臺灣博碩士論文加值系統

在這個時代幾乎人人都有自己的娛樂活動，觀看球賽也成了一項很熱門的活動，而為了能更精確的呈現給觀眾或者運動員看，許多人會為影片加上各種球類的軌跡並有球員們的個人表現資訊，例如棒球就有在畫面上呈現球的飛行軌跡、時速與打擊率。而該研究是為了能更加分析籃球影片並從中來獲得在這場比賽中球員各自的得分表現與缺失，還能更進而能配合應用在戰術分析。傳統的籃球比賽紀錄，通常只表示比賽勝負的結果。該研究將發展出一套技術，能自動將籃球比賽影片中進球，也就是得分事件予以記錄，以便於未來做得分或者命中率分析的工作。
為了達到這個目的，我們有三個處理步驟，首先，先將籃球影片中的背景去除，只留下前景部份。再來是特徵擷取，利用非監督式的機器學習方式來建立起辨識球與籃框這兩項物件的模型。最後再將籃框部份分成兩等份，分析籃框的上層與下層數據來辨識是否為進球事件。



關鍵字：運動影片分析、非監督式機器學習、物件偵測
Keyword: Sport video analysis, Unsupervised learning, Object detection

摘要 i
目錄 ii
圖片索引 iv
表格索引 vi
第一章 簡介 1
1.1 研究動機 1
1.2 研究目的 1
1.3 論文架構 2
第二章 相關文獻 3
2.1 籃球偵測 3
2.2 物件追蹤 4
2.3 分析得分事件 5
第三章 實驗方法 6
3.1 背景處理 6
3.2 物件偵測 7
3.2.1 Viola–Jones object detection 7
3.2.2 訓練影像 10
3.2.3 辨識結果與誤判處理 11
3.3 Goal Detection 16
第四章 實驗結果 25
4.1 球與籃框偵測 25
4.2 得分事件偵測 26
第五章 結論與未來展望 32
第六章 參考文獻 34

[1] Chung-Lin Huang, Huang-Chia Shih, and Ching-Lun Chen, "Shot and Scoring Events Identification of Basketball Videos," IEEE International Conference on Multimedia & Expo (ICME), pp. 1885-1888, 2006.
[2] S. Avidan, "Support Vector Tracking," IEEE International Conference on Multimedia & Expo (ICME), pp. 1629-1632, 2006.
[3] Chirag I. Patel, Ripal Patel, and Palak Patel, "Goal Detection from Unsupervised Video Surveillance," D.C. Wyld et al. (Eds.): ACITY 2011, CCIS 198, pp. 76–88, 2011.
[4] Barmond, M.T., and Zuniga. M, "Video understanding framework for automatic behavior recognition," Behavior Research Methods 38, 416–426 (2006).
[5] Freund, Yoav, Schapire, and Robert E, "A Decision-Theoretic Generalization of on-Line Learning and an Application to Boosting, " 1995, CiteSeerX: 10.1.1.56.9855.