体育运动视频合成对比

论文摘要

运动科技是提高体育竞技水平的重要手段。将数字视频技术引入体育训练中,用以提高体育训练的科学性与效率,是一项新兴的研究内容。由于该研究涉及到视频对象的提取,视频内容的理解等内容,同时由于体育运动视频具有场景复杂,内容变化大等特点,使得研究内容具有相当的难度。 本文针对体育运动视频这一特定对象,进行了基于运动员运动人体的视频合成技术研究。首先针对体育视频中全局运动变化剧烈的特点,改进了已有的全局、运动估计算法;在此基础上,运用全局运动补偿,比较准确地获取了视频中存在的运动员人体运动信息;最后利用获取的运动员人体运动信息实现了对两段体育视频的合成,并保持了两段视频中运动员动作的清晰度。 本文的主要研究成果如下: 1.针对体育运动视频的特点,改进了全局运动估计中迭代初始值的选取方法,避免使迭代陷入不正确的局部极小值。同时改进了全局运动估计中的外点过滤方法,采用Otsu阈值选取方法,以提高迭代的收敛速度,在保持算法准确性的前提下提高运动估计算法的速度。 2.提出一种针对背景相似视频,采用连续帧差获取视频帧中的运动区域信息,依据该信息对视频帧进行ALPHA融合的方法,以达到在合成视频中消除运动目标上边界,同时保持运动员动作清晰度的效果。 3.在体育运动视频辅助训练系统中,结合运动队训练要求,运用研究成果,实现了运动员动作视频的合成。 体育视频中的全局运动和复杂的背景给清晰合成运动员动作带来了相当大的难度,同时其中涉及到的研究内容对于一般性的视频内容分析,视频对象提取等课题也具有重要的意义。在提高全局运动估计算法的精确性,鲁棒性,降低算法复杂性;提取运动区域信息,进而准确分割出运动目标等方面都还有继续进行研究的必要,这些仍旧是引人入胜的研究领域。

论文目录

• 第一章 绪论
• 1.1 论文的研究背景及意义
• 1.1.1 研究背景概述
• 1.1.2 课题的目的和意义
• 1.2 国内外研究现状
• 1.2.1 基于视频的训练辅助系统
• 1.2.2 相关关键技术研究现状
• 1.2.2.1 全局运动估计
• 1.2.2.2 运动区域信息提取
• 1.2.2.3 视频合成
• 1.3 相关技术中的主要问题
• 1.4 论文的主要工作
• 1.5 论文的组织结构
• 第二章 全局运动估计算法
• 2.1 全局运动估计算法原理
• 2.2 参数估计迭代初值的准确选取
• 2.3 基于Otsu阈值选取方法的外点滤除
• 2.3.1 Otsu阈值选取方法简介
• 2.3.2 外点滤除阈值的选取
• 2.4 小结
• 第三章 动态场景运动区域信息提取
• 3.1 运动区域信息提取简介
• 3.2 基于动态背景构造的运动对象提取
• 3.2.1 当前帧动态背景构造
• 3.2.2 当前帧运动区域信息提取
• 3.3 动态场景视频运动区域信息提取
• 3.3.1 全局运动补偿
• 3.3.2 连续帧差的计算
• 3.3.3 运动区域信息提取
• 3.4 小结
• 第四章 基于运动区域信息的视频合成
• 4.1 现有的视频合成技术简介
• 4.2 具有相似背景的视频合成
• 4.2.1 视频段中运动区域信息的获取
• 4.2.2 视频段之间的背景配准
• 4.2.3 基于运动区域信息的视频合成
• 4.3 背景相异的视频合成
• 4.3.1 视频中运动对象的分割
• 4.3.2 基于运动对象的视频合成
• 4.4 小结
• 第五章 相关研究内容在体育运动视频分析软件中的应用
• 5.1 体育运动视频分析软件简介
• 5.2 相关研究内容在视频软件中的应用
• 5.2.1 相似背景的运动员动作视频合成对比
• 5.2.2 相异背景的运动员动作视频合成对比
• 5.3 小结
• 第六章 结束语
• 6.1 论文总结
• 6.2 进一步的工作
• 6.2.1 提高全局运动估计算法速度和鲁棒性
• 6.2.2 提高视频对象分割的速度和鲁棒性
• 6.2.3 更清晰的视频合成效果
• 参考文献
• 致谢
• 附录