야외 양궁 경기 중계를 위한 화살 그림자 신속 제거 알고리즘

• Published in: 미래기술융합논문지, 4(4) pp. 17 - 26
• Main Author: 정재영
• Format: Journal Article
• Language: Korean
• Published: 한국융합학회 01.08.2025
• Subjects: 학제간연구
• ISSN: 2951-2468
• DOI: 10.23152/JATC.2025.04.04.017

야외에서 진행되는 양궁 경기의 경우 햇빛의 영향으로 화살이 과녁에 꽂히면서 그림자가 생기는데 실 화살과 그림자의 구분이 어려워 즉각적으로 탄착점의 위치를 파악하는 것이 쉽지 않다. 이는 TV 시청자들에게 실시간적인 승부 파악을 어렵게 만들어 경기에 대한 몰입도를 떨어뜨리고 재미를 반감시킨다. 본 논문에서는 과녁이 고정되어 있고 화살 탄착 전후에 정지된 상태의 프레임들이 존재하는 양궁 경기의 특성을 활용하여 고속의 화살 그림자 제거 알고리즘을 제안한다. 먼저, 스트리밍 경기 영상으로부터 관중, 선수의 과녁 조준 동작 등과 구분하여 화살이 꽂히기 전/후의 과녁 프레임을 추출한다. 이를 위해 각 이미지 프레임의 중심점을 기준으로 상하좌우 방향으로 프로젝션을 수행하여 밝기 변화 패턴을 조사하고 그 결과가 과녁에 그려져 있는 점수대별 써클의 밝기 변화 규칙성을 만족하는지 조사한다. 추출된 탄착 전/후의 두 프레임으로부터 차 영상을 구하고 Canny 에지 검출, 허프 직선 검출, 팽창 연산 등을 수행하여 화살이 꽂힌 탄착점의 위치를 찾는다. 탄착점의 경우 허프 직선 선분의 끝점 근방에 위치하면서 화살촉에 의해 생긴 홀에 의해 탄착점을 중심으로 하는 블록이 주변 블록에 비해 매우 어둡다는 특성을 이용한다. 탄착점이 검출되면 그 점을 기준으로 프레임 상단 영역에 있는 허프 직선들을 이용하여 화살 영역을 추출한다. 추출된 화살 영역을 탄착 전 프레임에 덮어씌움으로써 그림자 제거 효과의 결과 영상을 만든다. 실험에서는 총 10세트 30발로 구성된 경기 영상을 대상으로 실험하여 29발에 대하여 탄착점 검출 및 그림자 제거에 성공(96.7%)하였으며 개별 화살에 대한 평균 처리 시간은 0.1277초가 소요되어 실시간 TV 중계시스템에서의 활용 가능성을 보였다. In outdoor archery competitions, sunlight often casts shadows as arrows strike the target, making it difficult to distinguish between the actual arrow and its shadow. This ambiguity hinders the immediate identification of the point of impact, making it harder for television viewers to assess the result in real time, thereby reducing engagement and enjoyment of the match. This paper proposes a fast arrow shadow removal algorithm tailored to the unique characteristics of archery, where the target remains stationary and static frames are available before and after the arrow impact. First, from streaming match footage, frames immediately before and after the arrow hits the target are extracted, excluding scenes containing spectators or the athlete’s aiming motions. To achieve this, projection analysis is performed in four directions (up, down, left, right) centered on each frame’s midpoint to analyze brightness variation patterns. Frames are selected if the patterns satisfy the known brightness regularity caused by the concentric scoring circles on the target. A difference image is then generated from the pre- and post-impact frames. This is followed by Canny edge detection, Hough line transform, and morphological dilation to detect the arrow’s point of impact. The impact point is determined based on two observations: it is located near the endpoints of Hough line segments and is characterized by a small, significantly darker region caused by the arrowhead piercing the target. Once the impact point is identified, arrow regions are extracted from the upper half of the frame using Hough line segments anchored at the impact point. The extracted arrow region is overlaid onto the pre-impact frame, producing the final output in which the shadow is removed. In the experiment, the proposed method was evaluated using a competition video consisting of 10 sets (30 arrows), successfully detecting the point of impact and removing shadows for 29 arrows (96.7%). The average processing time per arrow was 0.1277 seconds, demonstrating the potential for real-time application in live TV broadcasting systems. KCI Citation Count: 0