运动科技是提高体育竞技水平的重要手段。将数字视频技术引入体育训练中,用以提高体育训练的科学性与效率,是一项新兴的研究内容。由于该研究涉及到视频对象的提取,视频内容的理解等内容,同时由于体育运动视频具有场景复杂,内容变化大等特点,使得研究内容具有相当的难度。 本文针对体育运动视频这一特定对象,进行了基于运动员运动人体的视频合成技术研究。首先针对体育视频中全局运动变化剧烈的特点,改进了已有的全局、运动估计算法;在此基础上,运用全局运动补偿,比较准确地获取了视频中存在的运动员人体运动信息;最后利用获取的运动员人体运动信息实现了对两段体育视频的合成,并保持了两段视频中运动员动作的清晰度。 本文的主要研究成果如下: 1.针对体育运动视频的特点,改进了全局运动估计中迭代初始值的选取方法,避免使迭代陷入不正确的局部极小值。同时改进了全局运动估计中的外点过滤方法,采用Otsu阈值选取方法,以提高迭代的收敛速度,在保持算法准确性的前提下提高运动估计算法的速度。 2.提出一种针对背景相似视频,采用连续帧差获取视频帧中的运动区域信息,依据该信息对视频帧进行ALPHA融合的方法,以达到在合成视频中消除运动目标上边界,同时保持运动员动作清晰度的效果。 3.在体育运动视频辅助训练系统中,结合运动队训练要求,运用研究成果,实现了运动员动作视频的合成。 体育视频中的全局运动和复杂的背景给清晰合成运动员动作带来了相当大的难度,同时其中涉及到的研究内容对于一般性的视频内容分析,视频对象提取等课题也具有重要的意义。在提高全局运动估计算法的精确性,鲁棒性,降低算法复杂性;提取运动区域信息,进而准确分割出运动目标等方面都还有继续进行研究的必要,这些仍旧是引人入胜的研究领域。