之前我曾问过类似的问题，但觉得我的问题没有得到真正的回答。我正在使用Circle Hough Transform来检测和跟踪球。但是，我现在需要额外检查以确定检测到的圆圈是否实际上是一个球。
我一直在考虑使用神经网络，哈尔分类器，SVM，那种东西（即AI）。然而，它需要非常强大，因为我是这些人工智能技术的新手，我不确定哪种是最好和最强大的技术来投入我的学习时间。
我正在使用灰度高速相机拍摄图像，我希望能够使用任何颜色/图案的足球。球也可能被部分遮挡。
如果您认为这些技术不合适，我愿意接受有关如何实现这些技巧的任何想法/建议。
我提前感谢大家的帮助，非常感谢！
答案 0 :(得分：1)
请注意，这尚未经过测试。
一旦你提取球的位置，你就可以得到它的轮廓。我的建议只适用于有较轻斑块和较暗斑块（五边形）的足球。
确定良好的二进制阈值以同时获取白色和黑色色块。做一些图像操作，如侵蚀或扩张，以摆脱缝线制作的补丁之间的裂缝。在球周围画出白色圆圈，确保你的黑色斑块都不被认为是“球洞”，你已准备好抓住球内的轮廓。主要轮廓是由白色斑点制成的白色数字，所有黑色轮廓都是暗斑。
弱点：脏球可能会出现二进制阈值问题，可能会使用自适应阈值？
<强> 1。使用查找表/数学公式（？）获取黑色斑块的大小和距离
黑色补丁的大小取决于距球中心的距离。将算法与学习数据一起提供给中心及其大小的黑色斑块距离（两个值都相对于球的大小）。
例如：
Ball in recorded frame has bounding box of 200x200 px and area of 30000px
Found 6 black patches inside:
patch 1 is in the middle (distance 0px from center) and has area of 600px
patch 2 is on the side (distance 50px from center) and has area of 150px
patch 3... patch 4... and so on
所以你用数据提供你的查找表：
distance = 0% -> area = 2%
distance = 25% -> area = 0.5%
distance = ... -> area = ...
and so on
现在当你检查你检测到的东西是否是一个球时，检查他们的黑色补丁大小。如果它们的大小和距球中心的距离在可接受的范围内，则检测到的物体是球。
<强> 2。检查轮廓形状
您可以使用cvApproxPoly检查每个轮廓。如果大多数黑色轮廓是五边形 - 它就是一个球。
答案 1 :(得分：0)
使用OpenCV构建自己的分类器。方法如下： http://johnallen.github.io/opencv-object-detection-tutorial/
困难的部分是为足球的任何颜色/图案获得一整套正面图像。