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 پیش نیاز برای مرحله ردیابی با تعیین موقعیت بازیکنان با استفاده از روش آدابوست، بر چسب دهی آنها و جداسازی بازیکنان همپوشان آماده سازی شده است و ارتباط تصاویر با مدل زمین برقرار شده است. همچنین به منظور کاهش تعداد کاندیدهای تناظریابی بین مدل زمین و تصویر، تصاویر کلیدی انتخاب شده اند و تصاویر منتخب براساس شناسایی خطوطشان به مدل زمین مرتبط شده اند. سپس تلفیق روش گراف و الگوریتم کلونی زنبورهای مصنوعی و الگوریتم اجتماع پرندگان که الهام گرفته از رفتار زنبورها و پرندگان برای جستجوی غذاست به منظور استخراج مسیرهای بهینه حرکت بازیکنها استفاده شده اند. بسیاری از مسائل بهینه سازی پیوسته به صورت کارا با این روشها حل شده اند اما برای حل مسائل گسسته در کاربردهای مختلف باید بهبود داده شوند. در این راستا، استخراج مسیرهای بهینه بازیکنان به طور همزمان و با در نظر گرفتن تصاویر متوالی در روش گراف با مشکل فضای جستجوی بزرگ مواجه است. به منظور اجتناب از افزایش غیرمعمول محاسبات، مسیرهای بهینه بازیکنان با استفاده از حالتی توسعه داده شده از روش های هوش مصنوعی برای حل مسئله گسسته ردیابی بازیکنان استخراج شده اند. در پایان روش پیشنهادی روی هفت بخش از شش ویدئوی مختلف ارزیابی شده است و مسیرهای حرکت بازیکنان در ویدئوی مسابقه های فوتبال استخراج شده اند.