基于hcrf足球视频精彩事件检测方法研究

《基于hcrf足球视频精彩事件检测方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：日期西安电子科技大学关于论文使

2、用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。（保密的论文在解密后遵守此规定）本人签名：日期导师签名：日期摘要摘要足球比赛持续时间长，视频数据量庞大，由于观众感兴趣的精彩事件占据比赛视频的比例较小，

3、足球视频精彩事件自动检测便成为视频语义分析领域研究的热点和难点。目前常用的事件检测方法主要包括两大类：一类是基于机器学习的方法，另一类是基于人工规则的方法。其中，采用基于机器学习的方法检测语义事件，模型构建复杂，对训练样本数据的典型性和充分性要求较高；基于人工规则的方法，规则建立过程比较繁琐，人力耗费较大，且事件检测性能不高。因此，如何构建性能良好的语义事件模型、建立简单有效的语义规则、准确且全面地检测语义事件是目前体育视频检索领域研究的难点。本文针对足球视频精彩事件，提出了两种事件检测方法。（1）

4、基于HMM（HiddenMarkovModel）的足球视频角球事件检测方法。通过分析足球视频角球事件的语义结构，定义并提取了六种多模态语义线索来描述镜头序列，组成观察值向量，作为HMM模型输入，经过模型迭代训练和模型参数不断优化，构建出角球事件的HMM模型，从音/视频两方面深入挖掘了角球事件的内在规律，准确实现了角球事件自动检测。实验表明，该方法检测角球事件性能良好，查全率达到了89.66%，查准率达到了96.30%。（2）基于多模态语义线索和HCRF模型（HiddenConditionalRand

5、omField）的足球视频精彩事件检测方法。通过对精彩事件视频结构语义分析，定义了9种多模态语义线索，准确地描述了精彩事件富含的语义信息；对视频片段进行物理镜头分割，提取镜头关键帧中的多模态语义线索得到特征矢量，将测试视频片段中所有镜头的特征矢量共同构成观察序列；在小规模训练样本的情况下，将观察序列作为HCRF模型的输入，有效建立了精彩事件检测的HCRF模型。实验结果表明，本文多个精彩事件的查全率平均达到95.32%，查准率达到了96.05%，检测性能明显优于对比方法。最后对本文研究内容进行了总结，

6、展望了下一步的研究方向。关键词：视频语义分析事件检测隐条件随机场多模态音视频特征AbstractAbstractThesoccervideolastsforalongdurationandhastheenormousvideodatasteams.Owingtothefactthatwonderfuleventstheaudiencebeinginterestedinoccupyasmallproportionofsoccervideo,wonderfuleventdetectionforsocce

7、rvideoshasbeenthehotanddifficultinthefieldofsportvideosemanticanalysis.Atpresent,thecommoneventdetectionmethodsmainlyincludetwocategories:themachine-learningmethodsandthemethodsbasedonmanualrules.Theformerforsemanticeventdetectionsufferscomplexmodelsan

8、dhigherrequirementsofadequateandtypicalsampledatas.Thelattercostsmuchhumanresourcesinestablishingthesemanticmanualrulesandapoorperformanceofeventdetection.Therefore,howtoconstructsemanticeventmodelswithgoodperformance,establishsimpleand