足球运动作为世界上最受欢迎的体育运动之一,对足球比赛视频的研究与分析越来越受到研究人员与学者的关注。对足球比赛视频进行研究和分析,主要运用视频图像处理的方法,对视频中感兴趣的目标进行提取分析,而足球通常作为提取跟踪的目标。如果对足球进行跟踪,就需要在跟踪之前对视频帧进行处理,然后再进行跟踪。因此,如何使足球跟踪效果具有较高的鲁棒性,是当下急需解决的问题。通过研究图像处理技术的应用及现状,以及目标检测跟踪算法的有关文献,结合足球运动的特点,提出了一种基于粒子滤波的足球跟踪算法。主要研究内容如下:(1)视频帧预处理研究。把足球比赛视频转化为视频帧序列,对每一帧图像进行预处理操作。先把视频帧进行由RGB空间到HSV空间的转换;然后根据足球通常情况下会出现在足球场上而不是在场外的特性,以及足球场地的主颜色多是绿色的特点,对球场进行提取并二值化;再通过霍夫变换对球场先进行检测并擦出以消除球场线对足球检测影响;经过形态学处理以后,就完成了足球检测预处理工作。(2)足球粗选算法研究。对视频帧进行预处理操作后,保留下来的球场区域只剩下球员和足球,采用特征提取的算法,根据足球的形状、面积等特征对视频帧中的足球进行粗选操作,减少后期足球跟踪的工作量,提高跟踪效率。(3)粒子滤波足球跟踪算法研究。粗选工作完成后,取首帧序列提取真实足球的颜色特征作为模板,然后把特征模板融入到粒子滤波算法框架中,对每一个候选足球进行粒子滤波算法跟踪,把样本特征与模板特征对比,相似度越高,则真实足球的概率就越大,然后把相似度最高的候选球用矩形框表示。(4)算法实现与实验。通过实验对本文所提算法和Mean-shift经典算法做对比,并且在不同的光照强度下,都具有较好的可行性,尤其是在足球被遮挡的情况下,算法具有较高的鲁棒性。所提算法有两个创新点。第一个创新点是,在跟踪足球之前对足球进行粗选工作,大大减少了足球跟踪的工作量。第二个创新点是,对候选足球应用粒子滤波算法时,提出一种限制矩形框发生跳变的算法,提高了足球跟踪的精确度。研究的不足之处是,在足球被遮挡情况下,算法跟踪效果不是非常理想。