本文介绍如何结合深度学习模型Faster R-CNN与OpenCV来检测篮球运动员和他们的球队。通过将图像转换到HSV色彩空间，OpenCV可以识别球员的球衣颜色，从而确定球队。同时，OpenPose库用于检测人体姿态，特别是识别准备投篮的球员。利用这些技术，可以进行更复杂的分析，如比赛成绩OCR、球运动轨迹预测等。
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
简介
通过使用深度学习和opencv，我们可以从视频剪辑中提取有趣的见解。请参阅下面的B / w UCF和Duke游戏的gif示例，在这里我们可以识别所有球员+裁判，并根据球员的球衣颜色将其标记为球队。
检测玩家
我们使用了像Faster RCNN这样的预训练检测模型来检测玩家。你们可以轻松地从Tensorflow Object Detection API下载针对COCO数据集训练的Faster RCNN并对其进行测试。API将每帧图像作为输入，并在80种不同的类别中进行检测。请阅读下面的样品检测示例，我们压制了太大的检测范围，无法更清晰地将玩家细分。你们也可以在API中使用得分阈值来过滤掉低置信度检测。
检测球队
现在来了有趣的部分。我们如何确定UCF对阵杜克大学的球员？我们可以使用OpenCV来做到这一点。OpenCV允许我们识别特定颜色的蒙版，并且可以使用它来识别白人和黑人玩家。主要步骤是：
将图像从BGR转换为HSV色彩空间
在HSV空间中，为白色和黑色指定颜色
最低0.47元/天 解锁文章
扫一扫
8597
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
