[发明专利]电竞小地图图像中的图标检测方法

说明书

本发明公开一种电竞小地图中的图标检测方法。其实现方案是：逐帧采集线下或线上视频中当前帧的电竞图像；截取当前帧的电竞图像中包含图标信息的小地图图像，作为待检测样本；将待检测的包含图标信息的电竞小地图图像输入到目标检测模型，得到所有可能的预测框的类别概率和位置，再对所有可能的预测框的类别概率和位置进行筛选产生最终待检测样本中的图标类别和位置。本发明能实现电竞小地图图像中图标信息的实时采集和精准检测，可用于电竞小地图图像中图标信息的轨迹行为分析。

技术领域

本发明属于图像处理领域，更进一步涉及一种图标检测方法，可用于电竞小地图图像中图标的轨迹行为分析。

背景技术

电竞是一种通过电子比赛达到“竞技”层面的体育项目。电子竞技运动就是利用电子设备作为运动器械进行的人与人之间的智力对抗运动。通过运动，可以锻炼和提高参与者的思维能力、反应能力、心眼四肢协调能力和意志力，培养团队精神。

电竞小地图是召唤师峡谷地图的缩略版，电竞小地图是用来观察整局比赛走向的重要组成部分，同时也是防范打野入侵的最有效工具。

目前，电子竞技过程小地图中数据由于存在即时性，数据难以被后期利用的问题，因而对电竞小地图图像中数据实时记录并保存已成为迫切的需求。为了满足这种需求现有绝大多数方法提供了电竞小地图图像赛后数据的查询与展示功能，但是现有的方法无法呈现电竞过程中小地图图像的数据变化趋势。因此，通过计算机视觉技术实时获取电竞过程中小地图图像的图标信息，可有效地保证电竞小地图图像中图标信息的可读性和利用率。

国网安徽省电力有限公司检修分公司在其申请的专利文献“室外施工人员智能视频跟踪算法”(公开号：CN109657575A，申请号：201811482771.3，申请日：2018年12月05日)中公开了一种室外施工人员智能视频跟踪算法。该方法的步骤包括：S1：摄像机采集室外现场施工场景的工作图像，并根据采集的工作图像对施工人员相对位置进行人工标定；S2：采用基于深度学习的Yolo目标检测算法对步骤S1标定完成的图像数据集进行机器训练；S3：通过采用训练完毕的算法模型，对室外施工场景中的给定区域进行检测，追踪给定区域的施工人员及其运动轨迹；S4：根据步骤S3获取的跟定区域施工人员的运动轨迹，计算施工人员是否在给定区域内，进而判断是否规范作业。该方法步骤简单，能够大大提高室外施工现场的监控精度和效率，对施工人员进行连续的监控保证能够实时追踪不会丢失目标，有效监控施工人员的作业全过程。但是，该方法的不足之处是，基于深度学习的Yolo目标检测算法不适用于小目标检测，无法保证电竞小地图图像中图标信息检测的精确度。

东南大学在其申请的专利文献“一种基于SVM多分类算法的卫星导航干扰类型识别方法”(公开号：CN109359523A，申请号：201811037642.3，申请日：2018年9月6日)中公开了一种基于SVM多分类算法的卫星导航干扰类型识别方法。该方法的步骤包括：通过给定的具有不同特征的样本，寻找一个超平面对样本进行分类，进一步将该分类模型应用到未知样本类别的新样本中，且所述样本类型为三类或以上。在此过程中，首先将接收到的卫星导航信号经滤波等处理提取出能反映干扰信号特征的量，并将对应干扰类型进行标记。接着将样本输入SVM多分类器中进行学习，得到最优分类器。当新的干扰信号特征向量进入分类器时，将自动进行分类。该方法自动识别多类型干扰，且提高了干扰识别的效率和准确度。但是该方法的不足之处是，不适用于高达100多个目标的多分类任务，即不适用于电竞过程中小地图图像中图标的分类。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种电竞小地图图像中的图标检测方法，以提高对电竞小地图图像中图标信息的检测准确率和适用性，方便对电竞过程中小地图图像中图标信息的查看与利用。

本发明的技术方案是，采集线上线下电竞视频数据中的每帧电竞图像，截取电竞图像中包含图标信息的小地图图像，利用目标检测模型对小地图图像进行检测，检测出小地图图像中图标信息的类别与位置，具体步骤包括如下：