技术特征：
1.一种从广播视频馈送生成可跟踪帧的方法，包括：由计算系统检索体育赛事的广播视频馈送，所述广播视频馈送包括多个视频帧；由所述计算系统使用主成分分析模型来生成用于分类的帧集，其中，所述帧集是上述多个视频帧的子集；由所述计算系统将所述帧集中的每一帧划分成多个集群；由所述计算系统将所述多个帧中的每一帧分类为可跟踪或不可跟踪，其中，可跟踪帧捕捉所述体育赛事的统一视图；由所述计算系统将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧；以及由所述计算系统将包括至少所述阈值数目的可跟踪帧的每个集群分类为可跟踪。2.根据权利要求1所述的方法，其中，由所述计算系统使用主成分分析模型来生成用于分类的帧集，包括：从所述多个视频帧中，每隔选定的时间间隔提取一帧，以生成所述广播视频馈送的所述主成分分析模型；经由所述主成分分析模型从所提取的帧中识别帧子集；以及使用所述帧子集作为所述用于分类的帧集。3.根据权利要求2所述的方法，其中，由所述计算系统将所述帧集中的每一帧划分成多个集群，包括：用相应的集群号标注所述帧子集中的每一帧。4.根据权利要求3所述的方法，其中，由所述计算系统将所述多个帧中的每一帧分类为可跟踪或不可跟踪，包括：使用包括多个视频帧和与每个视频帧相关联的标签的训练集来训练神经网络以将视频帧分类为可跟踪或不可跟踪，其中，所述标签为可跟踪或不可跟踪。5.根据权利要求4所述的方法，其中，所述多个帧中的每一帧包括可跟踪/不可跟踪分类以及相关联的集群号。6.根据权利要求5所述的方法，其中，由所述计算系统将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧，包括：识别与给定集群标签相对应的每个帧；以及确定与所述给定集群标签相对应的包含可跟踪分类的帧数。7.根据权利要求1所述的方法，进一步包括：将包括至少阈值数目的可跟踪帧的每个集群存储在数据存储中。8.一种再识别广播视频馈送中运动员的系统，包括：处理器；以及存储器，其上存储有编程指令，所述编程指令当被所述处理器执行时执行一个或多个操作，包括：检索体育赛事的广播视频馈送，所述广播视频馈送包括多个视频帧；使用主成分分析模型来生成用于分类的帧集，其中，所述帧集是上述多个视频帧的子集；将帧集中的每个帧划分成多个集群；
将所述多个帧中的每一帧分类为可跟踪或不可跟踪，其中，可跟踪帧捕捉所述体育赛事的统一视图；将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧；以及将包括至少所述阈值数目的可跟踪帧的每个集群分类为可跟踪。9.根据权利要求8所述的系统，其中，使用主成分分析模型来生成用于分类的帧集，包括：从所述多个视频帧中，每隔选定的时间间隔提取一帧，以生成所述广播视频馈送的所述主成分分析模型；经由所述主成分分析模型从所提取的帧中识别帧子集；以及使用所述帧子集作为所述用于分类的帧集。10.根据权利要求9所述的系统，其中，将帧集中的每个帧划分成多个集群，包括：用相应的集群号标注所述帧子集中的每一帧。11.根据权利要求10所述的系统，其中，将所述多个帧中的每一帧分类为可跟踪或不可跟踪，包括：使用包括多个视频帧和与每个视频帧相关联的标签的训练集来训练神经网络以将视频帧分类为可跟踪或不可跟踪，其中，所述标签为可跟踪或不可跟踪。12.根据权利要求11所述的系统，其中，所述多个帧中的每一帧包括可跟踪/不可跟踪分类以及相关联的集群号。13.根据权利要求12所述的系统，其中，将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧，包括：识别与给定集群标签相对应的每个帧；以及确定与所述给定集群标签相对应的包含可跟踪分类的帧数。14.根据权利要求13所述的系统，进一步包括：将包括至少阈值数目的可跟踪帧的每个集群存储在数据存储中。15.一种非暂时性计算机可读介质，包括一个或多个指令序列，所述指令序列当被一个或多个处理器执行时执行以下一个或多个操作：由计算系统检索体育赛事的广播视频馈送，所述广播视频馈送包括多个视频帧；由所述计算系统使用主成分分析模型来生成用于分类的帧集，其中，所述帧集是上述多个视频帧的子集；由所述计算系统将所述帧集中的每一帧划分成多个集群；由所述计算系统将所述多个帧中的每一帧分类为可跟踪或不可跟踪，其中，可跟踪帧捕捉所述体育赛事的统一视图；由所述计算系统将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧；以及由所述计算系统将包括至少所述阈值数目的可跟踪帧的每个集群分类为可跟踪。16.根据权利要求15所述的非暂时性计算机可读介质，其中，由所述计算系统使用主成分分析模型来生成用于分类的帧集，包括：从所述多个视频帧中，每隔选定的时间间隔提取一帧，以生成所述广播视频馈送的所
述主成分分析模型；经由所述主成分分析模型从所提取的帧中识别帧子集；以及使用所述帧子集作为所述用于分类的帧集。17.根据权利要求16所述的非暂时性计算机可读介质，其中，由所述计算系统将所述帧集中的每一帧划分成多个集群，包括：用相应的集群号标注所述帧子集中的每一帧。18.根据权利要求17所述的非暂时性计算机可读介质，其中，由所述计算系统将所述多个帧中的每一帧分类为可跟踪或不可跟踪，包括：使用包括多个视频帧和与每个视频帧相关联的标签的训练集来训练神经网络以将视频帧分类为可跟踪或不可跟踪，其中，所述标签为可跟踪或不可跟踪。19.根据权利要求18所述的非暂时性计算机可读介质，其中，所述多个帧中的每一帧包括可跟踪/不可跟踪分类以及相关联的集群号。20.根据权利要求19所述的非暂时性计算机可读介质，其中，由所述计算系统将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧，包括：识别与给定集群标签相对应的每个帧；以及确定与所述给定集群标签相对应的包含可跟踪分类的帧数。
技术总结
本公开提供了一种从广播视频馈送生成可跟踪帧的系统及方法。计算系统检索体育赛事的广播视频馈送。广播视频馈送包括多个视频帧。计算系统使用主成分分析模型生成用于分类的帧集。该帧集是多个视频帧的子集。计算系统将帧集中的每个帧划分成多个集群。计算系统将多个帧中的每一帧分类为可跟踪或不可跟踪。可跟踪帧捕捉体育赛事的统一视图。计算系统将每个集群与预定阈值进行比较以确定每个集群是否包括至少阈值数目的可跟踪帧。计算系统将包括至少阈值数目的可跟踪帧的每个集群分类为可跟踪。跟踪。跟踪。
技术研发人员：沙龙 S
受保护的技术使用者：斯塔特斯公司
技术研发日：2020.02.28
技术公布日：2021/10/14