足球視頻中運動員的檢測與跟蹤算法研究.pdf

1、針對現(xiàn)有的運動目標檢測與跟蹤方法在動態(tài)場景中效果不佳的情況，以足球視頻中運動員的檢測與跟蹤為研究對象，論文在現(xiàn)有算法理論的基礎(chǔ)上，改進了相關(guān)算法實現(xiàn)對球員的檢測與跟蹤。課題的研究在數(shù)字圖像處理技術(shù)和計算機視覺領(lǐng)域都有著重要的意義。
　　 對于球員的檢測，論文采用基于高斯混合模型背景建模的球員檢測算法。在背景模型初始化前，提出了一種區(qū)域補償構(gòu)建固定背景的方法，并將此時的背景模型作為高斯模型的初始化參數(shù)；在模型更新中，通過相鄰兩幀差

2、分處理操作區(qū)分出圖像中變化區(qū)域和未變化區(qū)域，對不同區(qū)域賦予不同更新率加入到背景幀，更快的實現(xiàn)背景重建。在球員檢測的過程中針對球員間的遮擋問題提出了有效的解決方案。在不同視頻序列中，算法的檢測準確率平均達到90[％]以上，滿足算法的準確度要求。
　　 在球員檢測的基礎(chǔ)上，通過Bhattacharyya系數(shù)衡量球員模板和球員候選區(qū)之間的顏色相似度實現(xiàn)了球員的隊屬辨別，并在此基礎(chǔ)上實現(xiàn)了特定球隊的隊型顯示功能。
　　 對于球員

3、的跟蹤，論文采用基于CamShift算法結(jié)合卡爾曼濾波的組合算法實現(xiàn)特定球員的跟蹤問題。該算法首先通過手動交互的方式生成球員的目標模板，利用顏色反投影技術(shù)實現(xiàn)特定球員的跟蹤。在實現(xiàn)過程中引入卡爾曼預估器更為精確的判斷球員的運動信息，以提高算法的跟蹤效率。在球員跟蹤的基礎(chǔ)上，結(jié)合Homography變換技術(shù)實現(xiàn)了球員的3D軌跡描述。通過實驗驗證了文中算法較常用跟蹤算法更具智能化。
　　 結(jié)合足球視頻中運動員信息，論文從理論分析和實