Journal of Geospatial Information Technology

fa ردیابی بازیکنان در تصاویر ویدئویی مسابقات فوتبال با تلفیق روشهای گراف و هوش جمعی Player Tracking using Graph and Artificial Intelligence methods in Soccer Broadcast Videos فتوگرامتری Aerial Photogrammetry پژوهشي Research <span style="font-family:b nazanin;"><span style="font-size:10.0pt;">در سالهای اخیر، ردیابی بازیکنان در ویدئوی مسابقات فوتبال مورد مطالعه محققین و متخصصین قرار گرفته است. در این مقاله، اطلاعات پیشنیاز برای مرحله ردیابی با تعیین موقعیت بازیکنان با استفاده از روش آدابوست، بر چسبدهی آنها و جداسازی بازیکنان همپوشان آمادهسازی شده است و ارتباط تصاویر با مدل زمین برقرار شده است. همچنین بهمنظور کاهش تعداد کاندیدهای تناظریابی بین مدل زمین و تصویر، تصاویر کلیدی انتخاب شدهاند و تصاویر منتخب براساس شناسایی خطوطشان به مدل زمین مرتبط شدهاند. سپس تلفیق روش گراف و الگوریتم کلونی زنبورهای مصنوعی و الگوریتم اجتماع پرندگان که الهام گرفته از رفتار زنبورها و پرندگان برای جستجوی غذاست بهمنظور استخراج مسیرهای بهینه حرکت بازیکنها استفاده شدهاند. بسیاری از مسائل بهینهسازی پیوسته بهصورت کارا با این روشها حل شدهاند اما برای حل مسائل گسسته در کاربردهای مختلف باید بهبود داده شوند. در این راستا، استخراج مسیرهای بهینه بازیکنان بهطور همزمان و با در نظر گرفتن تصاویر متوالی در روش گراف با مشکل فضای جستجوی بزرگ مواجه است. بهمنظور اجتناب از افزایش غیرمعمول محاسبات، مسیرهای بهینه بازیکنان با استفاده از حالتی توسعه داده شده از روشهای هوش مصنوعی برای حل مسئله گسسته ردیابی بازیکنان استخراج شدهاند. در پایان روش پیشنهادی روی هفت بخش از شش ویدئوی مختلف ارزیابی شده است و مسیرهای حرکت بازیکنان در ویدئوی مسابقههای فوتبال استخراج شدهاند. </span></span> Player tracking in soccer broadcast videos can be further processed by coaches and experts to judge weaknesses and strengths of the players and the team. Following player detection by Adaboost, player labeling, occlusion handling and player localization, player trajectory is extracted using combination of graph with artificial bee colony (ABC) and particle swarm optimization (PSO) in this research. PSO and ABC are optimization method inspired by the flocking behavior of birds and bees which were originally customized for continuous function value optimization. However, the need for modifying the discrete version in different applications is inevitable. In this paper, a modified version of discrete PSO and ABC for player tracking is proposed. Moreover, a new method for registering frames to the field model based on line recognition is proposed to diminish the search space. Finally, the proposed algorithm is tested on seven shots from six different soccer broadcast videos. Experimental results show the capability of the proposed method for extracting player trajectory in soccer broadcast videos. ردیابی, فوتبال, پرندگان, زنبورها, گراف, مرتبط سازی, تصویر کلیدی Tracking, Football, Gragh, Artificial bee colony, Particle swarm optimization 57 77 http://jgit.kntu.ac.ir/browse.php?a_code=A-11-350-2&slc_lang=fa&sid=1 Mehrtash manafifard مهرتاش منافی فرد mmanafifard@mail.kntu.ac.ir 10031947532846004927 10031947532846004927 Yes K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Hamid Ebadi حمید عبادی 10031947532846004928 10031947532846004928 No K.N.Toosi University of Technology دانشگاه صنعتی خواجه نصیرالدین طوسی Hamid Abrishami Moghaddam حمید ابریشمی مقدم 10031947532846004929 10031947532846004929 No K.N.Toosi University of Technology دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی خواجه نصیرالدین طوسی