[发明专利]基于机器学习的羽毛球赛事视频精彩片段提取方法

说明书

本发明公开了一种羽毛球赛事视频精彩片段提取方法，包括：获取羽毛球视频；采用Keras框架进行迁移学习，获得视角分类模型；根据视角分类模型，对羽毛球视频进行分割，获得广播视角羽毛球视频片段；通过YOLOv3目标检测模型，确定运动员的重心；根据运动员的重心，确定广播视角羽毛球视频片段中整体球员平均速度，并将整体球员平均速度最大的几个广播视角羽毛球视频片段作为羽毛球视频精彩片段。本发明涉及以视角分类为核心的片段分割环节、以判断球员整体速度为核心的精彩片段提取环节，最终实现了一种羽毛球赛事视频的精彩片段提取方法，可以使用户直接欣赏到羽毛球赛事视频中的比赛精彩片段，节约了用户的时间成本。

技术领域

本发明涉及运动视频处理技术领域，更具体的涉及一种羽毛球赛事视频精彩片段提取方法。

背景技术

体育视频拥有数量庞大的受众群体和巨大的商业应用前景。随着移动设备和互联网的普及，用户对体育视频的需求，从直接观看完整视频，转到对视频的多元化的需求。例如，直接观看视频中比赛的精彩片段和突发事件，对应视频分析技术中的精彩片段提取和异常事件检测等。并且在体育视频分析领域，研究较多的运动项目有篮球、足球、排球和网球等，而在羽毛球领域研究较少，仍有很大的空缺等待填补。

精彩片段提取技术目前主要基于全景关键帧。例如广东鑫程电科技有限公司提取前后多帧运动目标并进行匹配，将匹配的多帧视为一帧，重复多次后将浓缩的视频帧连接起来形成精彩片段。随着羽毛球在世界范围的推广，近些年的研究出现了增加的趋势。因羽毛球与网球在场地和打法上有许多相似性，因此许多羽毛球视频的相关技术借鉴于网球运动视频的研究。

现有的运动视频关键信息捕捉技术，主要集中在关键帧提取上，而未出现对视频中的精彩片段进行直接有效提取的研究。从视频中提取出的关键帧不能表现出前景目标对应运动方向，运动轨迹的特征，属于视频中的静态关键信息。精彩片段是指从整段视频中分割出的状态激烈时的多段视频序列，可以表现出运动特征，属于视频中的动态关键信息，可以满足用户无需手动处理就能观赏视频动态关键信息的需求。

发明内容

本发明实施例提供一种羽毛球赛事视频精彩片段提取方法，用以解决上述背景技术中存在的问题。

本发明实施例提供一种羽毛球赛事视频精彩片段提取方法，包括：

获取羽毛球视频；

采用Keras框架进行迁移学习，获得视角分类模型；根据视角分类模型，对羽毛球视频进行分割，获得广播视角羽毛球视频片段；

通过YOLOv3目标检测模型，确定运动员的重心；根据运动员的重心，确定广播视角羽毛球视频片段中整体球员平均速度，并将整体球员平均速度最大的几个广播视角羽毛球视频片段作为羽毛球视频精彩片段。

进一步地，所述羽毛球视频包括：广播视角羽毛球视频、场边视角羽毛球视频、无用视角羽毛球视频。

进一步地，本发明实施例提供的一种羽毛球赛事视频精彩片段提取方法，还包括：采用K-Means方法对三种视角的羽毛球视频进行图像聚类，验证羽毛球视频分类的可行性；具体包括：

采用主成分分析PCA方法对图像进行降维；

指定聚类簇数为3，分别对应羽毛球视频的三种视角；

采用K-Means方法进行图像聚类；

根据聚类结果，验证羽毛球视频三种视角的分类可行性。

进一步地，所述采用Keras框架进行迁移学习，获得视角分类模型；具体包括：

采用Keras深度学习框架进行迁移学习，使用ImageNet图像库上的预训练图像分类模型作为迁移学习的预训练模型；采用MobileNet作为三种视角分类的基础网络结构；采用深度可分离Depthwise卷积替代传统3D卷积；