[发明专利]基于隐马尔科夫模型的足球视频进球事件检测方法

摘要

本发明公开了一种基于隐马尔科夫模型的足球视频进球事件检测方法，主要解决了现有技术事件检测系统模型复杂、检测率低的问题。其实现步骤是：首先，对训练视频和测试视频进行物理镜头分割和语义镜头标注，将得到的语义镜头序列分别组成训练数据集和测试数据集；其次，根据训练数据集计算隐马尔科夫模型的初始参数；接着，采用Baum-Welch算法和训练数据集对初始模型进行训练，建立进球事件的隐马尔科夫模型；然后，采用前向算法计算该模型产生训练数据的概率，得到判决阈值；最后，计算该模型产生测试数据的概率并根据判决阈值检测出测试视频中的进球事件。本发明能够准确实现进球语义事件的检测，可用于足球视频精彩事件检测等语义分析领域。

主权项

1.一种基于隐马尔科夫模型的足球视频进球事件检测方法，包括如下步骤：(1)对N₁个训练视频片段和N₂个测试视频片段分别进行物理镜头分割，得到第d个训练视频片段的物理镜头序列P_d和第e个测试视频片段的物理镜头序列Q_e，其中，d∈{1，2，L，N₁}，e∈{1，2，L，N₂}；(2)对第d个训练视频片段的物理镜头序列P_d中的物理镜头和第e个测试视频片段的物理镜头序列Q_e中的物理镜头分别进行语义标注，得到由远镜头、中镜头、特写镜头、观众镜头和回放镜头组成的第d个训练视频片段的语义镜头序列O_d和第e个测试视频片段的语义镜头序列Z_e，并将N₁个训练视频片段的语义镜头序列O₁，O₂，L，作为训练数据集将N₂个测试视频片段的语义镜头序列Z₁，Z₂，L，作为测试数据集(3)对训练数据集O中的N₁个语义镜头序列O₁，O₂，L，人工判断每个语义镜头序列中的每个语义镜头所处的比赛状态，即比赛进行状态θ₁或比赛暂停状态θ₂，得到N₁个状态序列W₁，W₂，L，(4)定义语义镜头集为ε＝{s₁，s₂，s₃，s₄，s₅}，其中，s₁，s₂，s₃，s₄，s₅表示五种语义镜头，即s₁为远镜头，s₂为中镜头，s₃为特写镜头，s₄为观众镜头，s₅为回放镜头；(5)根据训练数据集O中的N₁个语义镜头序列O₁，O₂，L，和对应的N₁个状态序列W₁，W₂，L，计算隐马尔科夫模型的初始模型参数λ＝(U，A，C)，其中，U是初始状态概率矢量，A是状态转移概率矩阵，C是观察值概率矩阵；(6)根据训练数据集O，采用Baum-Welch算法对隐马尔科夫模型的初始模型参数λ＝(U，A，C)进行训练，得到进球事件的隐马尔科夫模型的最终模型参数并利用该最终模型参数建立进球事件的隐马尔科夫模型，其中，是最终初始状态概率矢量，是最终状态转移矩阵，是最终观察值概率矩阵；(7)根据进球事件的隐马尔科夫模型和训练数据集O中第d个语义镜头序列O_d，采用前向算法计算进球事件的隐马尔科夫模型产生第d个语义镜头序列O_d的概率(8)根据进球事件的隐马尔科夫模型产生训练数据集O中N₁个语义镜头序列O₁，O₂，L，的概率选择中的最小值作为进球事件的判决阈值T₁：T1=min{P(O1|λ‾),P(O2|λ‾),L,P(ON1|λ‾)};]]>(9)根据进球事件的隐马尔科夫模型和测试数据集Z中第e个语义镜头序列Z_e，采用前向算法计算进球事件的隐马尔科夫模型产生第e个语义镜头序列Z_e的概率(10)若则第e个测试视频片段中包含进球事件，若则第e个测试视频片段中不包含进球事件。