基于視頻的籃球持球隊(duì)員行為預(yù)測(cè)研究.pdf

1、本文以籃球比賽視頻中持球隊(duì)員的行為預(yù)測(cè)為研究對(duì)象，圍繞與之相關(guān)的球場與球場標(biāo)志線提取、球員跟蹤、持球隊(duì)員視野判定等問題展開，主要工作體現(xiàn)在以下幾個(gè)方面:
　　 (1)采用改進(jìn)的K均值聚類算法提取視頻中的球場區(qū)域，排除觀眾席的干擾，縮小后續(xù)球員跟蹤的計(jì)算范圍。在提取的球場區(qū)域內(nèi)，采用Hough變換與最小二乘法提取球場標(biāo)志線，用于后續(xù)攝像機(jī)的標(biāo)定。
　　 (2)提出了一種基于層次化多特征融合粒子濾波的運(yùn)動(dòng)球員跟蹤方法。定義一

2、種由輔助特征與主特征構(gòu)成的層次化結(jié)構(gòu)，層與層之間通過粒子的建議分布關(guān)聯(lián);球員跟蹤時(shí)，按照層次間的關(guān)聯(lián)關(guān)系，通過輔助特征引導(dǎo)主特征粒子移動(dòng)到更靠近目標(biāo)的區(qū)域來優(yōu)化更新主特征粒子建議分布。該方法只需少量高置信度粒子就能表示目標(biāo)后驗(yàn)概率分布，減少了系統(tǒng)計(jì)算量，提高了跟蹤實(shí)時(shí)性。同時(shí)，采用輔助特征和一種輔助特征自更新策略，增強(qiáng)了跟蹤的抗遮擋能力。
　　 (3)提出了一種基于前向逐步疊加模型的人體頭部姿態(tài)識(shí)別方法。針對(duì)籃球賽視頻中球員頭部

3、圖像分辨率低、所占比例小、特征有限的特點(diǎn)，提出運(yùn)用協(xié)方差描述子對(duì)球員的多種頭部特征融合，構(gòu)成黎曼流形，再將其映射到切空間中構(gòu)成特征向量，采用FSAMME多分類器識(shí)別持球隊(duì)員的八種頭部姿態(tài)。較之傳統(tǒng)Boosting多分類器，F(xiàn)SAMME分類器無需將多類問題轉(zhuǎn)化為多個(gè)兩類問題，從而減少了算法的計(jì)算量，增強(qiáng)了系統(tǒng)的實(shí)時(shí)性。
　　 (4)提出了一種基于在線RBF神經(jīng)網(wǎng)絡(luò)的持球隊(duì)員行為預(yù)測(cè)方法。為了描述影響持球隊(duì)員行為決策的諸多因素，提出