14、基于局部运动信息的足球视频群体活动识别方法

基于局部运动信息的足球视频群体活动识别方法

在体育视频分析领域，群体活动识别是一个重要的研究方向。传统方法在处理足球视频中的群体活动识别时，存在一些局限性，如对全局运动信息的依赖可能导致在补偿不准确时出现误分类。本文将介绍一种基于局部运动信息的足球视频群体活动识别新方法。

相关工作

动作识别领域有两个关键问题，分别是时空局部区域检测和动作表示。
- 时空局部区域检测 ：以往的方法如 Laptev 和 Lindeberg 将空间兴趣点扩展到时空方向，Dollar 等人通过可分离线性滤波器计算响应函数的局部最大值来检测兴趣点，SIFT 描述符也被扩展到三维用于描述人类动作的局部区域。然而，这些时空兴趣点（STIPs）适用于大尺度人体，在足球视频中，人物尺寸较小，STIPs 可能无法很好地检测到显著区域，且它们难以表示群体的运动。
- 动作表示 ：近年来，常用的动作表示方法是使用兴趣点周围的量化局部特征。例如，有的方法通过运动图像词的二维量化局部特征以及视觉词与参考点之间的量化角度和距离来表示动作；还有的通过最大化互信息聚类来研究视频词的最优数量。有了动作表示后，许多生成模型（如 pLSA、层次图形模型、LDA）和判别模型（如 SVM）都可用于识别。

在体育视频的球员活动分析方面，也有不少研究。Efros 等人提出了基于光流的运动描述符来识别足球场上中景视图中的个体动作；S - OFHs 方法用于识别网球视频中球员的左右挥拍动作；Kong 等人提出了基于全局运动的群体动作识别方法，其全局运动通过计算光流得到。

方法流程

本方法的流程如下：