足球視頻中的精彩事件檢測方法研究.pdf

1、足球視頻影響著人們的日常生活，人們對足球視頻的關注更多地體現(xiàn)在對其中進球，射門，罰牌等精彩事件的關注。然而用人工的方法從大量的比賽視頻數(shù)據(jù)中查找人們感興趣的精彩事件是件比較乏味和低效的工作。因此就需要找到一種有效的方法來實現(xiàn)足球視頻中精彩事件的自動檢測。 本文就如何實現(xiàn)足球視頻中的精彩事件自動檢測這一問題進行詳細探討，現(xiàn)有的方法或只是針對精彩場景進行檢測，或利用底層特征直接表示或檢測精彩事件?；谪惾~斯網(wǎng)絡和動態(tài)貝葉斯網(wǎng)絡的檢測

2、綜合利用的底層特征，中層語義和事件取得了很好的效果。本文給出的精彩事件檢測方法包括兩個步驟：首先對物理鏡頭進行語義標注從而形成語義鏡頭序列，然后建立隱馬爾可夫模型進行事件的推理檢測。在語義標注過程中，在現(xiàn)有語義鏡頭分類的基礎上，根據(jù)關鍵幀圖像的紋理特征把近鏡頭進一步分成球員特寫和場外觀眾這兩種語義鏡頭，場外觀眾鏡頭往往表現(xiàn)為較強的紋理特征，而球員特寫鏡頭則比較平滑，利用邊緣檢測和閉運算等數(shù)字圖像處理技術可以很好的區(qū)分這兩種語義鏡頭。在使

3、用隱馬爾可夫模型進行事件檢測過程中，以語義鏡頭作為模型的觀察節(jié)點，要檢測的目標事件作為隱藏狀態(tài)節(jié)點，來構建模型。根據(jù)足球視頻鏡頭的編輯規(guī)則和領域特征，從大量的訓練素材中計算出初始模型參數(shù)，并使用Baum-Welch算法進行訓練，不斷調(diào)整參數(shù)，直到確立最終模型。最后使用Viterbi算法進行事件的推理檢測，只要把語義鏡頭序列輸入到檢測系統(tǒng)中，就可以得到狀態(tài)節(jié)點序列，從而檢測出是否有精彩事件發(fā)生。 實驗表明本文給出近鏡頭分類算法準確