[00149029]基于多特征融合的视频足球比赛中的团队行为识别方法研究

① 课题来源与背景。课题来源于国家自然科学基金。 ② 研究目的与意义。本课题针对视频足球比赛中的团队行为识别易受遮挡、光照、噪声、视角以及多尺度等因素的影响,且要在复杂场景下实时鲁棒地识别团队行为,挑战极大。根据目前国际上最前沿的目标跟踪与行为识别理论,建立一个具有自主知识产权的团队行为跟踪与识别系统,为实现对团队行为识别提供新方法和新理论。研究用权重化条件随机场模型为视频足球比赛中的团队行为进行建模,用代数的线性空间取代非线性流形空间来大大简化建模过程中的计算量。拟采用多尺度自适应选择的特征点检测方法来克服视频足球比赛中的光照和尺度变化的影响。设计基 于迁移学习算法的局部时空码本原型构建算法,解决遮挡和多视角问题。设计出团队行为识别的模糊推理系统实时鲁棒地进行视频足球比赛中的团队行为识别,解决在复杂场景中同一场合中的多种行为识别的问题。研究使用基于先验知识和人工神经网络的树结构混合分类器 对团队行为进行分类,提高分类的准确性。项目研究具有极大的经济价值和社会价值。 ③ 主要论点与论据。A.围绕项目主要研究了多特征融合的视频足球比赛中的团队行为识别方法。基于动作子空间和权重条件随机场的行为识别。基于尺度自适应局部时空特征的足球比赛视频中的多运动员行为表示。基于自动生成RBF神经网络的特征融合。B.为了快速检测团队成员,利用深度学习与迁移学习研究多源视频目标跟踪与检测方法。基于Adaboost置信图的红外与可见光目标跟踪算法。基于深度与阴影并行连接的CNNS网络同时检测大小目标算法。多特征跟踪的联合压缩表示。基于联合直方图的红外与可见光目标融合跟踪。红外可见光目标的空间直方图表示与联合跟踪。基于 L1-APG 的红外与可见光目标实时融合跟踪。网格交通流模型中通量差信息最优估计。C.进行了足球比赛中的团队行为识别过程中有助于识别队员的圆检测算法的研究。提出了多种高效的圆检测算法,为足球比赛中的团队行为识别过程中团队成员的检测提供了基础。结合多阶段优化的圆检测算法。基于图像分块的圆孔检测算法。基于差值区域采样的快速圆检测算法。一种高效的曲线检测算法。一种改进的随机圆检测算法。D.研究图像分割和聚类算法。提出了基于改进遗传选择算法的自动阈值图像分割方法、基于信息增益的模糊K-prototypes聚类算法、基于小生境遗传禁忌的粗糙聚类分析算法。E.研究了在高阶马尔科夫随机场中快速高效地提取遮挡团队成员特征,并用高阶马尔科夫随机场进行预测遮挡团队成员特征。带动作回报的连续时间 Markov 回报过程验证。基于事件驱动的无人机强化学习避障。基于马尔科夫链的柳州市房价预测方法。连续时间Markov决策过程互模拟等价及逻辑保持。 ④ 创见与创新。 A.提出了基于动作子空间和权重条件随机场的行为识别方法。 B.提出了多特征跟踪的联合压缩表示。 C.提出了多种高效的圆检测算法。 D.提出了基于改进遗传选择算法的自动阈值图像分割方法。 E. 提出了基于信息增益的模糊K-prototypes聚类算法和基于小生境遗传禁忌的粗糙聚类分析算法。F.提出了带动作回报的连续时间 Markov 回报过程验证方法。 ⑤ 社会经济效益,存在的问题。本成果研究的内容和创新点中的一些研究方法已经成型并正在实现可以广泛应用于体育视频分析及体育训练,具有极大的经济价值,能够很好地服务于社会。 ⑥ 历年获奖情况。本成果中的创新点多次获得柳州市优秀论文二等奖及三等奖。