基于音視頻融合的網(wǎng)球視頻檢索.pdf

1、本文以網(wǎng)球視頻為研究對象，檢測網(wǎng)球比賽視頻中出現(xiàn)的精彩事件，如ACE球、上網(wǎng)球等。并提出了一個網(wǎng)球視頻精彩事件檢測框架，實現(xiàn)了視頻流語義分析、音頻流語義分析和音視頻特征融合的精彩事件檢測三個部分。
　　 視頻流語義分析包括鏡頭分類、球員檢測、球員跟蹤等。鏡頭分類是網(wǎng)球比賽視頻分析的基礎(chǔ)，直接決定精彩事件檢測的準確性。針對目前現(xiàn)有的鏡頭分類方法，結(jié)合網(wǎng)球比賽視頻的特點，提出了一種基于Hou曲直線檢測的鏡頭分類方法，將鏡頭分為比賽鏡

2、頭和非比賽鏡頭。然后在比賽鏡頭中利用幀差法提取球員所在位置區(qū)域，利用Camshifi算法實現(xiàn)球員跟蹤。
　　 音頻流語義分析包括基于幀的特征提取及基于段的音頻分類等。本文先將音頻流分段，再對音頻段分幀處理，然后提取音頻幀的特征參數(shù)，包括短時平均能量、短時過零率、MFCC以及差分MFCC等，利用連續(xù)隱馬爾可夫模型實現(xiàn)對音頻段的分類，將音頻段分為擊球聲、歡呼聲、解說員激昂解說、解說員平緩解說、背景噪音等五個類別。
　　 最后