各种各样国际、国内体育赛事的举办，直接导致了广播体育视频数据的爆炸式增长。如何针对不同用户需求，从海量数据中快速、有效地提取有用信息，是体育视频分析中的关键问题。本文以篮球比赛视频为分析对象，基于全局运动特征进行篮球比赛攻防转换语义分析，并基于SIFT算法进行记分牌分值提取，最后基于已有的篮球运动轨迹，建立了罚球得分事件的HMM模型。 首先，运动估计算法的研究与实现，研究了光流法和块匹配法，实现了基于多级图像金字塔的Lucas-Kanade算法，对图像光流场进行分析，得出运动矢量场。进一步对块匹配方法进行了深入研究，采用SAD匹配法则，8×8的宏块，利用菱形搜索法求解运动矢量场，并结合论文应用进行以下改进：去除外点；增加基于起始搜索点的预测；设定中止搜索的最优化阈值。 其次，基于全局运动统计特征进行篮球比赛攻防转换语义分析。通过提取运动矢量场的统计特征，提取了摄像机的扫视、变焦等全局运动，最后对攻防转换进行了语义标注，初步的试验结果表明，本文方法能够正确标注80％以上的攻防转换，并且对起始帧和终止帧的标注偏差小于1秒。 再其次，基于SIFT特征实现了记分牌分值提取。首先用线性插值方法对图像进行缩放，再用平滑函数对图像进行预处理，得到金字塔型图像组。然后在图像组中按照一定规则提取特征点，并建立特征描述符。最后计算特征描述符的欧氏距离完成字符识别。 最后，研究了HMM的算法原理，并建立了罚球得分事件的HMM模型。在对HMM模型进行细致研究的基础上，针对篮球比赛中的罚球得分事件，建立相应的马尔可夫链，研究了HMM模型的构建方法、参数的训练以及事件识别方法。