关键词：
广播足球视频
物体检测
物体跟踪
模式分析
摘要：
数字视频媒体数量爆炸式的增长给视频内容的管理和利用都带来了极大的挑战。为了便捷地访问海量媒体中的特定内容,亟需将视频数据按照语义信息进行索引。针对这一需求,视频内容分析技术应运而生并得到了学术界和工业界的广泛关注。足球是一项深受人们喜爱的体育运动。广泛的观众群体使得足球视频成为最具有分析价值的视频类型之一。经过多年的努力,研究者们在足球视频内容分析方面取得了一定的研究成果。但是,这些方法与实际需求结合得还不够紧密,有必要进一步归纳足球视频内容分析的需求和特点,通过研究思路和算法设计的创新提升现有足球视频内容分析方法的技术水平。针对上述问题,本文对足球视频内容分析方法的理论基础、发展现状进行了详细分析。围绕足球视频内容分析过程中所显现出的需求,本文以人类视觉认知原理为指导,结合足球视频的场景限定对足球内容分析中的关键技术进行了研究,从而拓宽了足球视频内容分析方法的研究思路,提升了相关方法的技术水平。本文的研究工作涉及足球视频分析中的场地检测技术、球员检测技术、足球跟踪技术以及进攻模式分析技术。论文的主要研究内容和取得的研究成果简述如下:(1)提出了一种融合颜色和局部一致性的场地检测方法。现有的场地检测方法使用颜色特征检测图像中的场地像素,不能有效排除不属于场地区域的绿色像素。针对这一问题,本文在颜色特征的基础上引入了局部一致性特征,通过特征融合的方式进行场地检测。为了确定局部一致性的检测阈值,本文根据场地像素的主颜色特性和局部熵值图像的特点,分别提出了基于二维直方图的局部一致性阈值选取方法和基于颜色约束最大类间方差法的局部一致性阈值选取方法。实验表明,所提出的方法能够适应场地检测中的多种环境条件,可以更为准确地检测场地区域。(2)提出了一种基于模糊决策一类支持向量机的自动化球员检测方法。基于统计分类器的球员检测方法在检测效果方面优于基于规则的球员检测方法。但是,已有方法需要使用人工标注的训练样本集训练球员检测器,人工开销巨大。针对这一问题,本文提出了一种自动化的球员检测方法。在人类物体类别识别特异性原理的启发下,该方法选用了一类支持向量机训练球员检测器。同时,根据球员样本的聚集性,该方法使用模糊划分准则对决策值进行了动态划分,从而提出了模糊决策一类支持向量机,减少了由于自动获取训练样本集代表性不足所造成的检测错误。最后,本文采用一组准则实现了自动化的球员样本获取,并使用这些球员样本进行了球员检测实验。实验表明,本章提出的球员检测方法可以在使用自动获取训练样本集的情况下达到更好的检测效果,能够更为自动地检测球员。(3)提出了基于类别加权s FCM的足球检测方法和基于多区域搜索动态卡尔曼滤波的足球跟踪方法。在足球检测方面,狭小的足球面积增加了区分性特征提取的困难,给足球检测带来了巨大的困难。针对这一问题,本文提出了一种基于类别加权s FCM的自动化足球检测方法。该方法首先根据前景物体像素数量较少的特点优化了s FCM的误差函数,而后结合双阈值策略和形状排除法实现了自动化的足球检测。实验表明,该方法可以自动地检测图像中的足球且具有较高的检测精确度。在足球跟踪方面,遮挡情况下足球跟踪的稳健性还有待增强。针对这一问题,本文在人类视觉搜索背景线索效应的启发下对广播视频中足球的运动状态进行了分析,并根据足球的运动特点优化了动态卡曼滤波方法的参数更新函数,从而提出了多区域搜索动态卡尔曼滤波,通过搜索区域扩展的方式增强了足球跟踪的稳健性。实验表明,该方法可以更为稳健地跟踪足球,具有更好的遮挡处理能力。(4)提出了基于足球偏移率的进攻模式分析方法。现有的进攻模式分析方法使用足球所在的赛场区域序列作为足球的位置特征,损失了较多的位置信息。针对这一问题,本文在人类空间认知内在参照系理论的启发下设计了基于相对位置关系的足球位置特征:足球偏移率。针对足球偏移率提取过程中检测越位线的需求,本文结合方向滤波器、均值双边滤波器和霍夫变换实现了自动化的越位线检测。最后,本文使用提取出的足球偏移率对进攻模式进行了分析。实验结果表明,基于足球偏移率的进攻模式分析方法可以更为准确地检测视频中的进攻模式,并可对进攻模式中蕴含的子模式进行分析。
欢迎来到三峡大学图书馆！
