足球視頻精彩進球事件檢測.pdf

1、足球比賽視頻持續(xù)時間長，數據量龐大，由于網絡傳輸帶寬限制及觀眾僅對精彩事件感興趣這樣的事實存在，足球視頻的精彩事件檢測已成為體育視頻分析領域研究的熱點。目前常見的主流方法主要包括兩類：一類是機器學習的方法，另一類是基于人工規(guī)則的方法，其中，基于機器學習的方法語義事件模型復雜，模型訓練對樣本數據的充分性和典型性要求較高；基于規(guī)則的方法，人工語義規(guī)則制定需耗費較多的人力，事件檢測性能不高等。因此，如何構建性能良好的語義事件模型、建立簡單有效

2、的語義規(guī)則、準確且全面地實現語義事件的檢測是當前體育視頻領域研究的難點。本文針對足球視頻精彩進球事件，提出了兩種檢測方法。
　　 (1)基于HMM(Hidden Markov Model)和語義規(guī)則的進球事件檢測方法。通過語義鏡頭標注，將視頻片段描述為由遠鏡頭、中鏡頭、特寫鏡頭、觀眾鏡頭和回放鏡頭組成的序列；結合足球領域知識，構建了進球事件的HMM模型，實現了基于HMM模型的進球事件檢測；基于對進球片段與非進球片段的內容分析，定

3、義了一種新的鏡頭特征-語義觀測權重，并利用新特征建立了歸一化語義加權和規(guī)則，實現了基于語義規(guī)則的進球事件檢測；最終利用基于邏輯距離的加權融合方案，將兩種檢測結果通過最優(yōu)權重進行決策級融合，完成對進球事件的檢測。實驗結果表明該方法對進球事件的查準率達到了96.55％、查全率達到了100％，優(yōu)于傳統(tǒng)的HMM方法和語義規(guī)則的方法。
　　 (2)基于HCRF(Hidden Conditional Random Field)和情感語義的進

4、球事件檢測方法。構建了用于實時鏡頭語義標注的HCRF模型，能夠實現多種語義鏡頭的同時標注，得到了視頻的語義鏡頭序列；利用鏡頭的語義觀測權重特征構建了基于特征值加權的情感激勵模型，旨在從情感語義角度描述進球事件的內含情感語義，得到了視頻的情感激勵值序列；在小規(guī)模訓練樣本情況下，有效建立了簡單的進球事件檢測HCRF模型，基于視頻語義鏡頭序列和情感語義激勵值序列與進球事件之間的映射關系，從視頻結構語義和情感語義兩方面挖掘進球事件的內在規(guī)律，準