一种多特征自适应融合的球员跟踪算法

基于模型的跟踪方法难以处理足球视频中球员形态发生较大变化的情况。为此,提出一种改进的多特征自适应融合的球员跟踪算法。利用自适应高斯混合模型检测球场和球员区域,使用球员HUE颜色特征的Bhattacharyya距离度量法代替传统的模板匹配方法,辨别球队归属,自适应地融合目标模型的颜色、形状和时空特征信息,实现对球员的跟踪,采用三点估算预测方法解决球员完全遮挡现象。实验结果表明,该算法能较好地解决球员之间的遮挡问题,在球员形态变化较大时能实现稳定的跟踪。     

篮球视频中球员的分割与跟踪算法

分割与跟踪一直是视频图像处理的一个热门问题。针对篮球视频中激烈运动的球员队属和跟踪问题,实现了一个实时的球员分割与跟踪算法。首先,不同于一般的分割方法,采用基于两个级别（像素级和帧级）实时分割和背景更新的背景减除方法,实现了对球员的分割;接着,通过将球员与模板进行马式距离比较来辨识球员队属;然后,使用基于核的目标跟踪方法,实现了在激烈比赛中对球员的准确跟踪。实验结果表明,提出的算法能够很好地辨别各个球员的队属问题并在不完全遮挡的情况下跟踪多个球员,而且在球员形态变化较大时也能稳定地跟踪。     

足球视频球员感知跟踪算法

目的 足球比赛视频中的球员跟踪算法为足球赛事分析提供基础的数据支持。但足球比赛中球员跟踪存在极大的挑战：球员进攻、防守和争夺球权时,目标球员可能产生快速移动、严重遮挡和周围出现若干名干扰球员的情况,目前仍没有一种能够完美解决足球比赛中球员跟踪问题的算法。因此如何解决足球场景中的困难,提升球员跟踪的准确度,成为当前研究的热点问题。方法 本文在分析足球比赛视频中球员目标特点的基础上,通过融合干扰项感知的颜色模型和目标感知的深度模型,提出并设计了一种球员感知的跟踪算法。干扰项感知的颜色模型分别提取目标、背景和干扰项的颜色直方图,利用贝叶斯公式得到搜索区域中每个像素点属于目标的似然概率。目标感知的深度模型利用孪生网络计算搜索区域与目标的相似度。针对跟踪漂移问题,使用全局跟踪器和局部跟踪器分别跟踪目标整体和目标上半身,并且在两个跟踪器的跟踪结果出现较大差异的时候分析跟踪器有效性并进行定位修正。结果 在公共的足球数据集上将本文算法与10个其他跟踪算法进行对比实验,同时对于文本算法进行了局部跟踪器的消融实验。实验结果表明,球员感知跟踪算法的平均有效重叠率达到了0.560 3,在存在同队球员和异队球员干扰的情况下,本文算法比排名第2的算法的有效重叠率分别高出3.7%和6.6%,明显优于其他算法,但是由于引入了干扰项感知的颜色模型、目标感知的深度模型以及局部跟踪器等模块增加了算法的时间复杂度,导致本文算法跟踪速度较慢。结论 本文总结了跟踪算法的整体流程并分析了实验结果,认为干扰项感知、目标感知和局部跟踪这3个策略在足球场景中的球员跟踪问题中起到了重要的作用,为未来在足球球员跟踪领域研究的继续深入提供了参考依据。     

基于多视角航拍配准的运动小目标检测与跟踪

针对存在3D场景遮挡的航拍视频运动小目标跟踪问题,提出一种基于多视角航拍配准的运动小目标检测和跟踪算法。该算法首先对图像序列间隔采样,利用Harris检测器提取全局特征点,通过Delaunay三角网对待配准图像实现初始匹配,然后利用整合变换模型计算差分图像,并利用累积能量检测出目标,最后通过卡尔曼运动滤波消除运动目标跟踪的抖动。实验结果表明,该算法对城市和郊区场景的航拍视频可以检测出最小30个像素的缓慢运动目标。     

体育视频中的运动员检测与分割

运动员的动作行为分析是体育视频高级语义分析的直接途径,检测和分割视频中的运动员是分析运动员的动作行为的基础.利用体育视频的领域规则和中层特征块的性质,提出半监督的方法挖掘运动员的中层特征块,针对不同类型的镜头分别训练基于中层特征块的运动员检测分类器,实现运动员检测.利用运动员检测结果标记超像素,结合Grab Cut分割算法实现运动员分割.实验结果表明,基于中层特征块的运动员区域检测算法能够快速挖掘训练所需样本,从而训练得到检测分类器,检测结果具有较高的准确度,获得的运动员区域能够有效用于运动员分割,简化了分割计算过程.     

Multi-Object Tracking in Video

This paper reports on tracking of multiple objects using color histogram backprojection and motion cues. Four tasks which facilitate this are discussed. The first is an adaptive color histogram backprojection (which builds upon the works of Swain and Ballard) and its application to tracking of multiple objects in video sequences. The second task is designing efficient fast blob detectors for selecting regions of interest in video sequences. The third is motion detection based on color histogram backprojection. Achieving these tasks led to multi-objects tracking. Various video sequences were used to demonstrate effective tracking of multiple objects. Notably, we created an interactive multiple objects tracker (CLICK-IT) which in its present form is set at three objects but can be extended easily. CLICK-IT (CSIRO Laboratory for Imaging by Content and Knowledge—Interactive Television) is a PC-based system which provides the user with an intelligent highlighter pen for sports action replay. It is intended as a truly interactive improvement on the drawing pad technology currently used for video annotation in sports broadcasting. The system uses computer vision techniques to focus attention and track particular objects (player(s), ball, horse(s), …) and semi-automatically annotate the dynamic scene. This paper describes the system including the user interface, the tracking technology based on color and motion information, and system performance evaluation in applications to surveillance-like sequences, running, rugby league football, basketball and soccer. Finally, video scene detection based on color histogram is discussed.     

融合YOLO检测的多目标跟踪算法

针对目前视频多目标跟踪过程中的遮挡问题,提出了一种融合YOLO v3的多目标检测和跟踪算法,选定基于检测跟踪的框架作为跟踪的整体框架,使用YOLO v3来实现对目标信息的检测工作,在选定某一检测类别的基础上,使用本文提出的跟踪算法,通过数据关联完成对此类别的多目标跟踪,并针对跟踪过程中的目标遮挡问题以及因目标遮挡而引起的轨迹跟踪异常的问题,提出了修正算法。测试视频中被遮挡的大部分目标都能准确地跟踪,但在背景移动时也会发生一部分目标身份互换的情况。所提出的算法在解决多目标跟踪中的遮挡问题时具有一定的准确性和实时性。     

基于预测的多特征融合Mean-Shift跟踪算法

视频监控在生活中的应用已经相当广泛,其中视频目标精确跟踪是 计算机视觉中 应用较广、难度较大的一部分。在实际视频场景中目标存在复杂的变化,如外形变化、部分遮挡、光照变化等,这对Mean-Shift跟踪算法产生了较大的影响。为了解决上述变化导致的跟踪不准确的问题,融合颜色和Gabor-LBP纹理特征进行Mean-Shift跟踪,并利用二次多项式预测运动目标的位置,以提高跟踪的准确度。     

The multi‐iterative closest point tracker: An online algorithm for tracking multiple interacting targets

We describe and evaluate a greedy detection‐based algorithm for tracking a variable number of dynamic targets online. The algorithm leverages the well‐known iterative closest point (ICP) algorithm for aligning target models with target detections. The approach differs from trackers that seek globally optimal solutions because it treats the problem as a set of individual tracking problems. The method works for multiple targets by sequentially matching models to detections, and then removing detections from further consideration once models have been matched to them. This allows targets to pass close to one another with reduced risks of tracking failure due to “hijacking,'' or track merging. There has been significant previous work in this area, but we believe our approach addresses a number of tracking problems simultaneously that have only been addressed separately before. The algorithm is evaluated using four to eight laser range finders in three settings: quantitatively for a basketball game with 10 people and a 25‐person social behavior experiment, and qualitatively for a full‐scale soccer game. We also provide qualitative results using video to track ants in a captive habitat. During all the experiments, agents enter and leave the scene, so the number of targets to track varies with time. With eight laser range finders running, the system can locate and track targets at sensor frame rate 37.5 Hz on commodity computing hardware. Our evaluation shows that the tracking system correctly detects each track over 98% of the time. © 2012 Wiley Periodicals, Inc.     

基于视觉显著性的均值漂移跟踪算法

为解决突变运动下的目标跟踪问题,提出了一种基于视觉显著性的均值漂移跟踪算法,将视觉注意机制运用到均值漂移跟踪框架中,利用时空显著性算法对视频序列进行检测,生成视觉显著图,从视觉显著图对应的显著性区域中建立目标的颜色特征表示模型来实现运动目标跟踪.实验结果表明:该算法在摄像机摇晃等动态场景下可以较准确检测出时空均显著的目标,有效克服了在运动目标发生丢失和遮挡等情况下跟踪不稳定的问题,具有较强的鲁棒性,从而实现复杂场景下目标较准确的跟踪.     

足球视频中的目标检测与跟踪

提出了一种新颖的目标检测与跟踪算法来检测和跟踪足球运动中的球员。与普通的利用颜色分割的方法不同,考虑到足球视频中非目标的像素大体上都是单一的绿色这个特点,结合颜色的统计信息和像素的边缘特性来得到更完美的检测效果;接着利用灰度图像中的统计信息,轻松地完成球员队属的辨别;最后根据重叠面积提出一种简单的视频目标跟踪方案,结合图像匹配,解决运动中的遮挡问题。     

视频序列中面向人的多目标跟踪算法

针对视频序列中人的跟踪问题，提出一种基于运动检测的多目标跟踪算法．跟踪系统由运动目标检测、关联矩阵建立、特殊情况判断及处理以及轨迹关联4部分构成．提出一种基于改进的c-均值聚类的自适应运动分割方法；不同情况下建立不同的关联矩阵，以准确判断实际场景状况；对遮挡问题作出处理，在两个目标遮挡不严重的情况下，分别采用均值漂移算法对其进行跟踪．实验结果表明，该算法具有较强的鲁棒性，能有效实现复杂场景下多目标跟踪．     

采用核相关滤波的快速TLD视觉目标跟踪

目的 如何对目标进行快速鲁棒的跟踪一直是计算机视觉的重要研究方向之一,TLD（tracking-learning-detection）算法为这一问题提供了一种有效的解决方法,为了进一步提高TLD算法的跟踪性能,从两个方面对其进行了改进。方法 首先在跟踪模块采用尺度自适应的核相关滤波器（KCF）作为跟踪器,考虑到跟踪模块与检测模块相互独立,本文算法使用检测模块对跟踪模块结果的准确性进行判断,并根据判断结果对KCF滤波器模板进行有选择地更新;然后在检测模块,运用光流法对目标位置进行初步预测,依据预测结果动态调整目标检测区域后,再使用分类器对目标进行精确定位。结果 为了验证本文算法的优越性,对其进行了两组实验,实验1在OTB2013和Temple Color128这两个平台上对本文算法进行了跟踪性能的测试,其结果表明本文算法在OTB2013上的跟踪精度和成功率分别为0.761和0.559,在Temple Color128上的跟踪精度和成功率分别为0.678和0.481,且在所有测试视频上的平均跟踪速度达到了27.92帧/s;实验2将本文算法与其他3种改进算法在随机选取的8组视频上进行了跟踪测试与对比分析,实验结果表明,本文算法具有最小的中心位置误差14.01、最大的重叠率72.2%以及最快的跟踪速度26.23帧/s,展现出良好的跟踪性能。结论 本文算法使用KCF跟踪器,提高了算法对遮挡、光照变化和运动模糊等场景的适应能力,使用光流法缩小检测区域,提高了算法的跟踪速度。实验结果表明,本文算法在多数情况下均取得优于参考算法的跟踪性能,在对目标进行长时间跟踪时表现出良好的跟踪鲁棒性。     

一种改进的粒子滤波算法及其FPGA硬件实现

提出了一种改进的粒子滤波目标跟踪算法,提出了限定区域的伪随机算法和根据权值分布的自适应重采样算法来提升目标跟踪的精度和并行特性。同时在算法的FPGA硬件结构实现上,对程序结构进行调整,充分利用流水线并行处理数值计算,运用硬件并行特性加快粒子的权值排序过程。实验结果表明,提出的算法在实验室场景与遮挡情况下都具有良好的跟踪准确性和实时性。     

基于C3D的足球视频场景分类算法

足球视频整场比赛持续时间较长,许多视频内容并非广大观众的兴趣所在,因此足球视频场景分类成为了近几十年来研究界的一项重要课题,许多机器学习方法也被应用于这个课题上.本文提出的基于C3D （三维卷积神经网络）的足球视频场景分类算法,将三维卷积运用于足球视频领域,并通过实验验证了本文算法的可行性.本文实验的流程如下：首先,基于帧间差分法和徽标检测法检测法对足球视频场景切换进行检测,实现镜头分割.在此基础上,提取分割镜头的语义特征并将其进行标记,然后通过C3D对足球事件进行分类.本文将足球视频分为7类,分别为远镜头、中镜头、特写镜头、回放镜头、观众镜头、开场镜头及VAR （视频助理裁判）镜头.实验结果表明,该模型在足球视频数据集上的分类准确率为96%.     

足球比赛场景的三维再现和自动解说

特定领域的视频解说巳成为当前多媒体研究的热点问题，其中一个主要应用领域是体育运动的解说与分析，文中介绍一个实用的足球比赛场景的三维重建和视频解说系统；首先通过足球比赛的视频序列恢复场景的三维模型，包括球员的位置、速度等参数，以及足球的运动轨迹，并根据这些信息和特定的先验知识识别球员的动作行为；进而对比赛过程加以评论；最后构造一个OpenGL的虚拟环境，用户可以在球场上漫游，从任意视角观看比赛。     

基于背景约束与卷积特征的目标跟踪方法

针对目标跟踪中因背景混叠和遮挡等因素导致的目标丢失问题,提出了一种基于背景约束与卷积特征的目标跟踪方法（TBCCF）。对输入图像进行多特征融合并降维,增强目标特征判别性能的同时降低特征计算的复杂度;在滤波器训练过程中引入背景约束,使得滤波器更专注于目标响应,以提升抗干扰能力;通过设置记忆滤波器与峰值旁瓣比检测,判断目标是否丢失。若丢失,引入卷积特征滤波器进行重检测,实现目标的重捕获。在Visual Tracking Benchmark数据集50个复杂场景视频序列上的实验结果表明,所提算法总体精度和总体成功率优于现有的多数跟踪算法。     

免锚检测的行人多目标跟踪算法

针对复杂环境下行人目标因检测器漏检和频繁遮挡而导致的数据关联不正确、跟踪实时性差的问题,提出了一种基于免锚检测的多目标跟踪算法.算法采用预测目标中心点热力图的方法实现目标检测定位,改善了因锚点框回归歧义所导致的漏检问题.同时在检测模型中嵌入深度表观特征提取分支,构建联合检测与跟踪的多任务网络用于提升实时性.为解决跟踪阶...     

The Trojan Player Typology: A cross-genre,cross-cultural,behaviorally validated scale of video game play motivations

While many video game researchers have built scales to tackle the motivations that people have for playing video games, these scales are often limited by their focus on specific game genres or player cultures as well as their lack of behavioral validation. The present research offers a new scale for player motivations and then examines its validity across two distinct gaming genres and cultures, drawing from server-side data combined with survey data of 18,627 players of the Multiplayer Online Battle Arena League of Legends and 18,819 players of the Chinese Massively Multiplayer Online Game Chevalier’s Romance Online 3. Six types of player motivations were found: socializer, completionist, competitor, escapist, story-driven, and smarty-pants. Consistent with previous research on player motivations, this typology offers new insights into why people play video games and how player motivations can be used to infer players’ in-game behaviors.     

Influence of head-up displays’ characteristics on user experience in video games

Head-up displays (HUD) are important parts of visual interfaces of virtual environments such as video games. However, few studies have investigated their role in player–video game interactions. Two experiments were designed to investigate the influence of HUDs on player experience according to player expertise and game genre. Experiment 1 used eye-tracking and interviews to understand how and to what extent players use and experience HUDs in two types of commercial games: first-person shooter and real-time strategy games. Results showed that displaying a permanent HUD within the visual interface may improve the understanding of this environment by players. They also revealed that two HUD characteristics, namely composition and spatial organization, have particular influence on player experience. These critical characteristics were manipulated in experiment 2 to study more precisely the influence of HUD design choices on player experience. Results showed that manipulation of design of these HUD characteristics influences player experience in different ways according to player expertise and game genre. For games with HUDs that are perceived as very useful, the higher player expertise is, the more player experience is influenced. Recommendations for video game design based on these results are proposed.