乒乓球运动轨迹识别定位与跟踪系统及方法与相关技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摄像机标定模块，用于对摄像机的内外部参数进行标定；
运行轨迹三维重建模块，用于接收乒乓球目标跟踪模块得到的乒乓球轨迹信息，并与摄像机标 定模块得到的摄像机内外部参数结合，进行模拟重现乒乓球三维运行轨迹；
所述乒乓球轨迹识别定位与跟踪方法包括如下步骤：
Step1，通过两台高速高清摄像机实时采集乒乓球运动时的图像；
摄像机标定模块，用于对摄像机的内外部参数进行标定；
运行轨迹三维重建模块，用于接收乒乓球目标跟踪模块得到的乒乓球轨迹信息，并与摄像机标 定模块得到的摄像机内外部参数结合，进行模拟重现乒乓球三维运行轨迹。
所述实时图像采集和传输模块还包括两个光源，一个双路高清HDMI视频采集卡和一台电脑，两 台高速高清摄像机设置在乒乓球桌同侧，机身均距离地面1米，两台高速高清摄像机沿乒乓球网 架所在平面对称，分别相距网架所在平面50厘米，且镜头正对于乒乓球桌，视野交叉覆盖整个
Step22，检测乒乓球目标在图像上是否出现，当目标未出现时，检测下一帧，直到检测到目标出
现；
Step23，选取乒乓球目标出现的目标模板，并根据融合运动信息的目标模板提取方法计算目标模
板概率函数
Step24，初始化最优状态估计、估计误差协方差、缩放因子、观测增益矩阵、传递矩阵、输入控
制矩阵和乒乓球目标的状态向量；
概率函数
其中，xi*是目标区域归一化后的图像像素点，并且i＝1,2,…,n为正整数，像素点的个数为n， xi为候选目标模板中第i样本点，并且i＝1,2,…,nh为正整数，且样本点的个数为nh， k(x)为均方误差最小的Epanechiov核函数， δ(x)为狄拉克函数， b(x)为x处的像素灰度值， 概率特征u＝1,2,…,m，u为正整数，且m为特征空间的个数， δ[b(xi)-u]用于判断像素xi是否属于直方图第u个特征区间， yk为第k帧中目标中心坐标，k为视频的帧数， h为候选目标的尺度， C*为使 的标准化的常量系数，且 为使 的标准化常量系数，且 所述Step24中，目标状态向量用 表示，且 其中，(x,y)为目标中心点在图像中的像素坐标， vx是目标中心点在图像坐标x轴上的运动速度， vy是目标中心点在图像坐标y轴上的运动速度，
进行的检测算法，具体步骤为：
Step251，根据状态估计方程 由上一帧位置计算下一时刻状态估计值 其中，F为传递矩阵，uk-1为系统的控制量，B为联系系统控制量的系数矩阵，这三项均在Step24
中进行了初始化，
为k-1时刻的最优状态估计矩阵， 为k时刻的状态估计矩阵； Step252，由方程 计算下一时刻估计协方差 其中，Pk-1为求书
1.一种乒乓球轨迹识别定位与跟踪方法，基于乒乓球轨迹识别定位与跟踪系统，其特征在于，所
述乒乓球轨迹识别定位与跟踪系统包括：
实时图像采集和传输模块，包括两台高速高清摄像机，用于实时采集乒乓球运动时的图像；
乒乓球目标识别定位和跟踪模块，用于对实时图像采集和传输模块采集的图像进行目标识别和 空间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；
乒乓球运动有效区域；两个光源分别位于两台高速高清摄像机的左右两侧，与摄像机同处于一
个水平面和垂直面，且分别相距网架所在平面1米；两个光源光照方向与网架所在平面夹角均为 30度，光照交叉覆盖整个乒乓球运动有效区域；两台高速高清摄像机分别与双路高清HDMI视频
采集卡的一个端口连接，使摄像机拍摄到的视频通过采集卡传输到电脑上，完成了实时图像采 集和传输。
识别的难度。在高速运动时乒乓球整个有效行程仅持续0.5s左右，使得准确检测和识别乒乓球任
务非常困难。
本技术提出的一种乒乓球运动轨迹识别定位与跟踪系统中，运用高速高清摄像机采集乒乓球运 动视频，解决了普通摄像机采集快速运动目标时容易发生形变的缺点。其中在融合运动信息和
预测机制的改进Mean-Shift目标跟踪算法和传统Mean-Shift目标跟踪算法对乒乓球运动轨迹识别定
后一帧像素坐标减去前一帧像素坐标除以两帧时间差可得到后一帧的目标运动速度，将目标模
板中心所在位置作为初始化目标位置，目标中心点的运动速度初始化为0； 初始化最优状态估计 此状态估计包括目标中心点在图像中的像素坐标估计，以及中心点在x轴上
和y轴上的运动速度估计，使 初始化估计误差协方差p0，使p0为四阶零矩阵， 初始化缩放因子为小于0.1的四阶单位矩阵， 初始化观测增益矩阵H，使 初始化传递矩阵F，使 其中，dt为两帧间的时间差， 初始化输入控制Buk-1，使 α1表示x方向上的加速度，α2表示y方向上的加速度，在乒乓球的运动 中我们认为其在x方向上做匀速运动，因此输入控制 所述Step25中，预测乒乓球目标位置yk时，在Kalman滤波算法的基础上，圈定目标搜索区域，而
5.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述实时图像采集 和传输模块的采集帧频为2000FPS。
技术说明书
一种乒乓球运动轨迹识别定位与跟踪系统及方法
【技术领域】
本技术涉及图像处理和机器视觉领域，具体涉及一种乒乓球轨迹识别定位与跟踪系统及方法。
【背景技术】
传统Mean-Shift目标跟踪算法以颜色信息或边缘信息作为特征进行描述，缺少空间信息和必要的
(3)根据两台高速高清摄像机的内外部参数和同一时刻乒乓球在两台摄像机中的二维坐标，由最
小二乘法获得当前时刻乒乓球的空间三维坐标；
(4)重复步骤(2)至步骤(3)，完成对所拍摄图像中每一时刻对应的乒乓球空间三维坐标的求取；
(5)根据每一时刻的乒乓球三维坐标，绘制乒乓球三维空间运动轨迹。
4.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述实时图像采集 和传输模块还包括两个光源，一个双路高清HDMI视频采集卡和一台电脑，两台高速高清摄像机 设置在乒乓球桌同侧，机身均距离地面1米，两台高速高清摄像机沿乒乓球网架所在平面对称， 分别相距网架所在平面50厘米，且镜头正对于乒乓球桌，视野交叉覆盖整个乒乓球运动有效区
FT为传递矩阵F的转置矩阵， Q为缩放因子； Step253，根据下一时刻状态估计值圈定目标检测区域，在圈定区域检索目标获取目标观测值 zk； Step254，由方程 计算增益因子Kk，再代入方程 中修正最优估计，得所述下一时刻目标位置 其中，Kk为增益因子， H为观测增益矩阵， HT为观测增益矩阵H的转置矩阵， R为缩放因子， 为k时刻的最优状态估计矩阵， Step255，由方程 修正最优估计误差协方差pk， 其中，pk为k时刻最优估计误差协方差。 2.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述Step23中，融 合运动信息和预测机制的改进mean-shift目标跟踪算法通过背景差分法去除背景图像的干扰，再 利用Mean-shift算法中的颜色特征对目标进行提取；所述背景差分法通过建立目标加权模板，使
目标中心的权值最大，来减少遮挡的影响，以去除背景图像的干扰。
3.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述Step3步骤具体
为：
(1)根据Step2分别得到两台高速高清摄像机图像中的乒乓球轨迹信息；
(2)根据同一时刻两台摄像机拍摄的视频帧，由(1)分别获得其中乒乓球的二维坐标；
位与跟踪的对比试验中，本技术提出的跟踪算法对乒乓球运动轨迹都能进行准确的跟踪，但
Mean-Shift目标跟踪算法明显有几帧无法实现准确跟踪，并且在视频的处理速度上本技术提出的 算法明显优于传统Mean-Shift算法。
【技术内容】
针对现有技术中存在的上述问题，本技术的目的在于提供一种乒乓球轨迹识别定位与跟踪系统 及方法，旨在解决在复杂背景和目标快速运动的情况时，现有技术无法对乒乓球进行实时准确 跟踪的问题，不仅提高了图像采集的准确性，还提高了实时跟踪的准确性。
是最小的非零特征值，
wi是对ρ(y)在 处泰勒展开得到的权值； Step224，建立目标加权模板，设定目标中心的权值为1，边缘处的权值趋近于0，则中间任一点 (Xi,Yi)处的权值为：
其中，a,b分别为目标跟踪过程中初始化窗口的一半， (X0,Y0)为矩形框的中心， (Xi,Yi)为目标中间任意一点的坐标； Step225，确定融合运动信息并进行背景加权和目标加权后的目标模板概率函数 和所述候选目标
坐标；
所述Step23或Step26中，根据融合运动信息的目标模板提取方法计算第k帧时的目标模板概率函
数 和候选目标概率函数 过程如下：
Step221，根据Mean-shift目标跟踪算法计算目标模板概率函数qu和候选目标概率函数pu(yk)：
其中，xi*是目标区域归一化后的图像像素点，并且i＝1,2,…,n为正整数，像素点的个数为n， xi为候选目标模板中第i样本点，并且i＝1,2,…,nh为正整数，且样本点的个数为nh， k(x)为均方误差最小的Epanechiov核函数， δ(x)为狄拉克函数， b(x)为x处的像素灰度值， 概率特征u＝1,2,…,m，u为正整数，且m为特征空间的个数， δ[b(xi)-u]用于判断像素xi是否属于直方图第u个特征区间， yk为第k帧中目标中心坐标，k为视频的帧数，
本技术的目的通过如下技术方案实现：
一种乒乓球轨迹识别定位与跟踪系统，包括：
实时图像采集和传输模块，包括两台高速高清摄像机，用于实时采集乒乓球运动时的图像；
乒乓球目标识别定位和跟踪模块，用于对实时图像采集和传输模块采集的图像进行目标识别和 空间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；
Step2，对Step1采集的图像进行目标识别和空间定位后形成数据，并对该数据进行滤波和跟踪，
得到乒乓球轨迹信息；
Step3，通过乒乓球目标跟踪模块得到的乒乓球轨迹信息，并结合摄像机内外部参数，进行模拟
重现乒乓球三维运行轨迹；
所述Step2包括如下步骤：
Step21，获取Step1采集得到的第一帧图像；
Step25，预测乒乓球目标位置yk； Step26，根据融合运动信息的目标模板提取方法计算候选目标概率函数 Step27，计算Battacharyya系数ρ(y)，对ρ(y)在 处泰勒展开，得新的目标位置yk+1，并输入下一 帧，重复步骤Step25至Step27，确定所采集图像每一帧中乒乓球的位置，得到乒乓球的二维图像
本技术涉及图像处理和机器视觉领域，具体涉及一种乒乓球运动轨迹识别定位与跟踪系统及方 法，通过两台高速高清摄像机实时采集乒乓球运动时的图像；对采集的图像进行目标识别和空 间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；通过乒乓球目标跟踪 模块得到的乒乓球轨迹信息，并结合摄像机内外部参数，进行模拟重现乒乓球三维运行轨迹。 本技术能够解决复杂背景变化的干扰和对快速运动目标的跟踪实时性不高的问题，提升跟踪采 集高速移动目标的图像信息的准确性。
域；两个光源分别位于两台高速高清摄像机的左右两侧，与摄像机同处于一个水平面和垂直
面，且分别相距网架所在平面1米；两个光源光照方向与网架所在平面夹角均为30度，光照交叉 覆盖整个乒乓球运动有效区域；两台高速高清摄像机分别与双路高清HDMI视频采集卡的一个端
口连接，使摄像机拍摄到的视频通过采集卡传输到电脑上，完成了实时图像采集和传输。
模板更新。传统的颜色特征为颜色直方图，该方法需要计算每一个颜色区域中像素的数目，即 便是最快的检测算法，也必须要有底层运算采用对图像点阵数据逐点扫描的操作，使了该算法 的计算效率降低。此外，当对快速运动目标进行识别跟踪时，又会出现形变或目标跟踪丢失的 情况。并且在乒乓球运动中，乒乓球又具有体积小、表面光滑容易反光等特点，增加了乒乓球
h为候选目标的尺度， C为使 的标准化的常量系数，且 Ch为使 的标准化的常量系数，且 Step222，运用背景差分法获取目标的运动区域，定义二值化差分值Binary(xi)为：
Step223，建立背景加权模板，定义目标模板和所述候选目标模板的变换为：
其中，{Fu}u＝1,2,3…,l是特征空间背景上的离散特征点，l为离散特征点的个数，
运行轨迹三维重建模块，用于接收乒乓球目标跟踪模块得到的乒乓球轨迹信息，并与摄像机标 定模块得到的摄像机内外部参数结合，进行模拟重现乒乓球三维运行轨迹；
所述乒乓球轨迹识别定位与跟踪方法包括如下步骤：
Step1，通过两台高速高清摄像机实时采集乒乓球运动时的图像；
摄像机标定模块，用于对摄像机的内外部参数进行标定；
运行轨迹三维重建模块，用于接收乒乓球目标跟踪模块得到的乒乓球轨迹信息，并与摄像机标 定模块得到的摄像机内外部参数结合，进行模拟重现乒乓球三维运行轨迹。
所述实时图像采集和传输模块还包括两个光源，一个双路高清HDMI视频采集卡和一台电脑，两 台高速高清摄像机设置在乒乓球桌同侧，机身均距离地面1米，两台高速高清摄像机沿乒乓球网 架所在平面对称，分别相距网架所在平面50厘米，且镜头正对于乒乓球桌，视野交叉覆盖整个
Step22，检测乒乓球目标在图像上是否出现，当目标未出现时，检测下一帧，直到检测到目标出
现；
Step23，选取乒乓球目标出现的目标模板，并根据融合运动信息的目标模板提取方法计算目标模
板概率函数
Step24，初始化最优状态估计、估计误差协方差、缩放因子、观测增益矩阵、传递矩阵、输入控
制矩阵和乒乓球目标的状态向量；
概率函数
其中，xi*是目标区域归一化后的图像像素点，并且i＝1,2,…,n为正整数，像素点的个数为n， xi为候选目标模板中第i样本点，并且i＝1,2,…,nh为正整数，且样本点的个数为nh， k(x)为均方误差最小的Epanechiov核函数， δ(x)为狄拉克函数， b(x)为x处的像素灰度值， 概率特征u＝1,2,…,m，u为正整数，且m为特征空间的个数， δ[b(xi)-u]用于判断像素xi是否属于直方图第u个特征区间， yk为第k帧中目标中心坐标，k为视频的帧数， h为候选目标的尺度， C*为使 的标准化的常量系数，且 为使 的标准化常量系数，且 所述Step24中，目标状态向量用 表示，且 其中，(x,y)为目标中心点在图像中的像素坐标， vx是目标中心点在图像坐标x轴上的运动速度， vy是目标中心点在图像坐标y轴上的运动速度，
进行的检测算法，具体步骤为：
Step251，根据状态估计方程 由上一帧位置计算下一时刻状态估计值 其中，F为传递矩阵，uk-1为系统的控制量，B为联系系统控制量的系数矩阵，这三项均在Step24
中进行了初始化，
为k-1时刻的最优状态估计矩阵， 为k时刻的状态估计矩阵； Step252，由方程 计算下一时刻估计协方差 其中，Pk-1为求书
1.一种乒乓球轨迹识别定位与跟踪方法，基于乒乓球轨迹识别定位与跟踪系统，其特征在于，所
述乒乓球轨迹识别定位与跟踪系统包括：
实时图像采集和传输模块，包括两台高速高清摄像机，用于实时采集乒乓球运动时的图像；
乒乓球目标识别定位和跟踪模块，用于对实时图像采集和传输模块采集的图像进行目标识别和 空间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；
乒乓球运动有效区域；两个光源分别位于两台高速高清摄像机的左右两侧，与摄像机同处于一
个水平面和垂直面，且分别相距网架所在平面1米；两个光源光照方向与网架所在平面夹角均为 30度，光照交叉覆盖整个乒乓球运动有效区域；两台高速高清摄像机分别与双路高清HDMI视频
采集卡的一个端口连接，使摄像机拍摄到的视频通过采集卡传输到电脑上，完成了实时图像采 集和传输。
识别的难度。在高速运动时乒乓球整个有效行程仅持续0.5s左右，使得准确检测和识别乒乓球任
务非常困难。
本技术提出的一种乒乓球运动轨迹识别定位与跟踪系统中，运用高速高清摄像机采集乒乓球运 动视频，解决了普通摄像机采集快速运动目标时容易发生形变的缺点。其中在融合运动信息和
预测机制的改进Mean-Shift目标跟踪算法和传统Mean-Shift目标跟踪算法对乒乓球运动轨迹识别定
后一帧像素坐标减去前一帧像素坐标除以两帧时间差可得到后一帧的目标运动速度，将目标模
板中心所在位置作为初始化目标位置，目标中心点的运动速度初始化为0； 初始化最优状态估计 此状态估计包括目标中心点在图像中的像素坐标估计，以及中心点在x轴上
和y轴上的运动速度估计，使 初始化估计误差协方差p0，使p0为四阶零矩阵， 初始化缩放因子为小于0.1的四阶单位矩阵， 初始化观测增益矩阵H，使 初始化传递矩阵F，使 其中，dt为两帧间的时间差， 初始化输入控制Buk-1，使 α1表示x方向上的加速度，α2表示y方向上的加速度，在乒乓球的运动 中我们认为其在x方向上做匀速运动，因此输入控制 所述Step25中，预测乒乓球目标位置yk时，在Kalman滤波算法的基础上，圈定目标搜索区域，而
5.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述实时图像采集 和传输模块的采集帧频为2000FPS。
技术说明书
一种乒乓球运动轨迹识别定位与跟踪系统及方法
【技术领域】
本技术涉及图像处理和机器视觉领域，具体涉及一种乒乓球轨迹识别定位与跟踪系统及方法。
【背景技术】
传统Mean-Shift目标跟踪算法以颜色信息或边缘信息作为特征进行描述，缺少空间信息和必要的
(3)根据两台高速高清摄像机的内外部参数和同一时刻乒乓球在两台摄像机中的二维坐标，由最
小二乘法获得当前时刻乒乓球的空间三维坐标；
(4)重复步骤(2)至步骤(3)，完成对所拍摄图像中每一时刻对应的乒乓球空间三维坐标的求取；
(5)根据每一时刻的乒乓球三维坐标，绘制乒乓球三维空间运动轨迹。
4.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述实时图像采集 和传输模块还包括两个光源，一个双路高清HDMI视频采集卡和一台电脑，两台高速高清摄像机 设置在乒乓球桌同侧，机身均距离地面1米，两台高速高清摄像机沿乒乓球网架所在平面对称， 分别相距网架所在平面50厘米，且镜头正对于乒乓球桌，视野交叉覆盖整个乒乓球运动有效区
FT为传递矩阵F的转置矩阵， Q为缩放因子； Step253，根据下一时刻状态估计值圈定目标检测区域，在圈定区域检索目标获取目标观测值 zk； Step254，由方程 计算增益因子Kk，再代入方程 中修正最优估计，得所述下一时刻目标位置 其中，Kk为增益因子， H为观测增益矩阵， HT为观测增益矩阵H的转置矩阵， R为缩放因子， 为k时刻的最优状态估计矩阵， Step255，由方程 修正最优估计误差协方差pk， 其中，pk为k时刻最优估计误差协方差。 2.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述Step23中，融 合运动信息和预测机制的改进mean-shift目标跟踪算法通过背景差分法去除背景图像的干扰，再 利用Mean-shift算法中的颜色特征对目标进行提取；所述背景差分法通过建立目标加权模板，使
目标中心的权值最大，来减少遮挡的影响，以去除背景图像的干扰。
3.根据权利要求1所述的一种乒乓球轨迹识别定位与跟踪方法，其特征在于，所述Step3步骤具体
为：
(1)根据Step2分别得到两台高速高清摄像机图像中的乒乓球轨迹信息；
(2)根据同一时刻两台摄像机拍摄的视频帧，由(1)分别获得其中乒乓球的二维坐标；
位与跟踪的对比试验中，本技术提出的跟踪算法对乒乓球运动轨迹都能进行准确的跟踪，但
Mean-Shift目标跟踪算法明显有几帧无法实现准确跟踪，并且在视频的处理速度上本技术提出的 算法明显优于传统Mean-Shift算法。
【技术内容】
针对现有技术中存在的上述问题，本技术的目的在于提供一种乒乓球轨迹识别定位与跟踪系统 及方法，旨在解决在复杂背景和目标快速运动的情况时，现有技术无法对乒乓球进行实时准确 跟踪的问题，不仅提高了图像采集的准确性，还提高了实时跟踪的准确性。
是最小的非零特征值，
wi是对ρ(y)在 处泰勒展开得到的权值； Step224，建立目标加权模板，设定目标中心的权值为1，边缘处的权值趋近于0，则中间任一点 (Xi,Yi)处的权值为：
其中，a,b分别为目标跟踪过程中初始化窗口的一半， (X0,Y0)为矩形框的中心， (Xi,Yi)为目标中间任意一点的坐标； Step225，确定融合运动信息并进行背景加权和目标加权后的目标模板概率函数 和所述候选目标
坐标；
所述Step23或Step26中，根据融合运动信息的目标模板提取方法计算第k帧时的目标模板概率函
数 和候选目标概率函数 过程如下：
Step221，根据Mean-shift目标跟踪算法计算目标模板概率函数qu和候选目标概率函数pu(yk)：
其中，xi*是目标区域归一化后的图像像素点，并且i＝1,2,…,n为正整数，像素点的个数为n， xi为候选目标模板中第i样本点，并且i＝1,2,…,nh为正整数，且样本点的个数为nh， k(x)为均方误差最小的Epanechiov核函数， δ(x)为狄拉克函数， b(x)为x处的像素灰度值， 概率特征u＝1,2,…,m，u为正整数，且m为特征空间的个数， δ[b(xi)-u]用于判断像素xi是否属于直方图第u个特征区间， yk为第k帧中目标中心坐标，k为视频的帧数，
本技术的目的通过如下技术方案实现：
一种乒乓球轨迹识别定位与跟踪系统，包括：
实时图像采集和传输模块，包括两台高速高清摄像机，用于实时采集乒乓球运动时的图像；
乒乓球目标识别定位和跟踪模块，用于对实时图像采集和传输模块采集的图像进行目标识别和 空间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；
Step2，对Step1采集的图像进行目标识别和空间定位后形成数据，并对该数据进行滤波和跟踪，
得到乒乓球轨迹信息；
Step3，通过乒乓球目标跟踪模块得到的乒乓球轨迹信息，并结合摄像机内外部参数，进行模拟
重现乒乓球三维运行轨迹；
所述Step2包括如下步骤：
Step21，获取Step1采集得到的第一帧图像；
Step25，预测乒乓球目标位置yk； Step26，根据融合运动信息的目标模板提取方法计算候选目标概率函数 Step27，计算Battacharyya系数ρ(y)，对ρ(y)在 处泰勒展开，得新的目标位置yk+1，并输入下一 帧，重复步骤Step25至Step27，确定所采集图像每一帧中乒乓球的位置，得到乒乓球的二维图像
本技术涉及图像处理和机器视觉领域，具体涉及一种乒乓球运动轨迹识别定位与跟踪系统及方 法，通过两台高速高清摄像机实时采集乒乓球运动时的图像；对采集的图像进行目标识别和空 间定位后形成数据，并对该数据进行滤波和跟踪，得到乒乓球轨迹信息；通过乒乓球目标跟踪 模块得到的乒乓球轨迹信息，并结合摄像机内外部参数，进行模拟重现乒乓球三维运行轨迹。 本技术能够解决复杂背景变化的干扰和对快速运动目标的跟踪实时性不高的问题，提升跟踪采 集高速移动目标的图像信息的准确性。
域；两个光源分别位于两台高速高清摄像机的左右两侧，与摄像机同处于一个水平面和垂直
面，且分别相距网架所在平面1米；两个光源光照方向与网架所在平面夹角均为30度，光照交叉 覆盖整个乒乓球运动有效区域；两台高速高清摄像机分别与双路高清HDMI视频采集卡的一个端
口连接，使摄像机拍摄到的视频通过采集卡传输到电脑上，完成了实时图像采集和传输。
模板更新。传统的颜色特征为颜色直方图，该方法需要计算每一个颜色区域中像素的数目，即 便是最快的检测算法，也必须要有底层运算采用对图像点阵数据逐点扫描的操作，使了该算法 的计算效率降低。此外，当对快速运动目标进行识别跟踪时，又会出现形变或目标跟踪丢失的 情况。并且在乒乓球运动中，乒乓球又具有体积小、表面光滑容易反光等特点，增加了乒乓球
h为候选目标的尺度， C为使 的标准化的常量系数，且 Ch为使 的标准化的常量系数，且 Step222，运用背景差分法获取目标的运动区域，定义二值化差分值Binary(xi)为：
Step223，建立背景加权模板，定义目标模板和所述候选目标模板的变换为：
其中，{Fu}u＝1,2,3…,l是特征空间背景上的离散特征点，l为离散特征点的个数，