基于视频的足球场上球员运动轨迹提取文献综述

 2022-10-27 10:39:55
  1. 文献综述(或调研报告):

体育节目因为其特有的魅力,在现今的社会中广受大众的欢迎。对体育比赛视频数据的分析研究,具有很高的实际意义和商业价值。列如球队教练通过提取球员的运动轨迹,能快速地发现本队球员的不足和对方球员的弱点,做出更好的针对性训练;观众们对比赛转播中的特效要求也原来越高,通过对球员运动轨迹的提取,可以更好的满足观众的需要。所以对于足球运动员轨迹的提取是很有研究价值和商业用途的。

通过对文献的研究,我发现目前关于检测和提取目标运动轨迹这方面的研究国内外都有很成熟的算法及实际应用。同样关于这些算法的改进及优化和对一些棘手的问题(如目标重叠)的解决也在不断更新完善中。

目前大部分对运动员运动轨迹的检测和提取主要基于视频基本特征和视频运动特征这两大类方法:由于视频包括颜色、纹理和一些底层的、简单的形状特征,这些特征具有计算简单,性能稳定的特点,所以基于视频特征的分析非常多,如在文献[1]、[2]中,都基于对颜色的提取,通过颜色的分割信息得到结论。在文献[1]中通过分析足球和篮球比赛画面中各个颜色分量的直方图,得到domain color,即为球场颜色的分布,然后在后续未知画面中,根据判断球场是否在镜头中出现和在镜头中出现的比例, 进一步把比赛画面分成远景镜头、场地内的近景镜头、球员特写镜头和观众看台镜头四大类。利用对比赛画面镜头的分类,作者又提出了足球比赛中进球事件的检测方法以及将篮球比赛分割成暂停和比赛两个片断的方法。在文献[2]中列出了一种对斯诺克比赛中进球的检测方法。共分为三步:1.运用阈值分割的方法分割出击球手在球台上的部分;2.将这一部分的颜色替换成台球桌面的颜色;3.通过对颜色信息的分析,分割出球和球袋,通过对进入到球袋附近区域的球的跟踪分析,既当出现球在靠近球袋时消失的情况,则认为该球入袋。但是针对文献[1]中的露天场地,如足球场,由于每天不同的时刻,和天气状况的不同(如下雨下雪天),会导致在镜头中的球场颜色发生很大的变化,关于这个问题的解决办法,在文献[3]中得到了解释:首先假设存在一个指示足球场的单一主色。 HSI(色调饱和度 - 强度)空间中的这种主色的统计数据由系统在启动时学习,然后自动更新以适应时间变化。主色场景的颜色由每个像素的平均值颜色分量决定,通过从一个或多个帧中计算涉及确定每个直方图的峰值指数ipeak,计算每个颜色分量的检测间隔中的平均颜色,自动更新颜色统计。

由于视频特征的局限性,很多文章提出了可以借用对音频的分析来得到更精确的结果,如在文献[4]中,作者展示了一个名为soccerman的系统,该系统通过颜色信息对足球比赛中的球员和场地进行检测,以此为基础,重构出足球比赛的3D场景。然后通过基于视频基本特征和辅助信息相结合的方法,用赛场的语音和视频图像的标题文本作为辅助信息,进行分析。又如在文献[5]中,作者提出了一种综合利用视觉特征和音频特征来检测足球比赛中的进球事件的方法。在视觉特征方面,作者提出使用像素级的比较、直方图的比较、分割后的图的比较和目标跟踪来检测两个镜头间的边界。音频分析方面,通过对比赛中解说员和现场观众声音进行分析,考虑的特征为声音的音量、能量(由在特定的时间窗口内声音波形的平均振幅决定大小)和频率。由于进球事件发生时,镜头的内容及切换、音频的变化均具有一定的规律性,作者通过对这些规律进行验证,实现进球事件的检测。

而在基于视频运动特征进行分析的文献也有不少,主要通过对体育比赛视频中的全局运动特征或者摄像机运动参数来进行分析。 文献[6]中通过分析视频对象的运动轨迹和相互运动关系来分割足球比赛;文 献[7]利用了摄像机的运动参数来检测足球比赛的进程。

目前来讲,体育视频分析与其他视频分析技术比较而言,还存在很多问题。产生这些困难的原因多种多样,如在前文中讲过的不同时间不同天气状况,不同场地所导致的场地颜色的变化。下面针对这些困难,看看国内外的一些解决方法和措施。

困难:由于对运动员轨迹的提取主要是通过对摄像机所记录的视频来分析,球员之间的相似性,球员的快速及持久的移动以及球员之间因为争球而产生身体接触,产生目标重叠等等元素都使得基于原始的人脸识别和行人检测算法有很大的不适应性。

一些解决办法:在文献[8]中针对美式足球场,巧妙利用美式足球场中的码线等特征协助计算,利用closed world的概念解决球员被遮挡时的跟踪问题;在文献[9]中提出了可以通过R、G、B颜色分量来进行信息分割,通过颜色垂直分布法来判定球员所属球队,基于球员遮挡问题,则通过Kalman滤波与模板匹配结合的方法进行对球员的跟踪。在文献[10]中,将粒子滤波与基于投票的目标检测置信图相结合,提出了一种运动员跟踪方法。总体来说,这些方法的稳定性较差,一旦人数较多,或者出现多人遮挡的情况,结果就会变得很差。

总而言之,针对足球视频检测和提取运动员轨迹的相应研究还是有很多不足之处,特别是针对场地的多样性,主色变化的随时性,及镜头的高速移动,镜头的多样性(长镜头、短镜头、特写镜头、观众镜头)等因素所造成的算法通用性过差,是很需要解决的地方。

References

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文文献综述,课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。