多媒体数据的日趋激增给数据的快速检索和查询带来了更大的困难。然而,广大用户希望能够快速地从多媒体数据中提取出感兴趣的内容和隐含知识(概念、规则、规律、模式以及关联等),以便利用它们进行快速的检索和查询,同时能提供问题求解层次的决策支持。这种矛盾给多媒体数据挖掘带来了挑战。本文以体育视频中运动目标为研究对象,从理论层次和技术框架等方面进行系统研究,实现从视频的低层运动特征到高层运动语义之间的逐层挖掘,不仅为用户快速查找信息提供支持,而且能为用户解决问题提供辅助决策。首先研究体育视频运动挖掘的理论和系统框架,其中,理论分为三个层次,分别为:基本特征层,模式、事件层以及知识层。在此基础上对各层次的运动挖掘方法进行了探索研究,重点提出了一种基本运动特征挖掘方法以及一种基于运动的模式、事件和知识(Model, Event and Knowledge, MEK)挖掘的方法。论文主要针对运动目标相对较少,场地相对开阔的隔网对打型比赛,比如网球视频、羽毛球视频等类型的视频进行运动挖掘方法研究。对于基本运动特征挖掘方法,在准确提取运动对象的基础上,运用改进的Camshift算法来解决跟踪丢失问题,为后续轨迹的提取,运动对象位置以及运动方向的获得奠定基础。对于基于运动的MEK挖掘,论文主要以具体的视频实例来进行方法研究。论文的主要研究内容及创新点如下:提出了体育视频运动挖掘理论层次及相关技术框架。理论层次主要包含三个部分:基本特征层,模式、事件层以及知识层。在此理论层次下,分别对应了相应的技术路线:基本运动特征提取技术,模式、事件挖掘技术等。理论层次中的各层并不是独立的,低层是可以为高层服务的,但它们又都存在各自的特性,能够单独的用于挖掘信息。研究了一种基本运动特征挖掘方法。在分析体育视频基本运动特征基础上,提出了基本运动特征挖掘的框架,并简要介绍了此框架中各部分功能,以及相应的基本特征提取技术。其中基本特征的提取包括:轨迹的提取,运动对象位置的提取,以及运动方向的提取等。研究了一种基于运动的模式、事件、知识(MEK)挖掘方法。基于运动的模式挖掘是利用修正轨迹的几何特征来进行分析,获得视频中一些初略的结构化信息以及基于统计的运动习惯性问题等。基于运动的事件探测包含了两个方面的内容:SEIT的构建、基于SEIT的事件匹配。基于运动的知识挖掘是运用传统数据挖掘方法,利用其模式来提取出更高级的知识。设计并实现了体育视频运动挖掘平台——SVMMP(Sports Video Motion Mining Platform),对体育视频运动挖掘理论层次和技术框架进行了应用和验证。综上所述,本文提出了体育视频运动挖掘的基本概念、技术框架和理论层次,在经典方法的基础上对部分相关处理技术进行了改进,并通过设计实现体育视频运动挖掘平台,验证了本文的思路。这些研究为视频运动挖掘问题提供了一个新的解决方案,视频运动挖掘技术的不断发展和完善将使其在信息资源的管理和共享以及问题付诸决策等领域发挥越来越大的作用。