• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >足球比赛视频中的多运动员的行为识别方法研究
【6h】

足球比赛视频中的多运动员的行为识别方法研究

代理获取
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

足球比赛视频中的运动员行为是一种有计划、高协同性的多运动员团队行为。团队行为的理解和识别是计算机视觉研究领域的重要研究问题之一,有许多方面的应用,如视频监控、对象视频摘要、人机交互、体育视频分析、运动员辅助训练、比赛辅助判罚和视频检索浏览等。因此,开展足球比赛视频中的多运动员行为识别研究具有极大的经济价值和社会价值。
　　 足球比赛视频中的行为识别涉及特征提取、目标跟踪与检测、行为表示、分类器的构建及行为识别等具体研究内容,需要使用运动目标的检测、分割、跟踪识别、语义表示与推理等技术,涉及到模式识别、图像处理、图形学、计算机视觉、机器学习和人工智能等学科,是一个具有挑战性的、跨学科的研究方向。
　　 本文在全面综述足球比赛视频中的多运动员行为识别研究现状的基础上,提出用模糊推理系统来融合多特征进行足球比赛视频中的行为识别。针对当前多运动员行为识别的研究过程中存在的不足展开研究,主要研究成果归纳如下:
　　 (1)在视频图像预处理过程中提出了基于多元统计模型的分形小波自适应图像去噪算法和基于正交小波分析和伪彩色处理的足球比赛视频图像增强算法:在视频图像去噪过程中,通过结合多元统计模型与分形小波去噪方法,能够更准确地估计各种相关信息,选择高品质的图像空间。在适度的噪声方差下根据拼贴距离在最好的子树域中找到近优父子树。从而预测出无噪声的图像分形小波编码,达到优化去噪的目的。基于多元统计模型的分形小波自适应图像去噪算法在去除噪声的同时,能有效地保持图像的边缘及纹理特征,很好地保留图像的精细结构,取得了良好的去噪效果。由于采用了预测小波分形编码,优化了算法结构,算法的处理速度比较快。基于正交小波分析和伪彩色处理的足球比赛视频图像增强算法既可克服采用正交小波分析足球比赛视频图像增强算法处理后的图像偏亮及对比度较差等缺陷,又可克服伪彩色处理的足球比赛视频图像增强算法不能够充分处理图像中某些细节信息的缺陷。
　　 (2)提出用自动生成RBF网络来融合多特征:为了克服光照、遮挡、尺度变化等影响,满足实时性识别的要求,提出用自动生成RBF网络融合足球比赛视频中的多运动员行为识别过程中提取的球员的服装颜色矩特征、球员和裁判的轮廓特征、球场线的坐标参数特征及运动目标的运动轨迹特征。定义一个动态特征模型,首先提取有关足球比赛视频中的多运动员行为的主要特征,当这些特征不足以完成识别与理解时,系统逐步提取候选的细节特征。同时通过采用3D局部方向直方图特征,能有效解决遮挡和姿态变化的多样性,使足球比赛视频中的多运动员行为识别与理解具有更强的鲁棒性。
　　 (3)提出了足球比赛视频中的团体行为模式的时空驱动力模型和模糊推理系统:利用由时空限制的轨迹、变化的人数和行为之间的时空变化的集合组成的行为特征为足球比赛视频中的团体行为进行建模。将足球比赛视频中的团体行为作为一个区域密集分布的时空驱动力的动态过程,用简单的离散轨迹点集来取代运动的发生。通过将F(tn,x,y)的Lie群非线性流形空间转化为f(tn,x,y)的Lie代数的线性空间来大大简化模型的计算量。模型充分利用了从运动轨迹中获得的位置和速度等低层次特征,模型的学习简单。模型的特征融合能力比较强,与其它模型比较性能优越。模型在建模复杂行为模式方面具有通用性和灵活性。
　　 提出了足球比赛视频中的多运动员行为识别的模糊推理系统,将行为模型抽象为事件模型,建立传球、射门、控球、带球、丢球、进球、角球、任意球、越位、球出界、红黄牌等事件的推理规则,系统应用这些推理规则进行足球比赛视频中的多运动员行为识别。
　　 (4)设计了尺度自适应局部时空特征Harris检测操作数来解决复杂背景中的光照、多尺度和遮挡问题:依据视觉理解的整体性和层次性原理,将空间金字塔模型推广并应用到局部时空特征中,设计了尺度自适应选择局部时空特征Harris检测操作数,该操作数方法简单,计算速度快,能解决复杂背景中的光照变化和多尺度问题,并能在一定程度上解决遮挡问题。
　　 (5)首次将迁移学习算法引入足球比赛视频中的多运动员行为识别与理解中解决多视角及遮挡问题:借鉴迁移学习在图像分类、手势识别等领域研究的成功经验,设计了基于迁移学习的局部时空码本原型构建算法,该算法使得不同视角的码本之间能够共享特征,以更紧凑的方式来表示足球比赛视频中的多运动员行为,能在一定程度上解决多视角,提高足球比赛视频中的多运动员行为识别与理解方法的鲁棒性。
　　 总之,本文从特征提取、团队行为表示、团队行为建模和分类器的构建技术等核心问题入手来研究足球比赛视频中的多运动员的行为识别。首先提出了用基于多元统计模型的分形小波自适应图像去噪算法和基于正交小波分析和伪彩色处理的足球比赛视频图像增强算法来改善视频图像的视觉效果,然后提出了用自动生成RBF网络来融合提取的多特征,提出了足球比赛视频中的团体行为模式的时空驱动力模型,并用它来建模足球比赛视频中的团体行为,更具通用性和灵活性。设计了尺度自适应局部时空特征Harris检测操作数来解决复杂背景中的光照、多尺度和遮挡问题,并能在一定程度上解决遮挡问题。提出了基于先验知识和人工神经网络的树结构混合分类器,提高了识别的准确率及识别速度,利用神经网络的独立性以及自适应性解决了单一分类器难以不断学习和适应环境、光照、运动员人数变化的多运动员行为识别问题。最后针对多视角及遮挡问题首次将迁移学习算法引入足球比赛视频中的多运动员行为识别与理解中解决部分遮挡问题和多视角问题。本文提出的方法提高了足球比赛视频中的多运动员的行为识别的识别性能,有利于促进足球比赛视频中的多运动员的行为识别技术不断向前发展和进一步的实用化。
　　 各项实验结果表明,本文提出的解决方法是有效的,基本达到了预期的研究目标,为其它相关的应用研究提供了借鉴。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号