论文部分内容阅读
由于体育视频拥有广大的受众群体和丰富的领域知识,使得体育视频分析成为国内外学者研究的热门课题。早期的体育视频分析主要集中在视频结构化分析方面研究。近年来,体育视频中的高级语义分析逐渐成为研究热点。由于观众观看体育视频的焦点是运动员,而且体育视频中高级语义与运动员离不开关系。因此,检测和分割视频中的运动员是体育视频分析的基础。在详细分析总结了体育视频特点和相关领域规则的基础上,实现了基于中层特征块的运动员检测算法和基于超像素分类的运动员分割算法。在基于中层特征块的运动员检测算法中,利用特写镜头、中镜头和远镜头中运动员和比赛场地的特点,挖掘区分运动员与非运动员的中层特征块,为三种不同类型的镜头分别训练运动员检测分类器,实现运动员检测。在检测到运动员的基础上,以超像素为基本单位,利用多边形区域表示的运动员检测结果与运动员轮廓之间的关系,将多边形区域内的超像素分类标记为运动员超像素和背景超像素,利用该分类结果和多边形区域信息,使用Grab Cut分割算法,实现运动员轮廓的分割。实验结果表明,基于中层特征块的运动员区域检测算法具有较高的准确率。与基于底层特征的运动员区域检测结果相比,基于中层特征块的检测结果能够更加精确表示运动员区域。但如何更有效利用中层特征块,有待于进一步研究。基于超像素的运动员轮廓分割算法,既能有效保持图像中的运动员轮廓信息又能减少计算量。但由于部分运动员头发、胳膊和手臂等边缘部分的超像素分类不够准确导致分割效果不够理想,有待于进一步改进。