足球視頻中球的檢測與跟蹤算法研究.pdf

1、作為最受觀眾喜愛的體育視頻之一，足球視頻的分析和研究受到越來越多研究人員的關注。在足球視頻中，有效的目標檢測與跟蹤，對足球視頻的上層分析有著重要意義，如何實現(xiàn)魯棒的足球視頻目標檢測與跟蹤算法成為一個亟待解決的問題。本文首先概述了足球目標和球員目標檢測與跟蹤的研究現(xiàn)狀，在深入研究視頻鏡頭分割、運動目標檢測與跟蹤等理論基礎上，針對足球視頻中球的檢測與跟蹤提出了切實有效的解決方案。
　　 (1)提出了一種足球視頻目標檢測方案。將足球視

2、頻解碼成連續(xù)的圖像幀序列，在HSI顏色模型中，統(tǒng)計訓練圖像集的H、S、I分量直方圖，得到足球視頻的主顏色；根據(jù)主顏色對足球視頻圖像序列進行基于圓柱距離的圖像分割，對分割結果進行形態(tài)學處理以去除分割過程中產(chǎn)生的空洞和毛刺，進一步通過連通性分析提取最大的連通區(qū)域作為場地區(qū)域，并將場地區(qū)域中的其他連通區(qū)域標記為候選目標；為了消除場地線對目標檢測效果的影響，本文詳細研究了Hough變換，并將Hough變換用于場地線的提取與擦除，實驗結果表明算法

3、簡單、有效。
　　 (2)提出了一種基于Kalman濾波的足球跟蹤框架。首先根據(jù)目標檢測方案的結果，制定基于形狀分析方法的足球目標篩選規(guī)則，識別出場地區(qū)域中候選足球目標；其次，采用Kalman濾波算法對候選足球目標進行跟蹤，并對目標遮擋問題以及軌跡分裂問題給出了解決策略；最后，根據(jù)足球視頻領域知識定義足球運動軌跡篩選規(guī)則，有效地從候選軌跡集中提取真實的足球運動軌跡，實驗結果表明算法有效。
　　 (3)提出了一種基于顏色和

4、HOG特征的粒子濾波足球跟蹤算法。首先，提取目標區(qū)域的顏色特征和HOG(Histograms of Oriented Gradients)特征，將兩種特征進行融合作為模板特征；其次，在粒子濾波算法框架中，對每個粒子周圍同樣提取顏色特征和HOG特征，并計算每個粒子特征與模板特征的距離，將歸一化后的距離作為粒子的權值，對所有粒子進行加權求和，得到目標的跟蹤位置。最后，根據(jù)重要性重采樣方法對粒子進行重采樣，并進入下一輪循環(huán)。實驗結果表明，本算