我正在为手机和家庭录制的视频开发自动网球视频编辑器，并且目前我一直试图在低分辨率图像中检测快速移动的球。
我尝试了很多方法：
我计算当前帧和前一帧之间的时间增量，然后选择当前帧中与时间增量图像（当前帧-前一帧）相交的轮廓。这给我留下了球员身体部位和球的轮廓。
我按大小过滤轮廓，所以我只得到了可能属于球（或球员的头部或鞋尖等）的轮廓
我无法真正按颜色过滤，因为照明不良的球会变成灰色，并且有各种颜色的球场（灰色，蓝色，红色），并且球的颜色最终接近球的颜色。球场或球员的头部，在许多情况下
无法按圆度过滤，因为球员和球拍也具有不被过滤的圆角部分（模糊的球有时看起来不圆）
使用低分辨率图像进行特征提取似乎很困难，但由于在该领域我没有太多知识，我可能对此应用不佳。我在图像的灰度版本上尝试了SURF和SIFT
我知道球（如果存在的话）将位于图像的中心，并被其他物体包围（简单的情况是纯色，但有时会越过球场线或球员的球拍）
我已经尝试从特征向量或原始图像本身的样本中训练分类器，而我得到的最大结果是95％的精度，这对于我的应用程序来说仍然很低（我会说我得到了通过自己按邻域颜色过滤点来提高精度）
所以我现在有点困惑，想知道我还可以使用什么其他技术来消除误报。最成功的技术是检查球的周围是否与球的颜色不同，但是问题是这不能过滤掉假阳性（在球场后方的一名球员头顶大约是球场前的球的大小，并且颜色与其周围的颜色不同，因此被检测为假阳性）
我无法将图像嵌入该主题，但是我的所有示例图像都可以在以下位置找到： https://www.dropbox.com/sh/s9m6xq50g4ehdw1/AABXnqkBYlhYeNXOwpZuKBD6a?dl=0