基于HCRF的足球視頻精彩事件檢測方法研究.pdf

1、足球比賽持續(xù)時間長，視頻數(shù)據(jù)量龐大，由于觀眾感興趣的精彩事件占據(jù)比賽視頻的比例較小，足球視頻精彩事件自動檢測便成為視頻語義分析領域研究的熱點和難點。目前常用的事件檢測方法主要包括兩大類：一類是基于機器學習的方法，另一類是基于人工規(guī)則的方法。其中，采用基于機器學習的方法檢測語義事件，模型構建復雜，對訓練樣本數(shù)據(jù)的典型性和充分性要求較高；基于人工規(guī)則的方法，規(guī)則建立過程比較繁瑣，人力耗費較大，且事件檢測性能不高。因此，如何構建性能良好的語義

2、事件模型、建立簡單有效的語義規(guī)則、準確且全面地檢測語義事件是目前體育視頻檢索領域研究的難點。本文針對足球視頻精彩事件，提出了兩種事件檢測方法。
　?。?）基于HMM（Hidden Markov Model）的足球視頻角球事件檢測方法。通過分析足球視頻角球事件的語義結構，定義并提取了六種多模態(tài)語義線索來描述鏡頭序列，組成觀察值向量，作為HMM模型輸入，經(jīng)過模型迭代訓練和模型參數(shù)不斷優(yōu)化，構建出角球事件的HMM模型，從音/視頻兩方面深

3、入挖掘了角球事件的內在規(guī)律，準確實現(xiàn)了角球事件自動檢測。實驗表明，該方法檢測角球事件性能良好，查全率達到了89.66％，查準率達到了96.30%。
　?。?）基于多模態(tài)語義線索和HCRF模型（Hidden Conditional Random Field）的足球視頻精彩事件檢測方法。通過對精彩事件視頻結構語義分析，定義了9種多模態(tài)語義線索，準確地描述了精彩事件富含的語義信息；對視頻片段進行物理鏡頭分割，提取鏡頭關鍵幀中的多模態(tài)語義