在全面建成小康社会的关键时期,振兴和发展足球运动,对于建设体育强国、促进经济社会发展、实现中华民族伟大复兴的中国梦具有重要意义。研究足球视频的智能分析在体育人才培养、赛视转播、辅助教练、辅助裁判等方面有非常广阔的应用前景。论文面向足球视频中的多目标跟踪和群体行为识别任务开展研究,主要研究内容包括:第一,针对足球视频分析数据集缺乏的问题,建立了面向足球视频的多目标跟踪任务数据集MOT-Soccer和群体行为识别任务数据集Soccer Net-Event。前者包括10段视频,包含共计约16万目标位置标注,可以为多目标跟踪研究提供数据支持。后者是由数据集Soccer Net改进得到的,包括3类事件共计734个语义事件视频实例,可以为足球视频语义分析研究提供数据支持。第二,提出了一种基于运动特征的在线多目标跟踪算法。通过分析经典多目标跟踪方法Deep SORT的特点,面向固定镜头视频的多目标跟踪任务,提出了MF-SORT方法。该方法在数据匹配时更加关注目标的运动特征,并且取得了性能与效率的平衡。实验结果表明,提出方法在MOT Challenge和自建数据集MOTSoccer数据集上均取得了跟踪性能的进步。第三,提出了一种融合个体与场景特征的群体行为识别方法。首先利用图像目标的个体特征以及全局场景特征作为多模态信息,然后利用序列模型GRU对这些信息进行有效编码和全局推理。最后,基于注意力机制,从时域角度整合了推断模块的输出信息,完成语义事件识别。不仅在自建数据集Soccer Net-Event中实现了足球语义事件的识别功能,而且在Collective Activity数据集上的对比实验结果也表明,提出方法具备鲁棒的群体行为识别性能。最后,开发了足球视频智能分析应用系统,基于上述两个关键技术研究成果,设计形成了球员跑动距离自动统计系统和足球视频语义事件信息查询系统。前者可以由输入视频估计关键运动员的跑动距离,为运动员技术数据提取提供支持。后者可以通过输入查询指令检索并显示其对应信息,为用户展示足球语义事件的识别结果。完成了针对足球视频智能分析关键技术的功能化应用实现。