位判罚失误现象，在深入理解足球比赛越位规则基础上，提出了足球越位自动判别的相关算

8、法并通过程序实现。研究方向涉及了图像处理和图像识别领域的相关知识，这也可以广泛于其他领域。近些年来，多媒体信息的快速增长趋势促进了视频索引和检索技术的发展，大量的工作人员致力于体育场景的研究。例如，探测和跟踪体育视频中球员和球。特别是对于足球比赛视频的场景分析，这些广泛应用于3D视频的重建和电视广播技术。因此发展更高效的视频处理技术和体育分析技术势在必行。在门类众多的体育比赛中，足球比赛拥有的人数最多和受关注的程度最高。实践表明，比赛中与裁判员因素有关而造成的混乱局面和斗殴事件，大多数是因为裁判员对犯规的判罚不准而引起的，特别是对越位的判罚。在2010年南非世界杯中，裁判员的多次判罚失误就再一

9、次引起了全世界范围内球员和球迷的不满。尤其对于越位现象大多发生在禁区内部，判罚的结果可能直接影响到比分改写，涉及球队乃至国家的战绩和荣誉。此外，误判不利于比赛的公平开展，因此这迫切要求我们应使用先进的科学技术协助裁判进行判罚比赛。此外由裁判判罚不公平所引发的黑哨现象一直没有得到有效的遏制，这引起了上至国家领导关注、下至普通观众的强烈不满。目前的电视转播的技术手段尚不能作到实时性取证，只能在比赛结束后对争议较大的比赛录像做人为判读。在如今的商品经济时代，体育竞赛越来越多与金钱和权力相联系，裁判员能否公正执行规则，而不受外界其它因素左右已是人们普遍关注的问题。而与人为判罚相结合的机器自动判别系统则

10、可以有效地杜绝判罚不公现象，更好地为大众服务。在足球比赛中，是否越位主要是由助理裁判来判断，但是助理裁判除了判断越位还要监视球员的犯规等各种行为，例如足球出界、球员拉拽及恶意犯规等。在对越位的判别上，是以传球的瞬间为依据的，因为足球在空中飞行需要一定的时间，并不是以足球落地那一刻来判断，裁判的奔跑距离以及体能的限制，这对于判别较长时间传球的越位关系提出了更大的挑战。图1 足球比赛中的越位争议示例举个例子，图1是最近进行的一场中超联赛中引起很大争议的一个越位判罚，蓝方河南建业队员在禁区外长传，用红线标示的蓝方球员接球后将球打进，图像远端的边裁却举旗示意该队员处在越位位置，这样的争议判罚引发了河南

11、建业球员强烈的不满。很明显，通过肉眼即使在静态图像中我们也无法判断该蓝方球员是否处于越位位置，何况边裁的判断是在一瞬间决定的，所以，由于人工裁判受到自身注意力、反应能力、身体机能、个人素质各方面的限制，仅靠人工裁判不能对越位的判断做到客观公正，利用计算机技术设计相应自动判别越位的技术是必要的，势在必行的。正是基于这样的目的，我们致力于开发一套基于图像处理的足球越位自动判别系统，协助裁判员对越位行为进行判别，最大程度地减少误判和黑哨对于足球运动的公平性的影响，促进足球运动的发展。2.国内外研究的现状90年代初，国际上对基于内容的体育视频分析方面开始了研究，由于文化背景和需求的不同，大部分体育视频

12、内容分析系统集中于网球、篮球和棒球领域，另外在足球方面更多的人员热衷于分析智能机器人的颜色识别和策略实施。国内的研究始于90年代末。主要研究热点集中在视频语义对象的提取，包括球场的检测、球和球员的检测以及场景的三维重建，这些技术都集中在视频分析而没有体现在判罚比赛上。近几年来，为了维护比赛的公平合理，机器判别技术越来越多的应用于比赛的当中，以此来辅助人工裁判进行更准确无误的判罚。随着时代的不断进步，自动判别技术发挥着越来越重要的作用。因此基于视频分析的足球越位自动判别系统属于一个全新的，有生命力的课题方向。目前被提出的越位自动检测的解决方案主要有:（1）日本Keio大学的Sadatsugu H

13、ashimoto提出采取多摄像机定位计算球员的世界坐标，然后根据人体模型做队服识别，另外通过多摄像机定标计算和跟踪足球的3D坐标以此判断其是否参与进攻，最后计算得到越位线，通过综合分析这些结果来做出越位的判罚。但是对于越位判断仅仅考虑了球员是否在越位位置上，没有对其是否参与进攻影响比赛进行判断(根据越位规则，如果处在越位位置上的球员没有卷入比赛，则不能判罚越位)。此外输入检测的图像是通过手动方式。正如作者的提到的那样:“这些都需要在未来的工作中考虑到。”（2）意大利国家研究理事会自动化智能所的Tiziana DOrazio等人提出了实时越位探测的可行性分析，采用六架高分辨率摄像机实时检测和跟踪

14、足球和球员，从而减少视角以及球员重合的误差;使用非监督聚类的方法对球员组别分类;采用多视角分析评估越位行为;在此基础上重建二维虚拟球场，模拟越位球员的射门行为，从而根据球员坐标相对位置判断是否越位。此外他们开发了一套适用于监测足球视频序列的半自动系统，一方面可以自动估计并生成球场目标的实时数据信息，另一方面提供了友好用户接口用来人工校对检测和跟踪的结果。这不仅适用于科学领域，还适用于其他监察场景。此外，国外也开发了一些体育分析的软件。英国著名的体育数据分析公司ProZone开发了ProZone3软件，对数据进行整合分析和处理。它通过在球场上架设摄影机，把球场上的所有球员拍摄下来，然后在电脑上详

15、细标记每名球员的位置和发生的事件，向分析人员提供大量的数值和可视化信息，包括比赛模拟三维动画、运动员奔跑距离、运动轨迹、铲球、犯规、过人次数、传球次数、射门次数等，同时也包括对球员越位的统计，被称为绿茵球场“百科全书”。此软件不仅广泛应用于职业球坛为球队提供专业的数据分析，而且己经投入游戏的运营和开发。3.研究方案（1）足球越位规则简介： 足球越位中有两个非常重要的概念:越位位置和越位。国际足联足球比赛规则对越位位置和越位做出了明确解释。在防守方半场内，当进攻球员踢或触球的一刹那，同队队员较球更接近对方球门线，并且在他与对方球门线之间，防守方队员不足两人时，称为该队员处于越位位置。下列情况除外

16、:该队员在本方半场内；至少有对方队员两人比该队员更接近于对方的球门线(是指头、躯干和脚的任何部分比球和对方最后第二名队员更接近球门线，手臂不包含在内，因为仅手臂在前是不能获利的)。当队员踢或触及球的一瞬间，同队队员处于越位位置时，裁判员认为该队员有下列行为，则应判为越位:正在干扰比赛或干扰对方;企图从越位位置获得利益从而得球进攻。下列情况，队员不应被判为越位:1.队员仅仅处在越位位置而并未卷入比赛，这里卷入比赛是指处在越位位置上的球员参与进攻触及到队友传递的足球，或者做出裁判员认为有犯规行为的明显的移动或姿势干扰对方。2.队员直接接到球门球、角球或界外掷球时裁判员也无需判断越位。越位位置判决的

17、关键问题有两个:是判决的时刻是进攻球员踢或触球的一刹那;是进攻队员和防守方球门线之间的防守队员至少有两个。从这个分析来看，检测到球和球员在欧氏世界坐标系下的位置，并区分出球员的队别，就可以准确地判断是否处于越位位置，我们需要设计相应的算法对队员是否越位进行判断，即越位行为检测。（2）比赛视频图像中运动员与足球的检测 1)场地的提取现有成熟的算法是对球场使用统计分类方法检测球场主色。我们使用的算法是将图像的颜色模型从RGB空间转换到HSV空间，这样有利于突出球场的主色特征。在计算过程中我们采用的是色度值和饱和度的值，忽略了亮度分量。这样做是因为光照会引起亮度分量的明显变化，但对色度和饱和度的影响

18、却很小，采用忽略亮度分量的方法可以解决球场因为光照不均产生的阴影的问题，并且提高了计算速度。由足球比赛视频镜头的分类可知，帧图像中的主要颜色区域是球场草地区域，长镜头中具有最大范围的球场草地像素点，并且从视频中能最多的反映出得球员和足球的位置属性。在一般体育比赛节目中，视频图像的颜色主要分布在颜色模型空间中的几个比较密集的区域。针对于此，可以在视频图像相应的颜色直方图中寻找数值较大，出现峰值的密集区域，则该区域即为球场的主色区域。在HSV颜色模型中，对图像进行Hue分量提取和统计，生成Hue直方图，由于长镜头图像中足球场地占绝大部分，所以在直方图中会出现峰值，这样同时解决了球场颜色是其他不正规

19、球场颜色的问题，可以选取以直方图峰值为中心对称区域反投影得到场地。具体算法如下: 读入视频图像选取关键帧，将RGB颜色空间转换成HSV模型; 提取图像的H分量得到H分量的直方图; 在直方图中寻找峰值点的位置，其峰值点的值为M1; 在峰值点周围查询数值大于kM1的像素点（k为比例因子），计算该部分，将这部分从直方图中去除，接着寻找下一个峰值点进行类似的操作; 将去除的这些峰值部分进行比较取最大部分的向量进行反投影变换，重建以RGB为颜色模型的图像。至此我们可以获得足球的场地，为以后的越位检测工作进行准备和铺垫。我们对一帧原始RGB图像进行Hue分量提取和统计，生成了Hue直方图。如图2所示，色调

20、H主要分布在两个明显的峰值范围内。图2 色调H的直方图如图3所示，按照算法实现了反投影提取场地，去除了场外观众区域产生的干扰，为下一步的检测提供了便利。图3 反投影提取场地2) 球员的检测读入视频图像，运行球场检测与提取的算法，得到足球场地后对其二值化; 对足球场地的二值化图像进行形态学处理，闭运算消除噪声，开运算提取球场; 利用区域分析的方法将非球场区域去除，将获得球场区域的二值图像与原图像相乘，获得球场区域的RGB图像; 将球场区域的图像减去场地区域的图像; 通过上述几步操作，运行得到的结果往往含有一些非球员区域，可对图像进行区域形状分析以解决此问题。对于球员的遮挡问题，可以为每个球员设定

21、参数W（宽度），H （高度），S（ 球员区域像素个数），设定阈值T，当S小于一定值时则为噪声应该去除，S大于一定值时则发生了遮挡，可以对遮挡区域进行水平和垂直分割。 图4 检测球员图像通过以上方法我们得到了球员和裁判员的运动目标区域。由图4所示，球员的检测速度快而且效果良好，满足实际要求。对于球员奔跑而产生的遮挡现象，如果进行检测可能会产生连通区域，我们在算法中进行了目标分割，此外对于这种现象可以连续提取多帧图像的目标，如果出现分离区域即可把两者分开。3）足球的检测进行越位自动判别，不仅需要获取球员的坐标位置，还需要得到足球的坐标位置。球员在进行盘带过人时，足球往往出现在其附近位置上。随着比赛

22、的正常进行，足球在双方球员之间移动。目前对于足球视频的转播往往是根据足球的位置移动来控制主摄像机的拍摄角度和方位，以便让观众获取更好地观测效果。所以足球的检测和跟踪对于视频分析具有重要意义。国内外对足球检测的算法主要是利用球的颜色特征和足球运动的连续性。提出了SBM(特征二值图)算法，不明白这个算法放在这里想说明什么问题？这里不需要写国内外研究现状了，只要写你们的想法说可以了。另外，想用别人的算法，只要说利用什么什么算法来干什么，不能说提出了什么什么算法。可以首先对图像进行预处理，根据颜色和形状模板将一些杂物去掉，由于球的边界上的梯度变化最大，我们就可以根据球的尺寸、颜色或纹理对剩下的区域进行

23、筛选，由此分离出来的结果就是球的位置，最后利用卡尔曼滤波或者粒子滤波对足球进行预测和跟踪，以提高检测精度。对于足球的检测可以利用其形状特性设计模板进行匹配。具体思想是相对足球，球员的大小更容易获取，因此定义了足球估算函数R(F)=h/7; h/3，这里F是视频帧，h是第F帧图像中球员的平均高度，由于实际拍摄的问题足球可能不是圆形，但是根据数据统计分析，可以设置足球的高宽比，低于数值3时则可以接受该目标可能为足球，在检测球员的基础上提取出运动的足球目标。足球检测的步骤如下：将球场上属于草坪的像素点都过滤掉；在剩下的像素点中提取出连通区域，这些连通区域必然包括所要提取的目标，在提取连通区域前对图像

24、做形态学处理，以使后续提取能获得满意的效果；根据形状信息，对这些区域进行分类，判断是否是足球。对于单帧图像可以对整幅图像作一系列的处理提取出这些区域，在连续的视频图像序列中，可以估计目标区域在下一帧中可能出现的位置，然后以这个估计的位置为中心，在一定大小的区域内进行搜索。由于球场上的球员和足球在图像上都表现为草坪上非绿色的区域，因此可以用类似的方法将其提取出来。我们首先设计一个5x5的高斯模板，接着引出了一个对足球进行估计的评价函数，从而提取出足球候选区域。定义为:其中，A(i,j)是以高斯模板对图像求和，这样可以使图像中边缘变化剧烈的点亮度变得更高些，从而抑制了平滑背景，其值越大表明此目标有

25、可能是足球;B(i, j)定义为足球的吻合度评价函数，以高斯模板为大小对图像每个像素点求方差，如果差值越大，表明此目标越不是足球;k为常数项。通过足球评价函数来评估图像中的目标是不是足球。最后算法对图像进行了归一化。我们拟选取足球视频中的连续帧图像，在预测的基础上进行仿真分析。由于比赛中足球多为白色圆形，所以可以利用其形状特性，即使由于拍摄的角度和速度导致丧失了其形状特性，足球边缘点的评估函数也很好的解决了这个问题。由于球员的球袜或球衣等也多为白色或形状与足球接近，可能会对足球的检测产生干扰，利用足球评估函数大大的减少了检测错误率。 4）球场特征线的提取 球场特征线提取的目的是为摄像机标定提供

26、元素。在图像坐标下检测到的特征线的交点和欧氏世界坐标系中特征线的交点的对应关系用来计算两坐标系之间的投影矩阵。球场特征线检测算法采用Top-hat变换突出白色象素，然后用Hough变换检测直线。预处理 在足球视频中，球场禁区线、球门线、边界线和中线均为白色，因此我们可以利用顶帽变换(Top-hat)突出白色象素，然后用Hough检测直线。实际情况表明，看台上将会出现一些白色象素，这将影响到球场线检测的准确性。因此，利用第二章球场区域检测的结果，将处理的重点集中在球场区域之上，成为一个必要的预处理步骤。 下面我们设计球场禁区线检测的预处理算法如下，流程如图5所示。 步骤1：将原始输入图Src像转

27、换成灰度图Gray; 步骤2：对灰度图像Gray做Top-hat变换，选取3*3的结构元素,得到突出白色象素后的Mask矩阵，然后以给定的闽值对Mask矩阵进行二值化; 步骤3：将Mask矩阵和“球场色分类”得到的球场色的Mask矩阵做与运算，去掉球场上的非球场色象素，结果存在Mask矩阵中; 步骤4：将球场区域检测得到的球场区域矩阵Mask_pf和Mask做与运算，得到去掉看台区域后的结果存在Mask矩阵中;二值化Top-Hat变换换灰度变换输入帧 去掉非球场色区域得到用于直线检测的二值图去掉看台区域 图5 特征线预处理流程基于Hough变换检测球场特征线在实现球场特征线的粗检测后,为了完成

28、球场特征线的准确检测我们还需要解决三个问题:（1）图像中的直线是一个象素集，是有宽度的，检测到的直线是参数形式的直线，所以图像中的一条直线往往对应检测到的数条直线;（2）理解直线所表达的语义，不仅要检测到所有的直线，而且需要识别出每条直线和真实球场线的对应关系;（3）为解决直线在某些特殊场合丢失的问题，还需要引入直线追踪的处理过程。 经过对白色象素对应的mask矩阵的预处理过程之后，采用Hough变换可以检测到对应的直线，但是每条实际的特征线可能对应多条检测到的直线。由此设计球场候选线检测算法如下:（1）按照特征线在球场上的位置，可将它们分为垂直和水平两类(以和球门线的关系为准，和球门线垂直的

29、是水平线，反之为垂直线);（2）按照直线间的距离关系对两类直线进行内部聚类，得到的结果是每一簇直线对应一条实际的直线;最后，由每簇中的所有直线取平均即可得到实际球场线对应的检测线。直线聚类的距离公式如下:d=|rho1-rho2|上式中rho1和rho2表示坐标原点到两条直线的距离。当距离超过一定的闽值时，两条直线被认为属于不同的簇。以视频帧为基本单位的直线检测为我们提供了检测球场特征线的重要的基本信息，但某些特殊的情况会导致视频帧的直线检测失败，例如，当视频帧的某条直线被一物体遮挡时，该直线很可能出现没有Hough变换检测到的情况。针对这种情况我们拟采用直线追踪算法，借助当前视频帧的前一帧的

30、结果预计该帧。设计直线检测的算法如下:步骤1:从第一帧开始，对当前视频帧做预处理，得到对应的直线检测的输入图像MaskCurrent；步骤2:在MaskCurrent图像上使用Hough变换，将检测到的直线集LineHough分为水平集LineHough_ V和垂直LineHough_ H集两类；步骤3:对于LineHough集中的所有直线做如下判断:如果直线在MaskCurrent中覆盖的非零像素点数目小于20，则将该直线从LineHough中删除；步骤4:分别对LinePrev两类直线集LinePrev_ V, LinePrev_ H中的所有直线做如下判断:如果直线在当前帧的检测结果Lin

31、eHough中不存在相似的直线(距离小于一定阈值表示相似)，则对调用直线追踪程序，追踪的结果存在LineCurrent中；步骤5:输出LineCurrent, LineCurrent为每帧最终检测到的直线集。以LineCurrent更新LinePrev集，作为下一帧处理的输入，然后转入Step 1执行，直到处理完视频的所有帧。当前帧的检测直线集当前帧直线检测预处理加入当前帧的直线集直线追踪处理过程当前帧的直线集（最终）上一帧中的直线集更新图6 直线检测流程图（3）基于摄像机标定方法对球场平面进行坐标重建摄像机标定方法原理 摄像机定标技术主要分为两类：传统的摄像机定标方法和自定标方法。传统的摄像

32、机定标方法是在摄像机前放一个已知形状和尺寸的物体，称为标定参照物，对其拍摄并进行图像处理，利用一系列数学变换和计算方法，求取摄像机模型的内外参数，摄像机自定标方法是指不需要标定参照物的方法，而仅利用摄像机在运动过程中周围环境的图像及图像之间的对应关系对摄像机进行标定。 对计算机视觉技术研究而言，在利用计算机技术实现对景物的描述、识别和理解这一任务时，摄像机是对场景重建的一种基本测量工具，这时摄像机定标被认为是实现三维欧氏空间立体视觉的基本而又关键的一步。无论是采用何种标定方式，摄像机标定的目的都是利用物体参考点的欧氏世界坐标(x,y,z)和它相应的计算机图像坐标(u,v)来确定摄像机的内外参数

33、。由此可知，我们可以利用摄像机定标原理结合足球视频图像推导出其场景目标在真实欧氏世界坐标下的位置，从而达到球场平面坐标的重建。 视频图像序列的读取足球视频中球场特征线的提取根据球场特征线方程求解特征点坐标利用摄像机标定原理求解投影矩阵求解足球和球员的欧式世界坐标图7 球场平面坐标重建算法框架 (4)越位自动判别方法我们考虑进攻方队员传球时出现的越位行为。即当攻方队员传球的一刹那，如果处于越位位置的攻方球员有接球的意图则判为越位。球和球员的坐标位置被实时读取到后，具体的算法步骤如下: 1)比赛场景的存储: 我们需要将每一时刻赛场中的信息保存下来。这些信息包括：两队22名球员的位置、球的位置和归属

34、。在实际算法中，下一时刻的场景中可以不对归属进行判断。我们将实际球场以一定比例缩放获得球场的二维俯视模型，其中方块和三角区域分别为比赛的蓝方队员和红方队员的位置，根据球场刻度尺得到的球员坐标并以一维数组格式进行储存，球员在数组中保存后需要进行排序，排序标准为队员的x坐标值，x随着比赛时间的变化而变化。图8 比赛场景的存储示意图2）越位位置判断规则：根据国际足联对越位位置的定义，结合上述球场平面模型，本文做出如下判断规则： 假设蓝方队员向左进攻，红方为防守方，如果排序数组中蓝方队员坐标大于中线的x坐标52.5，则该队员不处于越位位置，即越位要在对方半场发生； 如果排序数组中进攻的蓝方球员前面有两

35、个货或两个以上的防守球员，则该队员不处于越位位置； 如果进攻方最靠前球员的坐标与两名以上防守球员的坐标相等，则该队员也不处于越位位置。4.解决的关键技术建立了足球越位自动判别系统框架，在此基础上对越位自动中所需要的关键技术进行了分章节的重点描述，设计了相应了算法并通过程序实现。设计了足球视频中运动目标的检测算法。包括球场检测、球员的检测，以及足球的检测。它们是实现体育内容分析和球场重建工作的关键技术，更是实现越位自动判别的先决基础。对于足球场地的检测我们提出了利用HSV空间模型变换的方法。将图像的颜色模型从RGB空间转换到HSV空间，对图像进行Hue分量提取和统计，根据直方图峰值分析进行反投影

36、变换。5.系统框架比赛视频图像的采集球员的检测足球的检测球场线的检测足球及球员平面位置坐标的获取足球越位自动判别算法场景储存及越位位置判断规则目标场景检测结果反馈结果 图9 系统框架流程示意图6.参考文献1川王福远.世界体育竞赛规则大全(上下册)J.vol. 2. 1997. pp.937940.2刘桦楠，周新华.足球裁判员“离轨”行为的社会学思考.成都体育学院学报J.Vol. 36, No. 12, 2010.3王明俊，王萍，王玲.基于Hough变换和特征点的足球比赛越位判别技术研究.科学技术与工程J，Vol. 19, No. 13, Feb, 2009.4冈萨雷斯.数字图像处理.电子工业出

37、版社J.2011.5陈战.基于多摄像机定标的足球比赛场景恢复.硕士学位论文.西安电子科技大学D.2007.6阎刚，崔国栋，于明.基于高斯混合模型的背景建模球员检测算法J.Vo1.27,No.9,Dec. 2010.7刘国翌，杜威，李华.足球场地标志线的自动提取.计算机辅助设计与图形学学报J.Vol. 15, No. 7, July, 2003.8吴晓军，宋展.基于高斯混合模型的视频背景建模技术初探.先进技术研究通报J，Vol. 4, No.7, Jul. 2010. pp. 7579.三、项目进度安排（查阅资料、选题、自主设计项目研究方案、开题报告、实验研究、数据统计、处理与分析、研制开发、填写结题表、撰写研究论文和总结报