网球视频中正反手击球动作的识别

发布时间：2020-06-30 23:52

【摘要】：网球比赛因拥有广大的观众群体和巨大的应用前景受到广泛的关注,分析网球视频的内容已成为视频分析领域内的一个热点。网球比赛中用户最关心的是运动员的击球事件,因此本文以网球视频为研究对象,识别运动员的正反手击球动作。首先,在总结当前运动目标检测算法的基础上,针对现有的背景建模方法无法兼顾实时性、抗干扰性、适应光照、背景更新速度和遮挡等问题,提出了基于码本和运行期均值法的双层背景建模方法,并用它检测运动目标。实验结果表明,相比于其他方法,该背景建模方法计算简单、背景更新快、抗噪声能力强并且能较好的适应光照变化,适用于复杂环境下的运动目标检测。第二,对检测到的运动目标进行形态学处理,并用不同的边缘检测算子提取运动目标轮廓的边缘信息。通过对比实验,分析了Sobel算子,Laplacian算子,Canny算子这三种边缘提取算法的优劣性,最终选择Canny算子提取运动员的边缘特征。第三,运动员2D模型的建立。在获取到运动员轮廓边缘的基础上,基于2D轮廓模型对运动员建模,定位模型中各个部分的位置。最后,正反手击球动作的识别。采用基于音频关键字的技术检测比赛中的击球声,从而定位到挥拍动作序列。对序列中的每帧图像,分析2D模型的姿态判断挥拍方向,在此基础上综合识别整个动作的挥拍类别,最终通过领域知识构建挥拍动作与击球动作之间的对应关系。
【学位授予单位】：内蒙古师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：G845;TP391.41
【图文】：

运动员,检测结果,运动目标检测

图ｔ５运动员检测结果逡逑图２－５展示的分别是原视频的测试顿，ＣＢ、ＲＡ和本文方法的运动员检测结果。逡逑通过观察可Ｗ看到，ＣＢ可检测到前后场运动员，但是由于镜头有轻微运动、码本逡逑背景码字更新慢，前景图像中有场地线和其他噪声的误检，并且检测到的运动员有阴逡逑影，检测效果不理想，说明ＣＢ对镜头运动适应性不是很好，从而导致这些噪声出现逡逑在前景目标当中；采用ＲＡ算法检测到的前景目标噪声少，但是运动员区域有空洞和逡逑残缺，同时也有白色的场地线误检为前景的问题；本文方法的实验结果最好，从图片逡逑中可Ｗ看出，本文算法检测到的前后场运动员完整、噪声少，同时能清楚地检测到前逡逑后场运动员。逡逑有效的运动目标检测算法的评价标准一般包括检测快速、准确，具体在实际应用逡逑中，是能有效解决运动目标检测中背景变化、天气变化、局部和全局光线变化、目标逡逑遮挡、阴影和噪声干扰等问题。目前，运动目标检测算法用在网球视频中的标准对比逡逑实验比较少，为了进一步验证基于码本和运行期均值法的双层背景建模算法的有效逡逑性，本文选取了国际标准测试集中检验运动目标检测算法性能的视频进行测试，测试逡逑

运动目标检测,光照,全局光照

（１）室内场景逡逑室内场景的视频分别是ＡＴＯＮ邋ＤａｔａｓｅｔＰＤ咕的智能屋视频和Ｗａｌｌｆｌｏｗｅｒ邋ＤａｔａｓｅｔＰＵ中的ＬｉｇｈｔＳｗｉｔｃｈ视频，智能屋视频中有反光镜，所当运动目标接近反光镜时，造成光照的局部变化，如图２－６；智能屋视频中人走到桌子后，桌子对人会造成遮挡，逡逑如图２－７；邋Ｌｉｇｈｔ邋Ｓｗｉｔｃｈ场景存在开灯和关灯的行为，关灯后突然开灯会造成光照的变，也即全局光照变化，如图２－８。图２－６，图２－７，图２－８分别是ＣＢ，邋ＲＡ和本文方逡逑法在存在局部光照变化、障碍物遮挡、全局光照变化下的运动目标检测结果。逡逑图２－６、图２－７和图２－８的测试巾贞分别是智能屋视频中的第９９倾、１８５顿和Ｌｉｇｈｔ逡逑Ｓｗｉｔｃｈ中的第１８６５顿，综合这Ｈ种条件下的运动目标检测实验结果可Ｗ看出，ＣＢ逡逑的检测结果中运动目标形状较饱满，但包含很多噪声，对局部光照变化、遮挡，尤其逡逑是全局光照变化的适应能力很差；ＲＡ能较好地适应全局光照变化，但是获得的运动逡逑目标轮廓很稀疏，内部包含有许多空洞。通过对比，本文方法能更好地抑制噪声的影逡逑响，适应局部光照变化和全局光照变化，前景目标分割结果更准确、完整，达到预期逡逑效果。逡逑

【相似文献】