在计算机视觉领域中,足球事件检测是一个有意义的研究课题。本文提出的算法具有实用价值,可以用于后期的视频片段检索、视频摘要的实时记录和智能手机端视频的实时转码,甚至能有助于更好地理解人们在其他场景下的行为。本文主要研究足球视频中12类事件的自动检测算法,其中重点关注跨时间(基于周期的)事件和具有层级关联事件的检测,此外,还解决了遮挡、足球检测和跟踪等基本问题。所检测的12类事件包括:开球、直接任意球、进攻、渗透、区域防守、层次防守、攻击、压迫、盘带、躲避、跑位和进球。研究采用的算法包括了视觉特征提取和用于分割帧的场景分类,此有助于减小帧的处理量。在此分类阶段,算法最大限度地利用了球场方位信息,并使用了隐马尔可夫模型。考虑到球员和球体大小的不同,我们使用协同算法对球员进行跟踪,而集成了卡尔曼滤波跟踪、特征跟踪和位置预测跟踪来对球体进行跟踪。最后,依据跟踪阶段获得的球员和球体的运动速度、距离和方向信息对事件进行检测和分类。本文提出的算法在41个涵盖全场比赛和一些精彩片段的视频中进行了测试,可以有效检测出上述12类事件。此外,如果对算法进行扩展,还可以检测到更多的类似事件。