体育视频是大众喜爱的视频分类之一,它蕴含着丰富的视频内容分析领域的智能信息处理课题。足球视频作为体育视频的典型内容,对其分析和研究,尤其是提取高级语义信息具有重要的应用价值。目前的视频处理研究主要关注足球视频的事件检索、镜头分类以及运动目标检测等方面的问题,而在球队评价、场景语义分析、辅助判别以及战术分析等方面的工作尚不完善,而且往往忽略事件的发展线索或者引发过程。本学位论文利用数字图像处理、模式分类、计算机视觉等领域的理论和方法对足球比赛视频中存在的交互行为进行分析和研究,通过场景分析、目标检测、目标识别、目标分类、目标跟踪、轨迹分割以及策略分析,研究了足球比赛视频语义理解的关键问题,为实现从一般比赛场景去理解和分析比赛进行了有益的探索。首先,根据球员分割结果,提出了一种基于有向图的球员分类算法。该算法从场景分析结果中提取检测球员,在HSV颜色空间模型下,采用矩形分块策略分割图形,并统计直方图形成特征向量,再根据特征向量之间相似矩阵生成有向图,然后利用有向图顶点的聚类实现球员的分类,实现了球员队属的自动判别。其次,提出了一种基于防守程度的球队进攻目的语义判别方法。通过考虑球员的位置信息和球员人数特点,统计在规定域范围的球员数目,然后结合球员的位置计算平均位置,给出两者在防守上的影响因子,最后计算双方的防守程度,并根据防守程度,判断双方球队的进攻方向。最后,根据足球视频特征分析的结果,提出了一种基于目标真实轨迹的进攻策略分析方法,实现了足球比赛场景中球员进攻策略的分析。为此,先给出提取目标真实轨迹的方法,然后提出了一种基于转角差的轨迹分割方法,进而分析球员与球的交互行为。最后通过分析足球的状态和足球的位置关系定义了8种典型的进攻模式,并给出了模式判别的方法。实验结果表明,本文提出的算法能够很好地解决视频分析各阶段的问题,能够有效地分析视频中存在的交互行为,并从足球领域的角度实现进攻策略的分析,取得了有益于计算机视觉的应用研究和足球视频科学分析的成果。