排球赛视频中球场检测算法设计及实现开题报告

 2020-02-10 10:02
1.目的及意义(含国内外的研究现状分析)

1.1 题目

排球比赛视频球场检测算法设计及实现

1.2 背景及意义

近年来,排球比赛视频因其巨大的商业价值成为多媒体领域的研究热点。排球比赛视频分析的方向很多,主要包括视频底层特征提取、中层特征构造以及高级语义分析等。随着相关技术的成熟,越来越多的研究者把精力放到高层语义分析上,包括精彩镜头提取、球和球员的检测与追踪、语义事件检测与标注、战术分析等。

而比赛视频球场检测对视频高层语义分析有重要作用。在排球比赛视频中,几乎所有重要事件都发生在球场上,因此检测出球场区域可以降低语义分析难度,同时提高语义分析准确性。现有排球视频球场检测主要利用颜色特征,有很大提升空间。球场区域分割方法也有待改进。

1.3 国内外研究现状

国内外针对体育视频球场检测的研究开展较为广泛,目前大部分球场检测技术都假设球场区域颜色为视频主色,使用统计分类方法估计球场主色分布,包括参数方法和非参数方法。大多数非参数方法利用直方图统计来粗略估计球场色分布。基于直方图的主色提取方法区别在于选择何种颜色空间建立颜色直方图以及如何利用建立好的颜色直方图判定一个像素是否属于球场主色。Ekin 等[1]选择 HSV颜色空间,分别统计图像在 H、S和V分量上的颜色直方图,得到每一个直方图的最大 bin,由三个最大bin的平均值得到主色定(H,S ,V )。基于圆柱距离(Cylindrical Metric)计算像素与主色之间距离,如果小于设定阈值,则认为此像素为主色。王志芳等[2]也选择HSV 颜色空间,统计图像在H分量上的直方图,得到最大bin 所对应的 H 分量值 Hmax , 对于图像中每一个像素,考察它的4邻域区域,如果此领域内所有像素在H分量上的平均值Hmean与Hmax的差值小于设定阈值,则认为此像素是球场像素。Ding 等[3] 选择 CbCr 颜色空间,统计图像在 CbCr 颜色空间上的二维直方图,从直方图中寻找最大联通区域,把此区域做为球场主色区域。落在此区域里的像素被识别为主色。 利用直方图统计建立球场的非参数估计模型。这类方法有明显缺点,因为不同球场有不同的颜色。

您需要先支付 5元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找,微信号:bysjorg 、QQ号:3236353895;