2.4 目标识别核心算法

轮廓检测

项目中通过轮廓检测识别网球：

contours, _ = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

• 函数: cv2.findContours(image, mode, method)
• 参数:
  • image: 输入二值图像
  • mode: 轮廓检索模式（cv2.RETR_EXTERNAL只检测最外层轮廓）
  • method: 轮廓近似方法（cv2.CHAIN_APPROX_SIMPLE压缩轮廓点）
• 返回值:
  • contours: 检测到的轮廓列表
  • hierarchy: 轮廓层次信息

轮廓分析

分析轮廓特征以识别网球：

# 计算关键特征
area = cv2.contourArea(cnt)
perimeter = cv2.arcLength(cnt, True)
circularity = 4 * np.pi * area / (perimeter * perimeter) if perimeter > 0 else 0
x, y, w, h = cv2.boundingRect(cnt)

# 过滤非网球区域
if area > self.min_area and area < self.max_area and circularity > 0.8:
    # 识别为网球

• 面积范围：300-10000像素过滤小噪点和大面积区域
• 圆形度阈值：>0.8确保接近圆形

位置计算

计算网球位置和比例：

center_x = x + w // 2
center_y = y + h // 2
ratio = (h / frame.shape[0]) * (w / frame.shape[1])

• 逻辑:
  • 中心坐标 = 边界矩形左上角坐标 + 宽度/高度的一半
  • 比例 = (高度/图像高度) × (宽度/图像宽度)
• 应用:
  • 中心坐标用于定位网球位置
  • 比例用于估计网球距离和大小

关键函数总结表