随着配有高清摄像头的智能手机、数码相机等的广泛使用,图像的获取越来越便捷。体育赛事中,通常会拍摄大量的比赛图像,要从这些海量的赛事图像中找到包含某位特定运动员的信息,主要是通过识别运动员号码牌的方法。运动员号码牌识别主要包括:号码牌区域定位、号码牌字符分割、号码牌字符识别。其中号码牌区域定位是号码牌识别的前期必要工作,它的作用是从复杂的背景环境中快速、准确地分割出号码牌区域。但是号码牌区域定位对光照较为敏感,在光照环境差的情况下,会严重影响号码牌图像的质量,导致号码牌区域与背景粘连,无法准确地定位出号码牌区域。在对号码牌字符分割前需要对定位出的号码牌区域图像进行预处理,目的是得到只包含号码牌字符的、无倾斜的号码牌二值图像。由于号码牌的顶端和底部通常都会存在大量的广告信息的干扰,这些干扰信息经预处理后,和号码牌字符一样表现为白色。它们的存在会严重影响字符分割的准确性,进而影响字符识别的效果。因此,设计出鲁棒性较强的号码牌识别方法,对获取特定运动员的信息有着重要意义。针对现有的号码牌区域定位方法易受光照的影响这一问题,本文提出将深度学习算法应用到号码牌区域定位中。通过对400副共包含2305张号码牌的样本图像测试,其区域定位的准确率高达96.83%;同等条件下与基于形态学特征的定位方法相比,准确率提高了3.86%。完成号码牌区域定位后,对定位出的号码牌进行灰度化、二值化、形态学操作等预处理。为了去除号码牌顶底端广告信息的干扰,本文对原有的形态学操作进行了改进。与原有的形态学处理方法不同,该改进方法是使用相同形状的不同维数的结构元素串联再将不同形状的结构元素并联,通过权值自适应的计算方法对号码牌进行滤波,实验结果表明该方法滤波效果较好,能够有效地去除号码牌的干扰信息。号码牌预处理完成后,对号码牌进行字符分割、字符识别。仿真实验结果表明,本文方法能够快速、准确地完成运动员号码牌的识别。