[发明专利]一种基于场地标识线轮廓匹配的体育视频分类方法

说明书

本发明的基于场地标识线轮廓匹配的体育视频分类方法，包括模板处理过程和待分类视频处理过程；其模板处理过程主要包括步骤M1、统计同类体育视频，提取视频中主要的镜头视角画面作为样本模板，所述主要的镜头视角画面为视频中时间比例不低于20％且赛场所占画面比例不低于60％的画面；M2、截取样本模板中场地画面作为比赛场地模板集等。有益效果在于，通过提取各类比赛中最主要的镜头视角作为样本模板。使用边缘特征来描述体育赛场，有效保存了差异特征；模板库的组织采用各类体育视频出现最高频视角的场地边缘轮廓图像作为模版集，大大减少模板的数量；不仅保留了场地标线的全局轮廓信息，也顾及到划分后的场地局部标线轮廓信息。

技术领域

本发明属于计算机视频处理技术领域，涉及体育视频的计算机处理并自动分类技术，具体涉及一种基于场地标识线轮廓匹配实现体育视频识别和分类的方法。

背景技术

随着人们文化生活品质的提高，越来越多的人开始关注并参与到体育活动中，体育项目类别也愈加丰富。每天会产生海量的体育视频，其中有大量的视频录制时并没有被标记是何种体育视频，比如对一个未标记的视频资源，视频持有者在打开观看之前，无法辨别该视频是属于足球、篮球、网球、棒球或者其他比赛的哪一种类，视频资源数较少时，靠人工分类尚且费时费力，当视频资源积聚到人工处理困难时，我们必须借助机器学习的方法，完成体育视频分类这一工作。所以体育视频分类技术对于海量视频资产的分类管理具有重要意义。

体育视频由于其实时性强，在保证基本的分类准确率基础之上，对于分类的速度要求也较高，这就不仅要求分类算法本身要简单有效，而且特征计算也应简单快速，不允许存在过多的大量复杂的特征提取过程，

现有的体育视频的自动分类的方法，大致上采取基于统计学习的分类方法，具有一定的准确性。支持向量机(Support Vector Machine，SVM)分类器训练阶段，将一种体育视频中的中景镜头作为其正样本，其余所有的其它类别的体育视频的中景镜头作为负样本进行训练，训练得到SVM分类器或者SVM分类器组合。

与本发明相关的现有技术：北京邮电大学董远等人的名称为《基于主场景镜头关键帧的体育视频分类方法》的发明专利申请公开说明书，公开号为CN101604325B，公开日为2012年6月20日。

该方法基于统计学习，使用了支持向量机SVM。在SVM分类器训练阶段，将一种体育视频的中景镜头作为其正样本，其余所有的其他类别的体育视频的中景镜头作为负样本进行训练，采用72维的HSV颜色特征，同时采用场地占空比的特征，选取帧中的主颜色，提取该颜色分布最大的连通域作为场地，然后计算其面积与图像面积的比例，形成73维特征，测试阶段，SVM对测试样本分类之后，根据决策规则确定每一类视频所属的最终类别：

缺陷：1、使用HSV颜色空间带来了不可靠因素，同类比赛由于场地的地域、天气、季节等原因，颜色会有偏差；2、由于SVM的算法特性，二分类的分类效果最优，当分类类别较多时，难以保证SVM分类器的分类效果；、3当赛场色彩分布不均时，72维度的HSV向量的噪声过大，难以保证分类效果；4、特征向量的第73维数据为场地占空比，受赛场队员的分布影响较大，赛场队员位置的不确定性，会造成分类准确率的降低。

发明内容

本发明的目的是为了解决现有的使用支持向量机SVM分类器训练并用于体育视频自动分类的技术可靠性和准确性不高、噪声较大以及受赛场队员的分布影响较大等不足，提出了一种基于场地标识线轮廓匹配的体育视频分类方法。

本发明的技术方案为：一种基于场地标识线轮廓匹配的体育视频分类方法，其特征在于，包括模板处理过程和待分类视频处理过程；其中，

模板处理过程包括以下步骤：

M1、统计同类体育视频，提取视频中主要的镜头视角画面作为样本模板，所述主要的镜头视角画面为视频中时间比例不低于20％且赛场所占画面比例不低于60％的画面；