肖仁锋

（济南职业学院 计算机系，山东 济南 250103）

基于图像处理的球员身份识别是当前的研究热点之一。文献［1］介绍了发现和识别球员号码的方法。作者利用HSV颜色空间来分离球队的球衣，然后分离号码并识别。文献［2］首先通过图像分割方法提取球员球衣上的号码区域，利用内部轮廓检测对号码定位，然后对提取出的号码采用基于概率统计的贝叶斯分类器进行识别，取得了较好的效果。

笔者研究了利用视觉特征来确定比赛中球员身份的可能性。首先利用MAP检测方法分割球衣区域，然后利用OCR方法识别号码。系统的输入为比赛照片和球队球衣的先验知识，输出为带有球员名字的原输入照片。

1 球衣识别

在需要识别球员的比赛中，比赛的双方球队有四种可能出现的球衣颜色（每队有主场和客场两种球衣）。根据初步判断，在篮球球衣中球衣颜色为单色，没有条纹或者广告，因此尝试找出能够确定照片中球衣的RGB颜色范围。一种简单的算法是遍历每个像素，并且判断该像素的RGB值是否落入相应的取值范围。如果RGB颜色值中的所有三个值都在区间范围之外，则该像素的RGB值被设为0，来表示该像素不属于球衣。但是由于拍摄角度以及光照等问题，该方法成功率太低不能保证球衣识别效率。

针对这一问题，本文提出MAP（Maximum a posteriori probability）检测器方法。首先，对每种球衣，提供不同光照、不同视角下的照片，手工标出照片中球衣的范围，利用照片和手工标记的范围来训练MAP检测器。然后运用训练出的MAP检测器来进行球衣检测。图1为检测效果（球衣部分为白色，其他部分为黑色）。

图1 球衣检测结果

由于观众及复杂背景中颜色相似性等原因，MAP算法还有一定的误检率。为了进一步提高检测效率，在MAP检测结果基础上利用区域的性质来进行进一步判断。通过篮球常识可知，每一个球队只允许五名球员在球场上，利用这个逻辑，查找最大的5个区域，然后消除其他部分，即可消除背景中观众人群等带来的误检。

当球场上拍到的球员少于5个时，算法通过一些附加的处理来去除额外的区域。在比赛录像中，可以确定球衣在整个图像中的大致的比例范围。因此可以首先去除那些在整个图像中占区域小于某一百分比的区域，比如2%。此外球衣号码的高宽比也有一定的比例（算法中设定高宽比大于1）。通过这一限定可以去除球队标志等容易错误判断的区域。

2 号码识别

在获得球衣范围之后，该范围中只有球衣和号码以及球队标志（球队标志可用高宽比去除）。此时将该区域进行二值化即可将数字提取出来，然后通过球衣上的数字来识别球员（如图2）。目前常用的方法为模版匹配法。即为每位球员（号码）建立一个模板。利用模板来对号码区域进行卷积。取匹配最大值为识别结果。但由于号码的角度，轻微的变形及球衣折叠等问题导致模版匹配法效率不高。

本文采用OCR方法来检测号码［3］。OCR算法分析每一个字符并且计算该字符与模板之间的相互关系，选取最大值为匹配结果。在球员号码识别中，并不需要OCR识别所有的号码，仅仅需要区分五个可能的号码。这样可以避免一些字符的混淆。同时，对两个数字组成的号码，采用两个平行的OCR来检测球衣的号码。以湖人队为例，湖人的五个先发球员的号码“7”，“15”，“16”，“17”和“24”。因此球员号码的第一个字母可能是1或者2。第二个号码可能是4，5，6或者7。基于这样的先验知识，运行两个并行的OCR，针对第一个数字建立一个OCR（仅仅识别1和2），然后另一个OCR识别第二个数字（4，5，6，7），最后取两个OCR的结果组合来完成最终的号码的估计。

在获得球衣号码的识别结果之后，如果算法得到一个不能匹配的号码，那么用一些针对球队的特定的逻辑分析来矫正识别结果。例如球队中仅仅有一位球员有单数字的球衣号码。则可确定任意单数字的球衣号码都归属于该球员。另外的四个球衣号码是24，15，16和17，也可仅仅通过第二个数字来识别号码。

得到每个球衣的号码之后，通过算法在球员号码的下方输出该球员的名字，结果如图3。

图2 球衣区域

图3 球员识别结果

3 结论

本文主要研究利用照片来检测和识别NBA比赛中球员的可能性。尽管将目标缩小到一个球队，但这不影响研究结果。最后的实验结果证明了算法的有效性。

［1］ M Saric，H Dujmic，V Papic，N Rozic.Player number localization and recognition in soccer video using HSV color space and internal contours［J］.World Academy of Science，Engineering and Technology，2008，43.

［2］ 徐晓煜，黄欢，杨小娜，等.比赛视频中球员号码的定位与识别［J］.郑州轻工业学院学报（自然科学版），2012，27（6）：82－85.

［3］ 王改芬.用C＃识别图像中的文字［J］.计算机时代，2011（7）：50－51.