ردیابی بازیکنان در تصاویر ویدئویی مسابقات فوتبال با تلفیق روشهای گراف و هوش جمعی

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.