[发明专利]基于归一化语义加权和规则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归一化语义加权和规则的足球视频进球事件检测方法，主要解决现有技术语义事件模型复杂，需要大量具有代表性的数据集训练，计算量和人力耗费大，检测精度低的问题。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，根据训练数据集统计得到各种语义镜头的语义观测权重和进球事件的判决阈值，建立归一化语义加权和规则；再计算测试视频序列的语义加权和，并进行归一化处理；最后，根据进球事件的判决阈值，检测出测试视频中的进球事件。本发明能够快速、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

1.一种基于归一化语义加权和规则的足球视频进球事件检测方法，包括如下步骤：(1)对Z₁个训练视频片段和Z₂个测试视频片段分别进行物理镜头分割，得到第x个训练视频片段的物理镜头序列u_x和第j个测试视频片段的物理镜头序列q_j，其中，x∈{1，2，L，Z₁}，j∈{1，2，L，Z₂}；(2)对第x个训练视频片段的物理镜头序列u_x中的物理镜头和第j个测试视频片段的物理镜头序列q_j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x个训练视频片段的语义镜头序列w_x和第j个测试视频片段的语义镜头序列r_j，并将Z₁个训练视频片段的语义镜头序列w₁，w₂，L，作为训练数据集，将Z₂个测试视频片段的语义镜头序列r₁，r₂，L，作为测试数据集；(3)定义语义镜头集为A＝{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；(4)按如下步骤建立归一化的语义加权和规则，根据训练数据集，得到五种语义镜头各自的语义观测权重和进球事件判决阈值：(4a)定义语义镜头集A中第k种语义镜头s_k在进球事件中包含的信息为语义信息按下式进行计算：Isk=-log(P‾(sk|e))]]>P‾(sk|e)=1Z1Σx=1Z1Px(sk|e)]]>Px(sk|e)=axskax]]>其中，Z₁为训练视频片段个数，s_k是语义镜头集A中的第k种语义镜头，k∈{1，2，3，4，5}，e为进球事件，表示在进球事件中语义镜头s_k出现的平均概率，P_x(s_k|e)为第x个训练视频片段中语义镜头s_k出现的概率，为第x个训练视频片段中语义镜头s_k的个数，a_x为第x个训练视频片段中所有语义镜头的个数；(4b)根据语义信息定义语义镜头集A中第k种语义镜头s_k在进球事件中的重要性为语义观测权重为：Wsk=IIsk;]]>(4c)根据语义观测权重计算第x个训练视频片段的语义加权和D′_x：Dx′=Σk=15Wsk×axsk]]>Σk=15axsk=ax;]]>(4d)根据第x个训练视频片段的语义加权和D′_x，计算训练视频片段的归一化语义加权和D_x：Dx=1ax×Dx′;]]>(4e)计算Z₁个训练视频片段的Z₁个归一化语义加权和D₁，D₂，L，中的最小值D_min：Dmin=min(D1,D2,L,DZ1);]]>(4f)选取比最小值D_min略小的一个数值T₁作为进球事件判决阈值；(5)根据语义观测权重计算第j个测试视频片段的语义加权和D″_j：Dj′′=Σk=15Wsk×bjsk]]>Σk=15bjsk=bj]]>其中，为语义镜头集A中第k种语义镜头s_k的语义观测权重，为第j个测试视频片段中语义镜头s_k的个数，b_j为第j个测试视频片段中所有语义镜头的个数；(6)根据第j个测试视频片段的语义加权和D″_j，计算该测试视频片段的归一化语义加权和D″′_j：Dj′′′=1bj×Dj′′,]]>(7)若D″′_j＞T₁，则第j个测试视频片段中包含进球事件，若D″′_j≤T₁，则第j个测试视频片段中不包含进球事件。