论文总字数：25192字

摘 要

在各项体育运动中，排球运动在世界各地都非常流行。如今，排球球队的发展更多地依赖于运动分析来击败对手。不幸的是，分析数据始终是依靠手动、高消耗时间和低精度完成。自动提取运动员的三维位置和轨迹，多个玩家跟踪（MPT）算法是在排球分析中最重要的技术之一。

在目标跟踪领域，有各种各样的跟踪算法被提出。在这些算法中，粒子滤波(PF)展露出其处理多模态非高斯系统的优越性^[1]。然而，我们的目标是要精确地跟踪多个玩家，许多基于粒子滤波的算法只能跟踪二维图像，很难提取运动员的三维位置和轨迹。因此，多相机基于MPT的粒子滤波可应用于提取玩家的三维信息。

在跟踪算法中，主要的困难是在处理遮挡的情况，它会导致两种后果：判别错误和重新预测误差。基于现有的工作和目前存在的问题进行分析，本文提出用粒子滤波基于多重似然分析、非目标运动员消除模型和运动矢量预测模型的跟踪系统。与提到的MPT算法相比，不仅遮挡问题可以更好的解决，也可以通过多摄像机系统获得玩家在现实世界中的三维信息。首先，对于似然分析部分，我们使用多重似然分析来计算粒子的权重。本文与传统的HSV颜色模型和梯度方向模型相结合，提出了将球衣号码作为一个特征来进行数字检测似然分析。其次，根据传统的二维非目标运动员消除法得到的三维非目标运动员消除法，提出了当检测不到目标球衣号码时，排除来自其他运动员的扰动。当有遮挡时，其他运动员的干扰被排除，以减少可能影响目标的噪音。最后，对于预测部分，运动矢量预测模型能够预测遮挡发生时运动员的位置。

本项目的测试评估是使用正式排球比赛录像（2014年在东京都体育馆举办的日本国际男排高中运动会最后一场比赛）进行。在应用了多重似然分析和运动矢量预测模型后，实验的总成功率提高到92.3％。通过加入非目标运动员的消除模型，我的系统达到了96.8％的总成功率。这也表明，优化后的算法有更高的精度且更适合于排球运动员的跟踪。

关键词：粒子滤波，三维跟踪，多人跟踪，数字检测，似然估计

3D space Multiple Players tracking in volleyball game based particle filter

Abstract

Among various kinds of sports, volleyball is a very popular sport around the world. Nowadays, due to the development of science and technologies, volleyball clubs and teams rely more on sports analysis to defeat the rivals and win the games. Unfortunately, the extraction of analysis data is always done manually with high time consumption and low accuracy. To extract players' 3D position and trajectories automatically, multiple players tracking (MPT) algorithm is one of the most important techniques in volleyball analysis.

Various tracking algorithms are put forward in the object tracking field. Among these algorithms, particle filter shows its superiority in handling non-Gaussianity and multimodality by approximating posterior distribution using weighted particles. However, as our target is to track multiple players precisely, many particle filter based algorithms can only track the players on 2D image plane, which is hard to extract 3D positions and trajectories. Particle filter using Multi-camera based MPT algorithm can be used to extract 3D information of players.

However, current data can only reach the accuracy of 86.6% which cannot meet the demand of professional sports analysis. The main problem is the occlusion problem, which results in two consequences: distinguishing error and re-prediction error.

Based on the analysis of existing works and current problems, this thesis proposes an approach with paritcle filter using players feature based multi-likelihood and 3D elimination of other players for 3D multiple volleyball players tracking.

To evaluate our proposal, the experiment is executed on an official volleyball match video (Final Game of 2014 Japan Inter High School Games of Men's Volleyball in Tokyo Metropolitan Gymnasium). With proposed multi-likelihood model and motion vector prediction model, the total success rate of our proposal increases to 92.3%. By adapting elimination method, the experimental results shows that our tracking algorithm can achieve 96.0% and 97.6% success rate in the first and third set and 96.8% success rate in total. It also shows that our proposal is more suitable for volleyball analysis due to its higher accuracy.

KEYWORDS: Particle filter, 3D players tracking, Volleyball players tracking, Number detection, Motion vector

目录

摘要 I

Abstract II

第1章 绪论 1

1.1 研究背景与意义 1

1.1.1 研究背景 1

1.1.2 研究目标 2

1.1.3 研究意义 2

1.2 研究难点与提案 2

1.2.1 研究难点 2

1.2.2 解决方案 3

1.3 实验环境 3

第2章 三维空间粒子滤波 5

2.1 粒子滤波 5

2.1.1 蒙特卡罗方法 5

2.1.2 粒子滤波算法 5

2.1.3 优化粒子滤波模型 8

2.2 三维空间建立 9

第3章 似然估计与预测模型设计 11

3.1 多重似然模型 11

3.1.1 总述 11

3.1.2 数字检测模型 12

3.1.3 HSV色彩模型 17

3.1.4 梯度方向模型 18

3.2 非目标运动员消除模型 18

3.2.1 总述 18

3.2.2 二维非目标运动员消除法 19

3.2.3 三维非目标运动员消除法 20

3.3 运动矢量预测模型 21

第4章 实验结果 23

4.1 评价标准定义 23

4.2 实验结果与对比 23

4.3 实验结果分析 27

第5章 总结 29

参考文献 31

致谢 32

绪论

研究背景与意义

研究背景

目前，由于职业体育赛事的关注度不断增加，将现代化科技应用于体育赛事是众多企业争相拓展的方向。今后，体育分析会在发展策略和个性化的培训计划领域越来越被普遍和广泛使用。人们总是选择最准确有效的运动分析软件作为他们的首选之一。在许多方面，运动分析能为球队在训练和制定战术上有很大帮助。在各项运动中，排球是最流行的运动之一。然而目前，运动员运动相关数据的录入和排球的运动分析总是依靠人工完成，然后使用数据分析工具来得到相关分析结果，如Data Volley，这是非常消耗人力的处理方式，而且在人工录入时难免会有人为失误造成的误差。

在排球运动的相关研究中，研究人员专注于不同领域的分析过程。用于获得基础分析数据的技术主要分为以下三个部分：球的跟踪，运动员跟踪和动作识别。目前，多人跟踪（MPT）是在这三个领域中兴起的研究领域。

剩余内容已隐藏，请支付后下载全文，论文总字数：25192字