基于规则推理的足球视频任意球射门事件检测

足球视频事件检测对视频检索具有重要意义。然而,足球视频中事件较少,且主要发生在远镜头中,难以捕捉关键球员和关键动作,导致足球事件检测困难。近年来,基于深度学习的方法在足球视频事件检测上取得了一定的进展,但对事件的高层语义学习仍不够充分,检测结果有待进一步提高。如何提升足球视频事件检测的准确性是亟待解决的问题。以任意球射门事件为研究对象,提出了足球规则与深度学习相结合的事件检测模型。为了深入了解任意球射门事件的内在特性,人工总结了事件规则并在公共足球数据集上进行了验证,同时提出了规则的应用场景。针对足球视频中事件过少的问题,设计了基于规则的初始定位算法对视频进行预处理。通过多规则组合和应用,从原始视频中初步定位可能发生任意球射门事件的位置,并将其作为深度学习模型的输入进行进一步预测。在公共足球数据集上将所提模型与其他模型进行对比实验。结果表明,该模型取得了最好的效果,其精确率达到78%,召回率达到81.25%。相比其他模型,其精确率的提升尤为明显。可见,足球规则与深度学习相结合的任意球事件检测模型有效提升了任意球射门事件的检测性能,为足球视频中其他事件的检测提供了参考依据。

自适应高斯混合模型球场检测算法及其在体育视频分析中的应用

球场检测在体育视频内容分析中有着重要作用.为了克服由于不同光照、不同相机、不同拍摄角度造成球场颜色的非均一性问题,提出了一种基于自适应高斯混合模型(adaptiveGaussianmixturemodel,GMM)的球场检测算法.该算法首先从视频中任意抽取一些图像,并自动分析这些图像的主要颜色,从中找到主颜色的近似分布,然后,利用GMM拟合主要颜色分布.为提高模型的适应能力,在球场检测过程中,利用当前GMM球场检测结果和增量期望最大(incrementalexpectationmaximum,IEM)算法不断更新模型参数,从而得到更加准确的参数估计,并用于后续图像中球场和非球场像素进行分类.最后,根据球场区域在图像中的分布,对足球比赛场景进行分类.实验证明,提出的算法具有良好的性能.

利用情感激励提取足球视频精彩镜头

足球视频精彩镜头的提取是足球视频检索和摘要生成的关键技术,有着很高的学术研究价值和广泛的应用前景.在系统分析现有足球视频精彩镜头提取方法的基础上,从观众情绪波动的视角出发,以Hanjalic情感曲线的理论思想为基础,设计了一个基于情感激励模型提取足球视频精彩镜头的系统.针对足球视频构建了一种新的特征——镜头激烈度,用此特征取代运动强度特征建立情感激励模型,从而改进了Hanjalic情绪激励曲线的生成方法,提高了系统的查全率、准确率和计算性能.结合足球领域知识,实现了更准确的精彩镜头定位方法,可以根据用户的实际观看时间自动筛选精彩镜头.实验结果验证了算法具有很好的检测效果.

基于动态规划融合多模态的足球视频事件分析

为了更好地满足用户浏览和检索视频的需要,提出一种融合文本的足球视频事件分析框架.分别从文本和视频中提取事件信息,采用动态规划的算法对2种信息进行全局匹配,对于未匹配的文本事件信息,采用一个全局概率模型估计其在视频中的事件边界.通过寻找文本与视频事件信息的最优全局匹配,有效地避免了局部匹配方法造成的漏检和误检.实验结果表明,文中方法能够快速、准确地检测事件,获得详尽的事件内容信息,性能优于局部匹配算法.

辅助足球视频切分的音频自动分类与分段

视频伴随音轨的自动分类与分段是辅助视频切分的一种有效手段。从足球视频的特征入手,归纳总结出足球视频中三类主要的音频类型,既而提出了基于HMM并且结合一定平滑策略的音频自动分类和分段的框架,在实现音频分类分段的同时完成了足球视频的切分。初步的实验结果验证了该方法的有效性和鲁棒性。

基于子窗口区域的足球视频镜头分类

为了对海量视频数据进行有效的管理和快速浏览,急需对数字视频进行基于内容的视频检索。镜头分类是足球视频处理与检索的重要部分,针对目前现有足球镜头分类方法存在算法准确性不高或运算量过大的问题,提出了一种新的基于子窗口区域的镜头分类方法。该方法采用在HSV颜色空间中计算足球视频帧子窗口区域球场色像素比率,并辅以边缘信息的检测,对足球视频中的主镜头、中镜头、特写镜头和其他镜头进行了分类,实验结果表明该方法切实可行,具有很高的检出率和准确率。

一种新的足球视频语义镜头表示及事件查询框架

提出了一个足球视频中的语义镜头表示及事件查询框架。在这个框架中,定义了不同的语义镜头,并且每类语义镜头都可以由五个特征属性所刻画。在语义镜头定义的基础上,为了弥补传统的事件查询方式的不足,提出了一种用户定义事件的查询方式,它是一种基于语义镜头合成Petri网表示模型的查询方式,可以由用户自由定义所感兴趣的事件Petri网表示结构,实验证明该查询方式能有效提高查询效率,并有很大的灵活性,能适应不同广播公司的转播规则,但该查询方式需要用户具有一定的专业和领域知识。实验数据来源于2006年德国世界杯、英格兰足球超级联赛和西班牙足球甲级联赛。

足球比赛视频中的精彩镜头分析方法

针对足球视频应用的实际需要，文章提出了一种通过视频、音频信息等多种特征的提取和融合来进行足球比赛视频分析的方法。该方法首先在视频中进行镜头探测，然后在单独的镜头中提取颜色特征，进行镜头分类；在所需要的镜头类型中对球场特征、运动对象特征和音频特征进行提取、融合，建立有效的分析方法，从而实现精彩镜头分析。

基于记分牌时间和新闻文本提取足球视频精彩事件

基于移动视频搜索等媒体应用对视频语义事件分析的迫切需求,提出一种新的足球视频精彩事件多模分析方法(简称多模事件分析法),即从体育网站新闻中抽取文本,利用音视频特征合成的情感激励曲线确定视频事件位置和精彩程度,基于自动提取的记分牌时间对齐文本事件和视频事件,实现了多模精彩事件的准确抽取和丰富语义标注。结果表明,多模事件分析法在进球、射门、犯规、角球、任意球等事件检测中不仅具有较高的准确率和查全率,而且标注结果更丰富,包含精彩程度、事件类型和文本描述等多模语义信息。

一种基于球场模型的广播足球视频摄像机自动定标方法

随着足球视频语义内容分析和理解、自动视频索引、虚拟增强现实表示等研究的不断深入,摄像机定标技术扮演了越来越重要的角色.基于此,提出了一种基于球场模型的广播足球视频摄像机自动定标算法,该算法建立在所定义的球场模型基础之上,首先通过改进的球场线探测算法得到球场平面的特征点,并求解摄像机同形(Homography)矩阵,然后,利用所求解的同形矩阵来定位球门,得到球门平面的两个特征点,最后根据基于K均值聚类和Hough-like搜索的方法来得到最优的摄像机内外参数.初步的实验结果表明,依据本文算法所求解的摄像机参数最优值相比初始值精确度更高,并且其在连续帧中也更加稳定.

一种基于基本语义单元合成Petri网的足球视频查询描述模型

足球是最具世界性的体育运动之一,球迷遍布五大洲,因此在体育视频节目中足球备受广大观众青睐·在分析了足球视频特点的基础上,提出了一种基于基本语义单元合成Petri网的足球视频查询描述模型·该模型首先定义了一种类似文本字词集合的足球视频基本语义单元集合,在此基础上采用基本语义单元合成Petri网模型建立了一种足球查询语义的描述模型,并分别构建了进球、进攻、角球、犯规、换人等足球语义·初步的实验结果验证了该模型的有效性,并能推广至球类视频和其他体育视频·

基于规则推理的足球视频语义事件分析研究

针对视频高层语义分析问题,通过分析足球视频的语义结构,按照足球比赛转播、视频编辑的一般规律,结合视频特征的时空关系,定义足球视频主要的语义规则,从而提出了足球视频语义事件的分析框架。通过应用视频语义分析,语义信息提取的关键技术,抽取和融合球场特征、对象特征和音频特征,结合基于专业知识的规则推理,达到有效分析足球视频语义的目的。实验证明,该方案效果较好。

足球运动员比赛条件下运动距离测量和运动速度分析

使用专用的技、战术录像分析系统(S IM I°Scou t),对中、日足球运动员在比赛条件下进行运动距离测量和跑速分析。结果显示,3名中国运动员全场运动距离平均为9 300 m,两名日本运动员平均运动距离为9 700 m;下半场运动员距离比上半场有所减少,中国运动员减少量高于日本运动员;从运动形式上看,“冲刺”、“快跑”两项之和占总距离的10%;运动员下半场活动范围一般比上半场有所增加。

一种检测足球视频中射门镜头的方法

体育视频中事件的检测是基于内容的体育视频检索的前提。根据足球比赛视频的特点,提出了一种有效的射门镜头检测方法,即利用主颜色区域检测和投影法来检测射门镜头,从而实现了按射门镜头对视频进行检索。最后给出实验结果及分析。

基于HMM的足球视频语义结构分析

提出了一种足球视频的语义结构,即足球视频由多个语义事件构成,每个语义事件由数个语义镜头组成。为了分析这种语义结构,建立了“精彩事件”和“一般事件”两种语义事件的多个隐马尔科夫模型(HMMs),并提出了场地比率、人脸比率、边缘、运动强度四种特征作为HMMs的观测值输入。利用HMM的三种算法训练HMMs,分析出精彩事件,并为每个镜头标注语义。

基于HMM的足球视频语义分析研究

针对视频高层语义分析问题,文章结合足球比赛的领域知识,按照足球比赛转播、视频编辑的一般规律,根据足球比赛语义事件随机性的特点,选择特定的视频物理特征,应用HMM(隐马尔科夫模型)分析视频的语义结构,确定视频和HMM模型中各元素的对应关系,构建一个基于HMM的视频语义分析框架,并通过进行足球视频HMM参数的训练,得到视频各语义事件的HMM模型,达到视频语义自动分析的目的。

一个足球机器人视频跟踪算法

随着机器人和人工智能技术的发展,在复杂环境中特别是足球机器人的实时比赛的环境进行识别和跟踪已是一个挑战性的课题,提出了一个基于投影的目标跟踪算法,该算法首先把比赛场地分成了若干区域,在这些区域内搜索一个种子点,然后以此点为起点沿垂直或水平方向在目标区域搜索,计算该点的投影值,根据这些投影值识别出目标的一个顶点(或小球的球心),进而识别出目标;最后,提取出7个运动目标的位置和方向,实验结果表明,该算法与其他方法相比有计算量少、图像处理速度快和易于实现等优点。同时,该算法在仿真系统中得到了检验。

基于KCF算法的足球运动员体能录像跟踪技术研究

基于对现有视频跟踪技术的分析,提出一种基于KCF算法的多视角、多目标足球跟踪技术,通过调整学习率和样本范围提高准确率,并结合多视角视频信息加权定位球员位置。测试结果显示:该方法能够提高抗遮挡能力,保证跟踪处理速度,减少相似跟踪目标带来的误差,解决足球比赛中录像跟踪的多目标跟踪问题。