一种针对羽毛球比赛视频的精彩镜头识别方法技术

本发明专利技术涉及一种针对羽毛球比赛视频中精彩镜头识别的方法，在找出羽毛球比赛视频中所有的全场比赛镜头的前提下，进行羽毛球比赛视频的高级语义分析。在高级语义分析阶段，进行运动员的检测与跟踪，并分析运动员的动作、运动量以及每个回合的比赛时间；在此基础上，判断镜头的精彩度，即以下四个因素的加权平均值：运动量、由运动员轮廓识别的救球次数、由运动员轮廓识别的扣球次数、由角点运动轨迹识别的扣球次数，并选出精彩度最大的几个镜头作为最精彩镜头。

【技术实现步骤摘要】

本专利技术涉及，属于计算机视觉

技术介绍
随着网络技术的发展和光学采集设备的普及，视频的数据量快速增长，如何在视频中比较快的找到感兴趣的内容是一个十分有意义的研究问题。体育比赛视频具有自身的特点，场景变化比较规律，有利于进行分析，所以体育比赛视频分析是视频分析中的热门研究方向。羽毛球是我国的传统优势项目，有着广大的观影人群。现在的羽毛球比赛视频非常之多，如果能将羽毛球比赛视频中最精彩的部分寻找出来，并提供给观众，无疑会提高人们观看羽毛球比赛的便利程度。现有的羽毛球比赛视频中高级语义分析(包含精彩镜头识别)的方法主要有 I)基于运动目标检测的方法。首先检测到比赛视频中的运动目标，进而分析运动目标的动作、运动方向等，从而找出比赛中的精彩部分。在运动目标的动作分析等方面，现在还没有很理想的动作分析方法，准确率不够高，且计算复杂度大。2)基于慢镜头检测的方法。在体育比赛当中，精彩的镜头往往会用慢速播放方式从不同视角重复播放几次。因此，重放场景的检测对于精彩镜头具有重要的提示作用，并且慢镜头和正常的比赛视频之间存在编辑特效，如渐变、徽标等。3)多模态融合的方法。基于单模态特征的方法只利用了视觉、听觉或者文本三者之一的信息来判断和处理视频，没有充分利用其他信息。多模态信息本质上是由文本、音频、视频等多种模态组合而成，综合运用多模态特征才能完整表示多媒体所蕴含的语义信息。采用多模态分析方法的关键是要找出模态之间的相互联系。现有的方法存在一些不足现有的方法一般都是针对所有的视频，而专门针对羽毛球比赛视频的算法很少。羽毛球比赛视频场景变化比较有规律，运动员的人数也比较固定，能结合羽毛球比赛专业知识的分析方法很少。
技术实现思路
本专利技术的目的是提供一种识别羽毛球比赛视频中精彩镜头的方法，该方法在找出羽毛球比赛视频中所有的全场比赛镜头的前提下，进行羽毛球比赛视频的高级语义分析；在高级语义分析阶段，进行运动员的检测与跟踪，并分析运动员的动作、运动量以及每个回合的比赛时间；在此基础上通过综合分析，定义了镜头的精彩度，即以下四个因素的加权平均值运动量、由运动员轮廓识别的救球次数、由运动员轮廓识别的扣球次数、由角点运动轨迹识别的扣球次数；精彩度的值越大，表明镜头越精彩；最后选出精彩度最大的几个镜头作为最精彩镜头；为实现上述目的，本专利技术采用下述的技术方案，其特征在于包括以下步骤步骤一，运动员检测与识别对原始羽毛球比赛视频进行处理，找到其中所有的全场比赛镜头，并进行运动员的检测与跟踪，提取运动员的轮廓；步骤二，运动员轮廓分析将步骤一提取的运动员轮廓用外切矩形框标出，通过判断所述矩形框对角线的斜率来识别可能的运动员扣球镜头与救球镜头，斜率大于一定的阈值判定为扣球镜头，斜率小于一定的阈值判定为救球镜头；步骤三，运动员光流场分析识别步骤一中获得的羽毛球比赛视频中全场比赛镜头视频帧的角点，对所述角点进行追踪，角点的运动轨迹形成一个光流场；步骤四，光流场聚类分析将步骤三中得到的光流场用线段标出，作为运动员的运动轨迹，将这些运动轨迹进行聚类，并计算每一类运动轨迹的平均斜率，若斜率大于一定的阈值，则认为对应视频帧中可能存在精彩的扣球镜头；步骤五，比赛镜头的时间长度分析利用镜头场景的变化来判断比赛回合，通过每一回合的视频帧数和帧率得出每个回合的时间； 步骤六，运动员运动量分析计算步骤二中所述矩形框的中心点，由中心点的运动轨迹获得相邻几帧中运动员的位移量，作为相应的运动量；步骤七，精彩镜头判断利用一个镜头的四个特征来表示该镜头的精彩度，所述四个特征分别是镜头的运动量dl、镜头救球的次数d2、镜头内由运动员轮廓识别的扣球次数d3、镜头内由角点识别的运动员的扣球次数d4，采用公式(I)对镜头的运动量dl进行归一化M=Cl1/frameffidth^lO(I)其中，M表示归一化后的运动量，frameffidth表示视频帧的宽度；利用公式(2)计算镜头的精彩度C= ο jM+ ο 2d2+ σ 3d3+ σ 4d4(2)其中，C表示镜头精彩度，O1, σ2, σ3, σ4表示相应的加权系数，其和为1，根据所得到的镜头精彩度C确定比赛的精彩镜头。本专利技术所提供的识别羽毛球比赛视频中精彩镜头的方法找出了羽毛球比赛视频中的精彩镜头；有关的测试结果表明，本方法找出的镜头大多是争夺比较激烈，扣球救球次数较多的镜头。附图说明图I运动员轮廓的提取示意图。图2提取的运动员矩形轮廓图。图3精彩的救球镜头。图4全场镜头中的角点示意图。图5全场比赛镜头。图6运动员运动轨迹图。图7角点分类示意图。图8由角点运动轨迹的斜率来识别扣球镜头。图9识别的扣球镜头。图10运动员的运动轨迹示意图。图11精彩镜头识别步骤示意图具体实施例方式前已述及，本专利技术在找出羽毛球比赛视频中所有的全场比赛镜头的前提下，进行羽毛球比赛视频的高级语义分析。在高级语义分析阶段，进行运动员的检测与跟踪，并分析运动员的动作、运动量以及每个回合的比赛时间；在此基础上，定义了镜头的精彩度，即以下四个因素的加权平均值运动量、由运动员轮廓识别的救球次数、由运动员轮廓识别的扣球次数、由角点运动轨迹识别的扣球次数。精彩度的值越大，表明镜头越精彩。最后选出精彩度最大的几个镜头作为最精彩镜头。下面说明本专利技术的实现方式。需要注意的是，以下仅是示例性的列举了本专利技术的一种实施方式步骤一运动员的检测与识别。在全局比赛场景中，场地的位置一般是固定不动的，只有运动员在场地运动。为此，若能从镜头中分割出运动员来，对视频的精彩镜头分析是有帮助的。在全局场景中，将运动员看做前景，其他都看作背景。若能将前景分离出来，便识别出了运动员。本专利技术采用背景减除法提取前景，就是用一帧减去前一帧(也可能是后几帧)，然后将足够大的差别标为前景。这种方法常常能够捕捉到运动目标的边缘。由于像素值总会受到噪声和波动的影响，应该忽略很小的差异，标识较大的差别。本专利技术采用背景减除方法，通过两帧之间做差，然后将差值进行二值化，最后进行中值滤波，以消除小的噪声，最后分别出运动员目标，识别出的运动员轮廓如图I所示如果将运动员的轮廓用矩形框标出，结果如图2所示由运动员的矩形轮廓图得到启发，如果能算出轮廓的长宽比，往往能得到一些精彩事件，例如图3所示，当长宽比大于一定数值时，往往是精彩的救球镜头。检测中设定一个阈值，不同的视频此参数可以调节，阈值在I. 5与3. O之间。下面根据长宽比识别救球镜头。首先需要识别矩形框的个数，一般情况下，羽毛球比赛为单打或者双打，由此识别的矩形框的个数为2或者4。但是由于噪声的干扰，摄像机的运动，有时候矩形框框起来的目标不一定是运动员。所以只有当矩形框的个数为2或者4时，此时一般来说是运动员比赛的情形。识别出比赛镜头后，设定长宽比的阈值，实际应用的情形中设定宽度比长度的区间为I. 7到3. O,由此识别精彩的救球镜头。对于视频中的扣球镜头，运动员方框的轮廓也可辅助分析。当矩形框的个数为2或者4 (单打或者双打)时，此时一般来说识别出了所有的运动员。通过设定长宽比的阈值来判断扣球镜头。在识别这类精彩的扣球镜头时，设定长度比宽度的区间为2. 4到4. O,由此来识别可能的扣球镜头。步骤二 运动员的检测与识别。在处理羽毛球比赛视频时，视频中运动的运本文档来自技高网...

【技术保护点】
一种针对羽毛球比赛视频中精彩镜头识别的方法：步骤一，运动员检测与识别：对原始羽毛球比赛视频进行处理，找到其中所有的全场比赛镜头，并进行运动员的检测与跟踪，提取运动员的轮廓；步骤二，运动员轮廓分析：将步骤一提取的运动员轮廓用外切矩形框标出，通过判断所述矩形框对角线的斜率来识别可能的运动员扣球镜头与救球镜头，斜率大于一定的阈值判定为扣球镜头，斜率小于一定的阈值判定为救球镜头；步骤三，运动员光流场分析：识别步骤一中获得的羽毛球比赛视频中全场比赛镜头视频帧的角点，对所述角点进行追踪，角点的运动轨迹形成一个光流场；步骤四，光流场聚类分析：将步骤三中得到的光流场用线段标出，作为运动员的运动轨迹，将这些运动轨迹进行聚类，并计算每一类运动轨迹的平均斜率，若斜率大于一定的阈值，则认为对应视频帧中可能存在精彩的扣球镜头；步骤五，比赛镜头的时间长度分析：利用镜头场景的变化来判断比赛回合，通过每一回合的视频帧数和帧率得出每个回合的时间；步骤六，运动员运动量分析：计算步骤二中所述矩形框的中心点，由中心点的运动轨迹获得相邻几帧中运动员的位移量，作为相应的运动量；步骤七，精彩镜头判断：利用一个镜头的四个特征来表示该镜头的精彩度，所述四个特征分别是：镜头的运动量d1、镜头救球的次数d2、镜 头内由运动员轮廓识别的扣球次数d3、镜头内由角点识别的运动员的扣球次数d4，采用公式（1）对镜头的运动量d1进行归一化：M=d1/frameWidth*10？？？？？？？？？？？？？？？？？？？（1）其中，M表示归一化后的运动量，frameWidth表示视频帧的宽度；利用公式（2）计算镜头的精彩度：C＝σ1M+σ2d2+σ3d3+σ4d4？？？？？？？？？？？？（2）其中，C表示镜头精彩度，σ1,σ2,σ3,σ4表示相应的加权系数，其和为1；最终根据所得到的镜头精彩度C确定比赛的精彩镜头。...

【技术特征摘要】

【专利技术属性】
技术研发人员：李炜，李进，齐翔，钟沛珉，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：