一种足球比赛视频中的多运动员的行为的特征融合方法
【技术领域】
[0001] 本发明涉及视频处理技术领域，具体地，涉及一种足球比赛视频中的多运动员的 行为的特征融合方法。
【背景技术】
[0002] 足球比赛视频中的运动员行为是一种有计划、高协同性的多运动员（智能体）的 团队行为。团队行为的理解和识别是计算机视觉研宄领域的重要研宄问题之一，有许多方 面的应用，如视频监控、对象视频摘要、人机交互、体育视频分析、运动员辅助训练、比赛辅 助判罚和视频检索浏览等，可以获得极大的经济价值和社会价值。
[0003] 在足球比赛的视频监控中，由于单一特征很难有效地描述多运动员的行为的特 征，所以用单一特征来进行行为识别会导致计算结果的不可靠性。
[0004] 在实现本发明的过程中，发明人发现现有技术中至少存在操作过程复杂、花费时 间长和可靠性低等缺陷。
【发明内容】
[0005] 本发明的目的在于，针对上述问题，提出一种足球比赛视频中的多运动员的行为 的特征融合方法，以实现操作过程简单、花费时间短和可靠性高的优点。
[0006] 为实现上述目的，本发明采用的技术方案是：一种足球比赛视频中的多运动员的 行为的特征融合方法，包括：
[0007] a、在提取包含运动员的服装颜色、轮廓、运动轨迹和球场线的特征的基础上，对提 取的特征进行特征降维操作；
[0008] b、使用多特征融合技术来融合这些特征；
[0009] C、用融合后的特征来描述运动员行为，进行行为识别。
[0010] 进一步地，所述步骤a，具体包括：
[0011] 使用KPCA算法对提取的特征进行非线性降维；
[0012] 在空间中，给定一个M个元素的训练特征集Tx= {XpX2，…，XM}，子空间学习的 目的是在低维空间《\d<D丨中找到一个嵌入数据集E y= {Y i，Y2，…，YM};
[0013] 在H上主成分分析应用到映射数据Tlt= {Φ (X1), Φ (X2),…，Φ (XM)};设k是一 个半正定核函数，通过式（1)定义两个特征向量足和士之间的非线性关系：
[0014] = (#(-?,-)⑴
[0015] 在H空间中寻找主成分的系数问题可以归结为内核矩阵κ的对角化：
[0016] yXe = m (2)
[0017] 其中，[(6-=又= 5 ?
[0018]用Z = feXi,)表示主轴，将新点X映射到第j个主轴汐表示为：
【主权项】
1. 一种足球比赛视频中的多运动员的行为的特征融合方法，其特征在于，包括： a、 在提取包含运动员的服装颜色、轮廓、运动轨迹和球场线的特征的基础上，对提取的 特征进行特征降维操作； b、 使用多特征融合技术来融合这些特征； c、 用融合后的特征来描述运动员行为，进行行为识别。
2. 根据权利要求1所述的足球比赛视频中的多运动员的行为的特征融合方法，其特征 在于，所述步骤a，具体包括： 使用KPCA算法对提取的特征进行非线性降维； 在f空间中，给定一个M个元素的训练特征集Tx= {Xi，X2，…，XM}，子空间学习的目的 是在低维空间^_ (d<D)中找到一个嵌入数据集Ey={YpY2，…，YM}; 在H上主成分分析应用到映射数据1^={XXl(i>(X2)，…，（i>(XM)};设k是一个半 正定核函数，通过式（1)定义两个特征向量足.和七之间的非线性关系：
在H空间中寻找主成分的系数问题可以归结为内核矩阵k的对角化：
表示主轴，将新点X映射到第j个主轴f表示为：
获得包括第一个d主成分的嵌入空间后，任何一个视频v被映射为d维特征空间的一 个关联轨迹!；= {(^為，…，0T}。
3. 根据权利要求1或2所述的足球比赛视频中的多运动员的行为的特征融合方法，其 特征在于，所述步骤b，具体包括： 采用自动生成RBF神经网络来融合多种特征； 网络的输入层由N个神经元构成，使用相同的激励函数(Kd为利用训练数据计算出来 的距离；aG[〇, 1]是对应神经元i的弱化参数，则有：
L1层用来计算与前一层第i个神经元连接的第i个模块的信任块mi;
其中，110是每类特征的成员度，q= {1，2，"％M}; L2层利用Dempster-Shafer组合规则在单块中融合N个不同的块函数，组合规则如式 (6)：
定义第i个模块的激励向量为$用式（7)递归计算获得；
在块计算过程中考虑用原始特征的激励向量来计算输出以降低上述影响，用（8)来计 算：
4.根据权利要求1或2所述的足球比赛视频中的多运动员的行为的特征融合方法，其 特征在于，所述步骤c，具体包括： u，a，Y是特征融合过程中各特征的重要性系数，通过网络的学习获得，神经网络的学 习，s和p由输出误差的梯度下降来决定。
【专利摘要】本发明公开了一种足球比赛视频中的多运动员的行为的特征融合方法，包括：a、在提取包含运动员的服装颜色、轮廓、运动轨迹和球场线的特征的基础上，对提取的特征进行特征降维操作；b、使用多特征融合技术来融合这些特征；c、用融合后的特征来描述运动员行为，进行行为识别。本发明所述足球比赛视频中的多运动员的行为的特征融合方法，可以克服现有技术中操作过程复杂、花费时间长和可靠性低等缺陷，以实现操作过程简单、花费时间短和可靠性高的优点。
【IPC分类】G06K9-00, G06K9-46, G06N3-02
【公开号】CN104778459
【申请号】CN201510186349
【发明人】王智文, 刘美珍, 罗功坤, 阳树洪, 欧阳浩, 蒋联源, 李春贵, 夏冬雪
【申请人】广西科技大学
【公开日】2015年7月15日
【申请日】2015年4月17日