Ball Tracking with OpenCV

Projeto acadêmico de visão computacional que identifica uma bola pela cor, acompanha seu movimento em vídeo e desenha a trajetória recente do objeto em tempo real.

Demonstração

A apresentação completa e a execução do projeto estão disponíveis no YouTube.

Como funciona

1. Captura frames da webcam ou de um arquivo de vídeo.
2. Redimensiona e suaviza a imagem com filtro Gaussiano.
3. Converte o frame do espaço BGR para HSV.
4. Cria uma máscara usando limites de cor configurados.
5. Aplica erosão e dilatação para reduzir ruídos.
6. Encontra o maior contorno e calcula seu centro.
7. Armazena as posições recentes e desenha a trajetória.

Calibração HSV e geração da máscara

O utilitário range_detector.py permite ajustar interativamente os limites HSV. A imagem abaixo reúne o frame original, a máscara binária e os controles usados na calibração da bola:

Resultado do rastreamento

Depois da segmentação, o maior contorno é usado para calcular o círculo, o centróide e a sequência de posições que forma o rastro:

Tecnologias

• Python
• OpenCV
• NumPy
• imutils

Instalação

git clone https://github.com/Adrianozk/ball_tracking.git
cd ball_tracking

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

No Windows, ative o ambiente virtual com:

.venv\Scripts\activate

Calibração da cor

Faça a calibração com o mesmo objeto, câmera e iluminação que serão usados no rastreamento.

Com a webcam:

python range_detector.py --filter HSV --webcam --preview

Com uma imagem:

python range_detector.py --filter HSV --image image.png --preview

A janela Trackbars exibe seis controles:

Controle	Função
H_MIN e H_MAX	Delimitam a tonalidade da cor. No OpenCV, o canal H útil vai de 0 a 179.
S_MIN e S_MAX	Delimitam a saturação. Aumentar S_MIN ajuda a excluir regiões cinzas, brancas ou pouco coloridas.
V_MIN e V_MAX	Delimitam o brilho. Aumentar V_MIN ajuda a excluir regiões escuras.

Como ajustar

1. Comece com os mínimos em 0 e os máximos em 255.
2. Ajuste primeiro H_MIN e H_MAX até isolar a cor da bola.
3. Aumente S_MIN para remover regiões com pouca saturação.
4. Aumente V_MIN para remover sombras e regiões escuras.
5. Normalmente, S_MAX e V_MAX podem permanecer em 255.
6. Procure deixar a bola inteira visível e contínua, com o restante da imagem preto. Pequenos pontos isolados podem prejudicar a detecção.
7. Anote os seis valores e pressione q para encerrar.

Com --preview, os pixels aceitos mantêm a cor original e o restante fica preto. Sem essa opção, o programa mostra também a máscara binária na janela Thresh.

Aplicando os valores ao rastreador

Abra ball_tracking.py e localize estas variáveis:

lower = (2, 139, 98)
upper = (33, 255, 197)

Substitua-as usando esta correspondência:

lower = (H_MIN, S_MIN, V_MIN)
upper = (H_MAX, S_MAX, V_MAX)

Por exemplo, se o calibrador indicar H_MIN=0, S_MIN=56, V_MIN=109, H_MAX=7, S_MAX=165 e V_MAX=255, configure:

lower = (0, 56, 109)
upper = (7, 165, 255)

Os valores podem precisar de nova calibração quando a câmera, o objeto ou a iluminação forem alterados.

Execução

Usando a webcam:

python ball_tracking.py

Usando um vídeo:

python ball_tracking.py --video caminho/para/video.mp4

Alterando o tamanho do histórico usado para desenhar o rastro:

python ball_tracking.py --buffer 32

Pressione q para encerrar.

Limitações

• A detecção depende da iluminação e do contraste entre o objeto e o ambiente.
• Os limites HSV estão definidos no código e podem exigir nova calibração.
• O rastreamento usa segmentação por cor, não um modelo de aprendizado de máquina.
• O projeto tem finalidade acadêmica e demonstrativa.

Referência

A implementação foi desenvolvida com base no tutorial Ball Tracking with OpenCV, de Adrian Rosebrock, e adaptada para o trabalho acadêmico da equipe.

Participantes

• Adriano Luís Fernandes
• João Gabriel Oliveira
• Victor Barbosa de Santana
• Luiz Gustavo Moreira de Oliveira
• Marcelo Pedroni