基于混合算法的体育视频运动目标检测与跟踪技术研究

论文摘要

随着体育竞技水平的提高,体育训练的要求也不断提高,过去仅仅凭借着教练员的直觉训练的方式已经满足不了阶段的体育竞技训练的需求,为了适应这种现状,计算机视觉技术越来越多地被引用到体育训练中,因为机器视觉比人眼有更好的准确性和记忆性,能够快速高效地捕捉运动目标,并且能够记录目标的各种运动数据,为运动员的动作提供更理论化、数据化的描述。本文针对体育运动视频的特点,提出了基于均值移位算法（Mean-shift）与彩色直方图算法的混合非刚性目标跟踪方法。均值移位算法（Mean shift）是一种基于非参数的核密度估计理论,是利用梯度法迭代计算概率密度函数的极值点的方法,该算法具有无参数、快速模式匹配的特点。再结合彩色直方图算法不仅能够对目标的位置进行有效的跟踪估计,同时对目标的形状也能很好地进行描绘,解决了体育运动视频中非刚性目标形状复杂不易跟踪的问题为了检验算法的有效性,本文在MATLAB平台上构建了一个体育运动视频检测与跟踪系统,测试结果表明,所采用的方法并没有出现跟踪丢失现象,能达到预期的效果。

论文目录

• 中文摘要
• Abstract
• 第一章 绪论
• 1.1 选题的依据和意义
• 1.2 国内外研究现状
• 1.3 论文各部分主要内容
• 第二章 目标检测方法综述
• 2.1 图像预处理方法
• 2.1.1 灰度化处理
• 2.1.2 图像增强
• 2.1.3 滤波处理
• 2.1.4 数学形态学处理
• 2.2 常用的运动目标检测方法
• 2.2.1 帧差分法
• 2.2.2 背景消减法
• 2.2.3 基于统计的方法
• 2.2.4 光流法
• 第三章 跟踪算法概述
• 3.1 运动目标跟踪应用场合
• 3.2 运动目标跟踪常见问题
• 3.3 常用的运动目标跟踪方法
• 3.3.1 基于区域的跟踪
• 3.3.2 基于模型的跟踪
• 3.3.3 基于变形模型的跟踪
• 3.3.4 基于特征的跟踪
• 3.4 跟踪过程中常用的运动特征
• 3.4.1 纹理特征
• 3.4.2 光流特征
• 3.4.3 轮廓和边缘
• 3.4.4 颜色特征
• 3.5 KALMAN滤波
• 3.5.1 kalman滤波原理
• 3.5.2 kalman滤波跟踪算法
• 第四章 混合跟踪算法
• 4.1 混合跟踪算法的提出
• 4.2 均值移位跟踪算法
• 4.3 彩色直方图跟踪算法
• 4.4 混合跟踪算法
• 4.5 跟踪定位的实现
• 第五章 结论与展望
• 参考文献
• 攻读学位期间本人出版或公开发表的论著、论文
• 致谢