论文部分内容阅读
近些年来,人们对体育赛事的热情日益增长。而随着信息技术的发展,越来越多的人选择通过观看直播、视频等方式参与比赛。赛事主办方和转播方为了最大化利润希望尽可能多的投放广告,但往往由于场地和观众体验等多方因素限制了投放数量。虚拟广告嵌入则可以打破传统限制,根据需要将广告以任何尺寸放置在场地的任意位置,既不会因为过量插播引起观众反感,也不会因为可用广告位太小而导致宣传效果不到位。除此之外,在虚拟广告嵌入系统中使用的技术还同时可以应用于虚拟信息提示,如显示场上比分,运动员资料等。广告嵌入的效果由虚拟信息与真实场地的视觉一致性来决定。本文中,我们以场景识别技术为核心,通过特征检测与追踪,分析视频场地与真实场地之间的变换关系为高质量的广告嵌入提供信息支撑。在国外,已经有很多公司针对体育视频的应用场景进行开发,并有产品投入市场。随着近些年来网络视频平台和直播平台的陆续增多,国内也开始有相关机构对这个领域展开研究,并取得了一定成果。由于体育视频种类复杂多样,很难使用一个统一的框架来对所有类型的视频进行处理,本文将以图像中包含完整场地的全景式镜头为主要切入点,以网球视频为例展开研究,主要内容包括以下三点:1、视频图像中场地特征的提取。由于视频图像中有观众、球员等等大量干扰信息,需要排除这些干扰信息中并从中提取出场地特征。本文从场地线这一常用的场地特征出发,观察了图像中场地线的特征,首先使用HSL模型中的亮度通道提取出场地线遮罩,再利用改进的霍夫变换对遮罩中的场地线进行提取。2、视频图像中场地与真实场地的模型匹配。本文中我们提出了一个新的基于场地线匹配的网球场地匹配算法,并基于该匹配结果计算出图像场地与真实场地模型之间的透视变换关系。这一变换关系给广告植入提供了变换依据。3、场地模型的追踪及稳定性分析。由于对每帧都进行场地检测和匹配的计算开销较大,我们利用视频的时序连续性,使用目标追踪方法来快速获取新一帧的场地信息,降低计算量。同时,由于算法各个阶段均有可能导致误差,这些误差会使被植入的虚拟信息产生“抖动”。为了提高透视变换的稳定性,本文中将使用基于统计学的数据平滑方法来减轻“抖动”现象。