排球视频中的运动目标检测与跟踪

论文摘要

体育视频因其特有的魅力受到广大观众欢迎,因此,对比赛视频数据进行分析研究,具有较高的研究价值和应用价值。本文以固定摄像机采集的排球比赛视频为例,研究排球视频序列中的运动目标,完成排球和球员的检测、预测跟踪以及轨迹描绘。图像预处理方面,本文对视频序列进行了图像去噪、图像增强及数学形态学变化等操作。通过这些操作,改善视频序列中图像的质量,使图像中的运动目标更易于识别,提高视频中运动目标检测的准确率。在兼顾检测质量和实时性的前提下,改进了中值滤波算法。运动目标检测方面,本文采用自适应高斯混合模型为视频序列建立背景模型,并结合背景减差法从视频图像中提取运动区域。为了适应背景图像中动态变化,采用OTSU阈值选择算法;为了加快模型更新速率,采用期望充分统计与L-临近窗口相结合的方法改进模型更新方式。运动目标跟踪方面,本文通过图像分割获得运动目标的团块信息,包括团块ID号及团块位置信息,然后利用形心跟踪算法和Kalman滤波方法相结合的方式实现球员的多目标跟踪以及排球的单目标跟踪。在跟踪过程中,引入Kalman预估器,可以更为精确地判断球员及排球的运动信息,以提高算法的跟踪效率及准确率。在运动目标跟踪的基础上,本文通过轨迹生成模块描绘球员的运动轨迹,保存运动信息;基于双目视觉测量原理,采用同一时刻不同角度拍摄的两幅图像重建物点三维空间信息,使用轨迹拟合生成排球在三维空间中的运动轨迹。结合排球视频中运动目标的信息,论文从理论研究和实验验证两方面对运动目标检测和跟踪技术进行了比较深入的研究,取得了相应的研究成果。实验表明,课题采用的检测及跟踪算法其准确率达到92%以上,使算法在保证准确度的同时满足系统实时性及稳定性的要求,为后续的视频分析打下了良好的基础。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 课题的研究背景及意义
• §1-2 国内外研究现状
• 1-2-1 目标检测研究现状
• 1-2-2 目标跟踪研究现状
• 1-2-3 体育辅助软件研究现状
• §1-3 课题的主要研究内容
• §1-4 论文的结构安排
• 第二章 视频图像的预处理
• §2-1 常用的预处理方法
• §2-2 本文预处理方法
• 2-2-1 图像灰度化
• 2-2-2 图像去噪
• 2-2-3 图像二值化
• 2-2-4 数学形态学滤波
• §2-3 本章内容小结
• 第三章 排球视频中的目标检测
• §3-1 传统检测方法综述
• 3-1-1 光流法（Optical Flow）
• 3-1-2 帧差法（Frame Subtraction）
• 3-1-3 背景差法（Background Subtraction）
• §3-2 本文运动目标检测算法
• 3-2-1 GMM建立背景模型
• 3-2-2 背景更新准则
• 3-2-3 OTSU阈值选择
• 3-2-4 连通区域分析
• §3-3 实验结果及分析
• 3-3-1 运动目标检测
• 3-3-2 质量评价
• §3-4 本章内容小结
• 第四章 基于团块的运动目标跟踪
• §4-1 传统跟踪算法综述
• 4-1-1 基于模型的跟踪
• 4-1-2 基于轮廓的跟踪
• 4-1-3 基于区域的跟踪
• 4-1-4 基于特征的跟踪
• §4-2 本文运动目标跟踪算法
• 4-2-1 运动目标特征
• 4-2-2 Kalman滤波器介绍
• 4-2-3 形心跟踪和Kalman滤波结合的团块跟踪算法
• §4-3 实验结果及分析
• §4-4 本章内容小结
• 第五章 运动目标轨迹生成和分析
• §5-1 球员轨迹生成
• 5-1-1 轨迹生成模块
• 5-1-2 球员轨迹描绘
• §5-2 排球轨迹生成
• 5-2-1 像机模型
• 5-2-2 空间点坐标重建
• 5-2-3 排球空间轨迹描绘
• §5-3 轨迹分析
• §5-4 本章内容小结
• 第六章 系统框架与实验设计
• §6-1 开发环境
• §6-2 系统框架
• §6-3 实验设计
• 第七章 总结与展望
• §7-1 工作总结
• §7-2 展望
• 参考文献
• 致谢