一种基于台球轨迹检测的台球比赛作弊识别方法及系统

摘要

本发明公开了一种基于台球轨迹检测的台球比赛作弊识别方法及系统，包括：获取包括台桌及台面上台球的连续帧图像；对所述连续帧图像进行解析，获取目标台球的移动轨迹；根据所述移动轨迹确定目标台球的碰撞点；根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。对台球轨迹进行分析，根据台球的轨迹准确判断是否存在作弊行为，不需要人为监控，省时省力。

说明书

技术领域

本发明涉及台球检测技术领域，特别涉及一种基于台球轨迹检测的台球比赛作弊识别方法及系统。

背景技术

台球是人们越来越喜欢的一种体育运动。在台球比赛中为比赛进行准确计分且识别比赛者是否作弊是人们重点研究的项目。现有技术中，通过监控设备监控整个比赛过程，不能准确的识别比赛者是否作弊，并且需要人为监控，费时费力。

发明内容

本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的第一个目的在于提出一种基于台球轨迹检测的台球比赛作弊识别方法，对台球轨迹进行分析，根据台球的轨迹准确判断是否存在作弊行为，不需要人为监控，省时省力。

本发明的第二个目的在于提出一种基于台球轨迹检测的台球比赛作弊识别系统。

为达到上述目的，本发明第一方面实施例提出了一种基于台球轨迹检测的台球比赛作弊识别方法，包括：

获取包括台桌及台面上台球的连续帧图像；

对所述连续帧图像进行解析，获取目标台球的移动轨迹；

根据所述移动轨迹确定目标台球的碰撞点；

根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；

分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。

根据本发明的一些实施例，所述对所述连续帧图像进行解析，获取目标台球的移动轨迹，包括：

对所述连续帧图像分别进行图像预处理；

分别获取经过图像预处理后的单帧图像中的若干个圆形区域；

将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；

根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；

根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；

将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。

根据本发明的一些实施例，所述根据所述移动轨迹确定目标台球的碰撞点，包括：

分析所述移动轨迹，筛选出所述移动轨迹上的转折点；

获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；

判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

根据本发明的一些实施例，计算所述多个轨迹片段的线性误差，包括：

获取一个轨迹片段上的轨迹点的数量及轨迹点的坐标；

根据轨迹点的数量及轨迹点的坐标通过根据公式(1)计算轨迹片段的线性误差r：

其中，x

根据本发明的一些实施例，还包括：

在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；

筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；

对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

在一实施例中，在获取包括台桌及台面上台球的连续帧图像前，还包括：

获取两帧包括比赛者的击球手臂的击球图像；

对所述两帧击球图像去除背景噪声后，进行特征提取，提取第一帧击球图像中击球手臂对应的第一颜色直方图，基于公式(2)计算第一颜色直方图a

其中，a

根据第一颜色直方图a

其中，d

根据第一帧击球图像a与第二帧击球b图像的匹配度函数对比赛者的击球手臂实现轨迹跟踪。

为达到上述目的，本发明第二方面实施例提出了一种基于台球轨迹检测的台球比赛作弊识别系统，包括：

第一获取模块，用于获取包括台桌及台面上台球的连续帧图像；

第二获取模块，用于对所述连续帧图像进行解析，获取目标台球的移动轨迹；

确定模块，用于根据所述移动轨迹确定目标台球的碰撞点；

分割模块，用于根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；

第一判断模块，用于分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。

根据本发明的一些实施例，所述第二获取模块，包括：

预处理子模块，用于对所述连续帧图像分别进行图像预处理；

第一获取子模块，用于分别获取经过图像预处理后的单帧图像中的若干个圆形区域；

第二获取子模块，用于将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；

确定子模块，用于根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；

第三获取子模块，用于根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；

移动轨迹生成子模块，用于将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。

根据本发明的一些实施例，所述确定模块，包括：

筛选子模块，用于分析所述移动轨迹，筛选出所述移动轨迹上的转折点；

目标帧图像确定子模块，用于获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；

判断子模块，用于判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

根据本发明的一些实施例，还包括：

第二判断模块，用于在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；

多帧图像确定模块，用于筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；

第三判断模块，用于对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

本发明实施例提出了一种基于台球轨迹检测的台球比赛作弊识别方法及系统，根据目标台球的移动轨迹的线性误差，准确判断比赛者是否存在作弊行为，实现自动化识别，省时省力。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据本发明一个实施例的一种基于台球轨迹检测的台球比赛作弊识别方法的流程图；

图2是根据本发明一个实施例的一种基于台球轨迹检测的台球比赛作弊识别系统的框图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，本发明第一方面实施例提出了一种基于台球轨迹检测的台球比赛作弊识别方法，包括步骤S1-S5：

S1、获取包括台桌及台面上台球的连续帧图像；

S2、对所述连续帧图像进行解析，获取目标台球的移动轨迹；

S3、根据所述移动轨迹确定目标台球的碰撞点；

S4、根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；

S5、分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。

上述技术方案的工作原理：获取包括台桌及台面上台球的连续帧图像；对所述连续帧图像进行解析，获取目标台球的移动轨迹；根据所述移动轨迹确定目标台球的碰撞点；碰撞点包括目标台球与库边的碰撞点，作为第一类碰撞点；还包括目标台球与其他台球的碰撞点，作为第二类碰撞点。根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。目标台球在运动过程中在未受到碰撞时，是根据直线来运动的。

上述技术方案的有益效果：根据目标台球的移动轨迹的线性误差，准确判断比赛者是否存在作弊行为，实现自动化识别，省时省力。

根据本发明的一些实施例，所述对所述连续帧图像进行解析，获取目标台球的移动轨迹，包括：

对所述连续帧图像分别进行图像预处理；

分别获取经过图像预处理后的单帧图像中的若干个圆形区域；

将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；

根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；

根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；

将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。

上述技术方案的工作原理：对所述连续帧图像分别进行图像预处理；所述预处理包括图像去噪、图像增强处理等；分别获取经过图像预处理后的单帧图像中的若干个圆形区域；将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。颜色通道包括H通道、S通道及V通道。

上述技术方案的有益效果：根据图像上圆形区域的颜色信息准确确定目标台球，提高目标识别的准确性。根据目标台球对应的圆形区域的圆心坐标，准确获取目标台球的移动轨迹。

根据本发明的一些实施例，所述根据所述移动轨迹确定目标台球的碰撞点，包括：

分析所述移动轨迹，筛选出所述移动轨迹上的转折点；

获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；

判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

上述技术方案的工作原理：分析所述移动轨迹，筛选出所述移动轨迹上的转折点；获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

上述技术方案的有益效果：根据移动轨迹的转折点，确定为碰撞点，根据转折点的时间信息获取目标帧图像，判断目标帧图像中目标台球与库边的距离与R的关系，进而准确判断该转折点是目标台球与库边发生碰撞还是目标台球与其他台球发生碰撞，准确获取目标台球的碰撞关系，有利于对后续的线性误差的计算。

根据本发明的一些实施例，计算所述多个轨迹片段的线性误差，包括：

获取一个轨迹片段上的轨迹点的数量及轨迹点的坐标；

根据轨迹点的数量及轨迹点的坐标通过根据公式(1)计算轨迹片段的线性误差r：

其中，x

上述技术方案的工作原理及有益效果：获取一个轨迹片段上的轨迹点的数量及轨迹点的坐标，进而准确计算轨迹片段的线性误差。提高判断线性误差与预设线性误差大小的准确性，进而提高识别是否作弊的准确性。

根据本发明的一些实施例，还包括：

在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；

筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；

对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

上述技术方案的工作原理：在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

上述技术方案的有益效果：在确定多个轨迹片段的线性误差均小于等于预设线性误差时，对长度小于预设长度的轨迹片段进行二次作弊检测，判断比赛者是否通过动态异物进行作弊，提高作弊识别的准确性。

在一实施例中，在获取包括台桌及台面上台球的连续帧图像前，还包括：

获取两帧包括比赛者的击球手臂的击球图像；

对所述两帧击球图像去除背景噪声后，进行特征提取，提取第一帧击球图像中击球手臂对应的第一颜色直方图，基于公式(2)计算第一颜色直方图a

其中，a

根据第一颜色直方图a

其中，d

根据第一帧击球图像a与第二帧击球b图像的匹配度函数对比赛者的击球手臂实现轨迹跟踪。

上述技术方案的工作原理及有益效果：在获取包括台桌及台面上台球的连续帧图像前，对比赛者在击球时击球手臂的轨迹进行检测，获取两帧包括比赛者的击球手臂的击球图像；对所述两帧击球图像去除背景噪声后，消除背景图像噪声的影响，提高后续特征提取的准确性。进行特征提取，提取第一帧击球图像中击球手臂对应的第一颜色直方图，计算第一颜色直方图a

如图2所示，本发明第二方面实施例提出了一种基于台球轨迹检测的台球比赛作弊识别系统，包括：

第一获取模块，用于获取包括台桌及台面上台球的连续帧图像；

第二获取模块，用于对所述连续帧图像进行解析，获取目标台球的移动轨迹；

确定模块，用于根据所述移动轨迹确定目标台球的碰撞点；

分割模块，用于根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；

第一判断模块，用于分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。

上述技术方案的工作原理：第一获取模块获取包括台桌及台面上台球的连续帧图像；第二获取模块对所述连续帧图像进行解析，获取目标台球的移动轨迹；确定模块根据所述移动轨迹确定目标台球的碰撞点；碰撞点包括目标台球与库边的碰撞点，作为第一类碰撞点；还包括目标台球与其他台球的碰撞点，作为第二类碰撞点。分割模块根据所述碰撞点对所述移动轨迹进行分割，得到多个轨迹片段；第一判断模块分别计算所述多个轨迹片段的线性误差，并判断是否大于预设线性误差；在确定所述线性误差大于预设线性误差时，表示所述线性误差对应的轨迹片段存在作弊行为。目标台球在运动过程中在未受到碰撞时，是根据直线来运动的。

上述技术方案的有益效果：根据目标台球的移动轨迹的线性误差，准确判断比赛者是否存在作弊行为，实现自动化识别，省时省力。

根据本发明的一些实施例，所述第二获取模块，包括：

预处理子模块，用于对所述连续帧图像分别进行图像预处理；

第一获取子模块，用于分别获取经过图像预处理后的单帧图像中的若干个圆形区域；

第二获取子模块，用于将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；

确定子模块，用于根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；

第三获取子模块，用于根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；

移动轨迹生成子模块，用于将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。

上述技术方案的工作原理：预处理子模块对所述连续帧图像分别进行图像预处理；所述预处理包括图像去噪、图像增强处理等；第一获取子模块分别获取经过图像预处理后的单帧图像中的若干个圆形区域；第二获取子模块将包括圆形区域的图像输入至颜色空间，确定圆形区域内像素点在颜色空间的各个颜色通道的取值信息，根据所述各个颜色通道的取值信息基于神经网络模型，获取所述圆形区域的颜色信息；确定子模块根据所述颜色信息及预设颜色信息确定目标台球；所述预设颜色信息与目标台球的颜色信息；第三获取子模块根据连续帧图像的排序依次进行解析，获取每帧图像中目标台球对应的圆形区域的圆心的坐标；移动轨迹生成子模块将多个圆心的坐标依次连接起来，生成目标台球的移动轨迹。

上述技术方案的有益效果：根据图像上圆形区域的颜色信息准确确定目标台球，提高目标识别的准确性。根据目标台球对应的圆形区域的圆心坐标，准确获取目标台球的移动轨迹。

根据本发明的一些实施例，所述确定模块，包括：

筛选子模块，用于分析所述移动轨迹，筛选出所述移动轨迹上的转折点；

目标帧图像确定子模块，用于获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；

判断子模块，用于判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

上述技术方案的工作原理：筛选子模块分析所述移动轨迹，筛选出所述移动轨迹上的转折点；目标帧图像确定子模块获取所述转折点的时间信息，根据所述时间信息确定目标帧图像；判断子模块判断所述目标帧图像中目标台球与库边的距离是否小于R，在确定目标台球与库边的距离小于R时，表示目标台球与库边发生碰撞，确定第一类碰撞点；反之，表示目标台球与其他台球发生碰撞，确定第二类碰撞点；所述R为目标台球的半径。

上述技术方案的有益效果：根据移动轨迹的转折点，确定为碰撞点，根据转折点的时间信息获取目标帧图像，判断目标帧图像中目标台球与库边的距离与R的关系，进而准确判断该转折点是目标台球与库边发生碰撞还是目标台球与其他台球发生碰撞，准确获取目标台球的碰撞关系，有利于对后续的线性误差的计算。

根据本发明的一些实施例，还包括：

第二判断模块，用于在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；

多帧图像确定模块，用于筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；

第三判断模块，用于对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

上述技术方案的工作原理：第二判断模块在确定多个轨迹片段的线性误差均小于等于预设线性误差时，获取每个轨迹片段的长度，并分别判断是否小于预设长度；多帧图像确定模块筛选出长度小于预设长度的轨迹片段，根据所述轨迹片段确定多帧图像；第三判断模块对所述多帧图像进行解析，判断在所述轨迹片段的延长线上是否存在动态异物；在确定存在动态异物时，表示长度小于预设长度的轨迹片段存在作弊行为。

上述技术方案的有益效果：在确定多个轨迹片段的线性误差均小于等于预设线性误差时，对长度小于预设长度的轨迹片段进行二次作弊检测，判断比赛者是否通过动态异物进行作弊，提高作弊识别的准确性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。