如何用OpenCV/Python绘制高尔夫球杆挥杆的插值轨迹曲线？

1. 先解决轨迹抖动/折线问题：平滑检测点 #

YOLOv5的检测结果可能存在帧间小偏移，直接连点会产生生硬折线，可用以下两种方法平滑坐标：

滑动平均法（简单易实现） #

维护一个最近N帧的检测点队列，取队列平均坐标作为当前轨迹点，抵消小幅抖动：

from collections import deque
import numpy as np

# 保存最近10帧的杆头坐标，可根据帧率调整长度
point_queue = deque(maxlen=10)

def smooth_point(current_point):
    if current_point is not None:
        point_queue.append(current_point)
    if len(point_queue) > 1:
        avg_x = int(np.mean([p[0] for p in point_queue]))
        avg_y = int(np.mean([p[1] for p in point_queue]))
        return (avg_x, avg_y)
    return current_point

卡尔曼滤波（精准轨迹预测） #

如果需要更稳定的追踪，用OpenCV卡尔曼滤波器预测杆头位置，修正检测误差：

import cv2
import numpy as np

# 初始化卡尔曼滤波器（状态量：x,y,dx,dy；观测值：x,y）
kalman = cv2.KalmanFilter(4, 2)
kalman.measurementMatrix = np.array([[1, 0, 0, 0], [0, 1, 0, 0]], np.float32)
kalman.transitionMatrix = np.array([[1, 0, 1, 0], [0, 1, 0, 1], [0, 0, 1, 0], [0, 0, 0, 1]], np.float32)
kalman.processNoiseCov = np.eye(4, dtype=np.float32) * 0.03

def kalman_update(current_point):
    if current_point is not None:
        measurement = np.array([[np.float32(current_point[0])], [np.float32(current_point[1])]])
        kalman.correct(measurement)
    prediction = kalman.predict()
    return (int(prediction[0]), int(prediction[1]))

2. 绘制类似目标图的渐隐轨迹 #

目标轨迹是带拖尾渐变的效果，而非生硬直线，推荐以下两种实现方式：

方式一：透明轨迹画布叠加（效果自然） #

创建带alpha通道的画布，每次绘制轨迹后降低画布透明度，再叠加到原帧：

import cv2

trail_canvas = None
prev_point = None
cap = cv2.VideoCapture("你的高尔夫视频路径.mp4")

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    # 替换为你的YOLOv5检测逻辑，返回杆头坐标(x,y)
    current_point = detect_club_head(frame)
    # 用滑动平均或卡尔曼滤波平滑点
    smoothed_point = smooth_point(current_point)
    
    if trail_canvas is None:
        # 初始化和帧同尺寸的透明画布
        trail_canvas = np.zeros_like(frame, dtype=np.float32)
    
    if smoothed_point and prev_point:
        # 在画布上绘制轨迹线，颜色、厚度可调整
        cv2.line(trail_canvas, prev_point, smoothed_point, (0, 255, 0), 3)
    
    # 降低画布透明度，实现轨迹渐隐（数值越小，轨迹消失越快）
    trail_canvas *= 0.95
    # 叠加轨迹到原帧
    frame = cv2.addWeighted(frame, 1.0, trail_canvas.astype(np.uint8), 0.8, 0)
    
    prev_point = smoothed_point
    
    cv2.imshow("挥杆轨迹", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

方式二：按时间梯度绘制线条 #

保存最近M个轨迹点，从最新到最旧绘制透明度逐渐降低的线条：

from collections import deque
import cv2

# 保存最近50个轨迹点，数量根据轨迹长度需求调整
trail_points = deque(maxlen=50)
cap = cv2.VideoCapture("你的高尔夫视频路径.mp4")

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    
    current_point = detect_club_head(frame)
    smoothed_point = smooth_point(current_point)
    
    if smoothed_point:
        trail_points.append(smoothed_point)
    
    # 绘制渐变轨迹
    for i in range(1, len(trail_points)):
        if not trail_points[i-1] or not trail_points[i]:
            continue
        # 计算透明度权重，越旧的点越淡
        alpha = i / len(trail_points)
        # 颜色渐变（也可以固定颜色，通过addWeighted控制透明度）
        color = (0, int(255 * alpha), 0)
        thickness = max(1, int(3 * alpha))
        cv2.line(frame, trail_points[i-1], trail_points[i], color, thickness)
    
    cv2.imshow("挥杆轨迹", frame)
    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

关键调优提示 #

• 检测稳定性：给YOLOv5设置较高置信度阈值（如conf=0.7），或用高尔夫球杆专用数据集微调模型，减少误检测导致的轨迹跳变。
• 参数适配：滑动窗口长度、轨迹衰减系数、轨迹点数量需根据视频帧率和挥杆速度调整，找到最优效果。
• 性能优化：高帧率视频下，避免设置过大的轨迹队列长度，防止内存占用过高。

内容的提问来源于stack exchange，提问作者Yogendra Yatnalkar