足球视频场景分析与三维重建的关键技术研究
【摘要】：
多媒体信息的爆炸式增长要求人们研究开发视频检索技术。近年来,以体育视频内容分析为主要目标的研究已经成为热门领域。这项研究主要为观众提供精彩摘要并以多种形式呈现给用户。虽然经过十余年的努力,这一领域已经取得了长足进步,但当前取得的成绩与人们的期望还有很大距离。
本文针对足球视频场景分析与三维重建中的若干关键技术进行了比较深入的研究,旨在提高它们的鲁棒性和可应用性。文中工作集中在以下三个方面:1)自动的球场检测算法,这项技术是场景分析与三维重建工作中共用的技术;2)运动对象的检测和跟踪,在体育视频中运动对象主要是指球员和球;3)从单视点广播视频中重建三维场景技术。本文的主要创新工作有:
1.本文提出了一种基于本征图像的自动球场颜色检测算法。作为体育视频分析研究中一项关键技术,球场检测严重地受到阴影区域的影响,此算法可以有效地克服这一困难。算法首先自动地在色彩分布直方图中检测主颜色。因具有相似表面反射函数的像素值在正确的本征图像投影方向投影后,它们具有关于某一点对称分布。依据此特性,算法用已检测到的主颜色粗标定本征图像的投影方向。在此方向的指导下,算法根据本征图像的分布来判断第二主颜色是否是球场颜色的。此外,当确定了球场中阴影区域和非阴影区域后,本文提出通过最大化二者本征图像的分布相似度精细标定相机的本征图像的投影方向。实验表明此算法可以比较准确地检测球场颜色,同时精度的本征图像投影方向为在含有阴影区域的目标跟踪提供了一种光照不变的表观特征。
2.本文提出了一种自适应的球场检测算法。针对广播视频流中的数据具有数量大、噪声多、同时来自多部相机的特点,在检测到的球场颜色的基础上,算法采用高斯混合模型对其建模,并且利用增量期望最大算法对模型参数进行在线估计。算法一方面提高了球场检测的效果,另一方面减少训练过程对数据存储的开销。实验表明,由于增量学习方法不断地强化模型的泛化能力,此算法取得了比单纯的直方图方法和一般的高斯混合模型方法更好的结果。
3.本文提出了一种顺序数据关联策略应用于多目标的跟踪。多运动目标跟踪受到对象之间相互遮挡的困扰。因为比赛场地是平面,根据成像规律
【关键词】：体育视频分析 球场检测 多目标跟踪 三维重建 【学位授予单位】：哈尔滨工业大学
【学位级别】：博士
【学位授予年份】：2006
【分类号】：TP391.41
【DOI】：CNKI:CDMD:1.2007.040215
【目录】：
- 摘要4-6
- Abstract6-14
- 第1章 绪论14-31
- 1.1 课题背景及研究意义14-15
- 1.2 体育视频分析与三维重建研究现状及分析15-26
- 1.2.1 系统层面研究16-20
- 1.2.2 体育视频内容分析中的关键技术研究20-26
- 1.2.3 关键技术的性能比较26
- 1.3 存在的问题26-27
- 1.4 本文的主要工作及结构安排27-31
- 1.4.1 论文的主要工作27-28
- 1.4.2 论文的结构安排28-29
- 1.4.3 本文的主要贡献29-31
- 第2章 场地检测及场景分类31-54
- 2.1 引言31-32
- 2.2 球场颜色的自动检测32-40
- 2.2.1 主颜色检测32-34
- 2.2.2 本征图像34-37
- 2.2.3 对含有阴影球场的处理37-40
- 2.3 基于自适应高斯混合模型的球场检测40-45
- 2.3.1 系统框架41
- 2.3.2 模型参数的自适应调整41-44
- 2.3.3 增量训练数据的选择44
- 2.3.4 对参数漂移的处理44-45
- 2.4 基于球场检测的足球视频场景分类45-48
- 2.4.1 球场内和球场外的判别46
- 2.4.2 球场内场景的分类46-48
- 2.5 实验及结果分析48-52
- 2.5.1 阴影检测结果50
- 2.5.2 自适应高斯混合模型的检测结果50-51
- 2.5.3 足球视频场景分类实验51-52
- 2.6 结论及今后工作52-54
- 第3章 运动对象检测和跟踪54-79
- 3.1 引言54
- 3.2 运动目标检测54-63
- 3.2.1 球员的检测55-59
- 3.2.2 球检测59-63
- 3.3 目标跟踪63-70
- 3.3.1 跟踪的目的和问题63-64
- 3.3.2 基于Kalman滤波跟踪64
- 3.3.3 单目标跟踪64-65
- 3.3.4 多目标跟踪65-70
- 3.4 系统框架70
- 3.5 实验结果与分析70-75
- 3.5.1 球员检测实验结果71
- 3.5.2 球的检测与跟踪71-74
- 3.5.3 球员跟踪结果74-75
- 3.6 小结75-79
- 第4章 三维场景恢复79-112
- 4.1 引言79-81
- 4.2 相机模型81-83
- 4.3 球员位置与Homography变换83-91
- 4.3.1 Homography变换83-85
- 4.3.2 序列中任意帧的Homography计算85-91
- 4.3.3 球员的位置计算91
- 4.4 球的三维位置估计91-98
- 4.4.1 球的位置估计理论分析91-95
- 4.4.2 算法讨论95
- 4.4.3 虚影计算95-96
- 4.4.4 相机的位置估计96
- 4.4.5 飞行平面的确定96-98
- 4.5 全局运动估计98-100
- 4.5.1 基于LKT的全局运动估计98-100
- 4.5.2 改进建议100
- 4.6 实验结果及分析100-111
- 4.6.1 球员位置及相机覆盖场地范围100-102
- 4.6.2 合成数据实验102-106
- 4.6.3 实际视频数据上球的三维位置估计106-111
- 4.7 小结及未来工作111-112
- 第5章 足球视频精彩事件检测与重建原型系统112-120
- 5.1 引言112-113
- 5.2 事件检测系统113-117
- 5.2.1 镜头检测114-115
- 5.2.2 球场分割115
- 5.2.3 场景分类115
- 5.2.4 镜头描述子115-116
- 5.2.5 实验结果及分析116-117
- 5.3 精彩场景动画生成原型系统117-119
- 5.3.1 球场模型建立117-118
- 5.3.2 球及球员的处理118
- 5.3.3 多视角操作118-119
- 5.4 小结及今后工作119-120
- 结论120-123
- 参考文献123-134
- 攻读学位期间发表的学术论文134-139
- 致谢139-140
- 个人简历140
全文下载：
CAJ格式
不支持迅雷等加速下载工具，请取消加速工具后下载
|
|
|
|
| 1 |
张龙飞;张明杰;曹元大;张仰森;;足球比赛视频中场地及运动员检测[A];NCIRCS2004第一届全国信息检索与内容安全学术会议论文集[C];2004年 |
|
