基于運動特征和記分牌信息的體育視頻語義分析.pdf

1、各種各樣國際、國內(nèi)體育賽事的舉辦，直接導(dǎo)致了廣播體育視頻數(shù)據(jù)的爆炸式增長。如何針對不同用戶需求，從海量數(shù)據(jù)中快速、有效地提取有用信息，是體育視頻分析中的關(guān)鍵問題。本文以籃球比賽視頻為分析對象，基于全局運動特征進行籃球比賽攻防轉(zhuǎn)換語義分析，并基于SIFT算法進行記分牌分值提取，最后基于已有的籃球運動軌跡，建立了罰球得分事件的HMM模型。 首先，運動估計算法的研究與實現(xiàn)，研究了光流法和塊匹配法，實現(xiàn)了基于多級圖像金字塔的Lucas-

2、Kanade算法，對圖像光流場進行分析，得出運動矢量場。進一步對塊匹配方法進行了深入研究，采用SAD匹配法則，8×8的宏塊，利用菱形搜索法求解運動矢量場，并結(jié)合論文應(yīng)用進行以下改進：去除外點；增加基于起始搜索點的預(yù)測；設(shè)定中止搜索的最優(yōu)化閾值。 其次，基于全局運動統(tǒng)計特征進行籃球比賽攻防轉(zhuǎn)換語義分析。通過提取運動矢量場的統(tǒng)計特征，提取了攝像機的掃視、變焦等全局運動，最后對攻防轉(zhuǎn)換進行了語義標注，初步的試驗結(jié)果表明，本文方法能夠正

3、確標注80％以上的攻防轉(zhuǎn)換，并且對起始幀和終止幀的標注偏差小于1秒。 再其次，基于SIFT特征實現(xiàn)了記分牌分值提取。首先用線性插值方法對圖像進行縮放，再用平滑函數(shù)對圖像進行預(yù)處理，得到金字塔型圖像組。然后在圖像組中按照一定規(guī)則提取特征點，并建立特征描述符。最后計算特征描述符的歐氏距離完成字符識別。 最后，研究了HMM的算法原理，并建立了罰球得分事件的HMM模型。在對HMM模型進行細致研究的基礎(chǔ)上，針對籃球比賽中的罰球得分