面向篮球比赛的视频摘要技术研究

摘要

视频摘要技术一直以来都是多媒体领域的研究热点，也取得了大量的研究成果。由于篮球比赛视频内容的特殊性，传统的视频摘要技术无法有效地提取其关键信息。面向篮球的视频摘要技术需要结合领域知识，提取出视频中的精彩片段合成缩略视频，具有较高的实用价值和广泛的应用场景。
　　本文回顾了篮球视频摘要技术的研究进展，总结目前存在的问题主要有:精彩镜头提取准确率不高、通用性较差、缺乏有效的精彩镜头排序模型等问题。针对这些存在的问题，结合实际应用场景，本文提出了改进的方法。
　　本文提出了一种高效的得分板检测算法，然后采用机器分类的方法对得分板上的数字进行识别，通过比分变化检测得分事件。同时，使用镜头分割的方法找到得分事件的边界，提取出所有的得分镜头合成摘要。
　　本文提出了一种全新的精彩镜头排序模型。对于提取出来的得分镜头，提取得分特征（进攻时间、绝杀、加罚等）和音频特征（短时能量、过零率）来描述其精彩程度，通过学习排序的方法对得分镜头进行排序，将排名前五的得分镜头摘要成五佳球视频集锦。
　　基于上述提出的技术方法，本文实现了篮球视频摘要系统。对于输入的比赛视频，我们摘要出得分镜头集锦和五佳球集锦两个缩略视频。通过实验，得分镜头提取得到超过93％的准确率和查全率。精彩镜头的排序也得到较合理的结果。实验证明，本文提出的算法是可行并且有效的，同时可以扩展到其他比分驱动的体育视频摘要领域。

目录

声明

摘要

图目录

表目录

第1章 绪论

1．1 课题背景与研究意义

1．2 国内外研究现状

1．3 本文工作与贡献

1．4 论文结构

1．5 本章小结

第2章 视频摘要相关技术

2．1 视频摘要基本描述

2．1．1 视频数据的语义结构

2．1．2 视频摘要的基本过程

2．2 体育视频摘要综述

2．3 相关技术

2．3．1 镜头分割

2．3．2 关键帧提取

2．3．3 语音识别

2．4 本章小结

第3章 问题描述和算法流程

3．1 篮球视频摘要定义

3．2 本文摘要算法流程

3．3 本章小结

第4章 得分镜头检测

4．1 算法流程

4．2 一种新的得分板检测方法

4．3 数字识别

4．3．1 数字分割

4．3．2 分类器选择

4．4 镜头边界检测

4．5 镜头截取

4．6 本章小结

第5章 精彩镜头排序模型

5．1 精彩镜头描述

5．2 视频特征提取

5．3 音频特征提取

5．3．1 音频特征简介

5．3．2 短时能量

5．3．3 短时过零率

5．3．4 欢呼声度量方法

5．4 学习排序模型

5．5 本章小结

第6章 实验结果及分析

6．1 实验配置

6．1．1 运行环境

6．1．2 数据集描述

6．2 实验结果与分析

6．2．1 得分板检测结果

6．2．2 关键帧提取结果

6．2．3 得分镜头截取结果

6．2．4 精彩镜头排序结果

6．3 本章小结

第7章 总结与展望

7．1 本文主要工作和贡献

7．2 未来研究工作展望

参考文献

致谢