足球视频中运动员的检测与跟踪算法分析-analysis of detection and tracking algorithm for players in football video.docxVIP

河北工业大学硕士学位论文 河北工业大学硕士学位论文 足球视频中运动员的检测与跟踪算法研究 足球视频中运动员的检测与跟踪算法研究 PAGE PAGE 13 PAGE PAGE 10 第一章 绪论 §1-1 课题的研究背景及意义 在现代生活中，体育视频一直深受广大观众的喜爱。随着人们生活质量的改善和科技的进步发展， 体育比赛视频已渐渐不能满足社会各方面的要求。例如，从观众视觉的角度，现在的这种被动的、平面 的观看方式已渐渐不能满足观众的需求，转播方亦需加入各种视觉特效来满足观众对视觉上的要求；从 研究分析的角度，球队教练需要提取出比赛视频中队员的相关数据来协助教练进行战术研究；从商业价 值的角度，转播方及赞助商亦需更加充分地发掘出体育比赛转播中蕴含的商业价值。针对不同的要求， 需要对比赛的视频数据进行有效地处理与分析来满足各方面的要求。在众多的体育比赛中，足球比赛拥 有的观众人数最多，受关注程度也最高。因此，对足球比赛视频中的运动目标，如运动员和足球，进行 检测、提取、定位和跟踪，将有很高的实用价值和现实意义。 运动目标检测和跟踪技术是当前数字图像处理、计算机视觉和人工智能等多学科的主要内容，在人 机交互、视频监控及视频检索等多领域均有广泛的应用前景和重要的研究价值。一般地，视频场景是由 背景和前景目标两部分组成，其中前景目标是视频序列的重要组成部分，是研究的兴趣区域，包含着重 要的信息。因此，如何快速有效地分割出视频中的对象，并对其进行有效地定位与跟踪，是后续的视频 图像分析的基础。 针对体育视频中的运动员进行有效的检测与跟踪具有非常重要理论意义和研究价值，在球员的检测 与跟踪的基础上可以实现体育视频的自动分析，为体育训练与比赛提供战略战术分析。但是在体育视频 中，运动员属非刚性物体，他们的运动是没有规律可循的，身体姿态时刻发生变化，且运动员的队服可 能与场地或者观众席的颜色比较相似，作为一种拼抢的体育运动，运动员之间经常发生相互碰撞和遮挡 情况，等等。体育视频的种种特殊性给球员的检测和跟踪带来了许多困难与挑战。因此，本论文通过对 目前主要的运动目标检测和跟踪技术进行分析研究，针对足球视频中运动员，提出有效的算法以实现足 球视频中运动员的检测和跟踪，并在此基础上进行有效的数据分析，最后通过相应的实验来验证论文算 法的有效性。 §1-2 课题的研究现状 体育视频运动分析在观众需求、学术研究、商业利润等诸多方面的推动下产生了很多有价值的应用， 主要包括运动员和球的检测与跟踪，行为与动作分析，战术统计与策略分析，精彩片断提取，视频摘要 自动生成，虚拟内容插入以及三维场景重建等。 体育视频处理的相关技术，如运动目标检测与跟踪技术，由于摄像机安置情况的不同（固定/移动） 在实现过程中亦有很大不同。目前，根据摄像机的安置情况，对体育视频进行分析可分为两类：一是使 用固定摄像机(摄像机已标定)，二是使用移动摄像机。前者可以针对固定场景进行提取视频，视频提取 情况比较好，但灵活度不够，很难对大场景体育项目中感兴趣区域进行长时间跟踪；后者灵活性强，可 以很好的跟踪感兴趣区域，但每帧拍摄场景范围有限，不能很好的观测全场运动信息。具体分析如下： 1) 单一固定摄像机 在体育视频中，单一摄像机主要用于运动员动作参数的提取。其中比较常用的方法是背景减除法， 通过背景帧与当前帧对应位置像素值的变化来检测运动目标。该方法是固定场景中目前较为成熟的方 法，效果较好。 文献[1]利用单一摄像机，在固定的拍摄区域内对跳水运动员进行跟踪，并对其动作进行识别，该 文以巧妙的方式将运动员的关键动作进行编码(动作组别：1 = forward”, “2 = back”, “3 = reverse”, “4 = inward”,“5 = twisting” and “6 = armstand”；跳水姿势：“A = straight”, “B = pike”, “C = tuck” and “D = free”)，生成运动员“轮廓字典”，通过背景减除法结合 Canny 算子提取运动员的轮廓，并通过查询轮廓 字典，识别其动作类别。其中最为关键的步骤是如何正确提取运动员的轮廓信息。 文献[2]首先选取运动员的特征区域（手，脚踝），通过提取特征并进行跟踪，最终得到运动员的运 动轨迹，并分析运动员在起跳、腾空、落地时手臂和脚踝的动作与跳远结果的关系。该文首先利用颜色 聚类结合最小边界矩形（MSR）方法确定运动员特征区域并提取特征，然后通过帧间特征匹配，实现 运动员的跟踪，生成运动员的运动轨迹。并分析运动员在起跳、腾空、落地时手臂和脚踝的动作与跳远 结果的关系。 针对在单一固定摄像机拍摄的视频中进行运动分析，可总结出其相应的处理模式，如图 1.1 所示。 监督学习， 监督学