论文部分内容阅读
足球是一项风靡世界的运动,它已成为电视节目中的重要内容。正因为它巨大的商业潜在价值,对于足球视频的研究一直以来在广泛的进行。其中对足球的检测是一个具有挑战性的课题,尤其当摄像机进行远距离拍摄时,画面中的足球很小,而整个背景中有很多的类似足球的物体,这给足球的检测带来很大的困难。足球比赛视频中球员和足球的运动速度快,互相之间会有接触和重合,拍摄的镜头会切换和移动,很多方法在特定的场景中不能达到理想的检测效果。针对现有问题,我们提出了一种基于四元数注意力选择和脉冲耦合神经网络(PCNN, Pulse Coupled Neural Network)的足球检测算法。首先用PQFT (Phase Spectrum of Quaternion Fourier Transform)生成显著图；然后经过PCNN空洞滤波处理后在其中检测目标；如果检测失败,利用显著图生成球场的感兴趣区域,在感兴趣区域中检测足球；如果都未检测成功,则使用卡尔曼滤波器进行预测作为最后结果。论文的主要贡献如下：(1)将四元数注意力选择用于足球检测,取得了较好的效果。首先根据足球场地的颜色特征提取出球场区域,采用PQFT方法找出若干个感兴趣区域,目标会处于其中的一个感兴趣区域中。该方法有效的缩小了检测范围,提高检测效率。(2)提出了简化的PCNN颜色匹配模型。由于PCNN的传播特性,图像中足球候选区域的主神经元将维持相同周期的同步发放。相比传统的阈值分割,PCNN的模糊颜色匹配的方法有很多的优点。PCNN的脉冲传播特性,使得相邻的像素点之间互相影响,有效的去处了噪声点,匹配的结果在形态上更加符合要求。(3)将PCNN的空洞滤波用于基于四元数和卡尔曼滤波的足球检测。使用PCNN空洞滤波得到物体的连通性,可以在大多数情况下直接得到检测目标。由此不仅提高了算法的检测成功率,还提升了算法的效率。