رديابي بازيكنان در تصاوير ويدئويي مسابقات فوتبال با تلفيق روشهاي گراف و هوش جمعي

Player Tracking using Graph and Artificial Intelligence methods in Soccer Broadcast Videos

در سالهاي اخير، رديابي بازيكنان در ويدئوي مسابقات فوتبال مورد مطالعه محققين و متخصصين قرار گرفته است. در اين مقاله، اطلاعات پيش­نياز براي مرحله رديابي با تعيين موقعيت بازيكنان با استفاده از روش آدابوست، بر چسب­ دهي آنها و جداسازي بازيكنان همپوشان آماده ­سازي شده است و ارتباط تصاوير با مدل زمين برقرار شده است. همچنين به ­منظور كاهش تعداد كانديدهاي تناظريابي بين مدل زمين و تصوير، تصاوير كليدي انتخاب شده ­اند و تصاوير منتخب براساس شناسايي خطوط شان به مدل زمين مرتبط شده ­اند. سپس تلفيق روش گراف و الگوريتم كلوني زنبورهاي مصنوعي و الگوريتم اجتماع پرندگان كه الهام گرفته از رفتار زنبورها و پرندگان براي جستجوي غذاست به ­منظور استخراج مسيرهاي بهينه حركت بازيكن ها استفاده شده ­اند. بسياري از مسائل بهينه­ سازي پيوسته به ­صورت كارا با اين روشها حل شده ­اند اما براي حل مسائل گسسته در كاربردهاي مختلف بايد بهبود داده شوند. در اين راستا، استخراج مسيرهاي بهينه بازيكنان به ­طور همزمان و با در نظر گرفتن تصاوير متوالي در روش گراف با مشكل فضاي جستجوي بزرگ مواجه است. به­منظور اجتناب از افزايش غيرمعمول محاسبات، مسيرهاي بهينه بازيكنان با استفاده از حالتي توسعه داده شده از روش­هاي هوش مصنوعي براي حل مسئله گسسته رديابي بازيكنان استخراج شده ­اند. در پايان روش پيشنهادي روي هفت بخش از شش ويدئوي مختلف ارزيابي شده است و مسيرهاي حركت بازيكنان در ويدئوي مسابقه­ هاي فوتبال استخراج شده ­اند.

Player tracking in soccer broadcast videos can be further processed by coaches and experts to judge weaknesses and strengths of the players and the team. Following player detection by Adaboost, player labeling, occlusion handling and player localization, player trajectory is extracted using combination of graph with artificial bee colony (ABC) and particle swarm optimization (PSO) in this research. PSO and ABC are optimization method inspired by the flocking behavior of birds and bees which were originally customized for continuous function value optimization. However, the need for modifying the discrete version in different applications is inevitable. In this paper, a modified version of discrete PSO and ABC for player tracking is proposed. Moreover, a new method for registering frames to the field model based on line recognition is proposed to diminish the search space. Finally, the proposed algorithm is tested on seven shots from six different soccer broadcast videos. Experimental results show the capability of the proposed method for extracting player trajectory in soccer broadcast videos.