体育视频球类运动目标跟踪方法探寻
一种有效的体育视频目标跟踪算法
ｅ ｏ ｏｔ ｉ ｔ ｎ ｉ ｍ ａ －ｈｆ ａ ｏ ｔｍ．ｎ ｏ ｐ ｔ ｏ ｊｃ’ ｔ ｅｐ ｓｉ ． ｌ ｆ ｐ ｍ ｚ ｉ ｎ ｅｎ ｓｉ ｌ ｒｈ ａｄ ｃｍ ｕｅ ｂ ｔＳ ｒ ｏｉｏ ｉ ａｏ ｔ ｇｉ ｅ ｕ ｔｎ
Ｋｅ ｗｏ ｄ ：ｓ ｏ ｓ ｖ ｄ ｏ， ａ ｉｌ ｌ ｒ ｍｅ ｎ ｓ ｉ ， ｙ ｉ ｒ ｃ ｉ ｇ ａｇ ｒ ｈ ｙ ｒ ｓ ｐ ｒ ｉｅ ｐ ｒ ｃｅ ｆ ｔ ， ａ — ｈ ｆ ｈ ｂｒ ｔａ ｋ ｎ ｌ ｏ ｔ ｍ ｔ ｔ ｉ ｅ ｔ ｄ ｉ
Ｅ－ ａｌ ｗｐｘｏ ＠ ｉｔａ ．ｎ ｍ ｉ： ｉｎｇ ｃ ．ｃｃ
摘 要 论 文研 究 了面 向 体 育视 频 的运 动 目标跟 踪技 术 ， 出 了一种 最优 化 的 混 合跟 踪 方 法 首 先 ， 用柱 子 滤 波 算 法 提 采 来 预 测运 动 目标 的 初 略 位 置 ， 通过 比较 预 测 位 置上 的 目标 同 目标 模 型 之 间 的相 似 度 ， 当相 似 度 小 于 一 定 的 阀值 时 ， 为 认 目标 运 动 模 型 发 生 了根 本 变化 ． 需要 启 用 新 的 运 动 模 型 ： 当相 似 度 大 于 一 定 的 阀值 时 则认 为 目标 运 动 模 型 没 有 发 生 大
ｂｌｙ ｉ ｍ ｒ ｈｎ ｅｎｔｖｌｅｗ ｏｓ ｅ ｈ ｂｅｔＳ ｄｎ ｍ ｃ ｍ ｄ ｌｈ ｓｎ ｔｃａ ｇｄ ａ ｄ ｄｎ ｔｎｅ ｏ ｍ ｄｆ ｉｔ ｓ ｏｅ ｔａ ｏｓ ａｕ ， ｅ ｃｎｉ ｒｔｅ ｏｊｃ’ ｙ ａ ｉ ｏ ｅ ａ ｏ ｈｎ ｅ ｎ ｏ ’ ｅｄ ｔ ｏｉ ｉ ｄ ｙ
Ａ ｓｒｃ：Ｗｅ ｉｖｓ ｇｔ ｔｅ ｐｏ ｌ ｆｏｊｃ ｔ ｃｉｇ ｆ ｍ ｓｏｔ ｖ ｅｓａｄ ｐｏｏｅａ ｎ ｗ ｈ ｂ ｄ ｏｊｃ ｔ ｃ ｉｇ ｂｔａ ｔ ｎ ｅｔａｅ ｈ ｒｂｅ ｏ ｂｅｔ ｒ ｋｎ ｒ ｐｒ ｉ ｏ ，ｎ ｒｐｓ ｅ ｙｒ ｂｅｔ ｒ ｋ ｉ ｍ ａ ｏ ｓ ｄ ｉ ａ ｎ ｍｅ ｏ ．ｉ ｔ ｅ ｕｅ ｄｆ ｒ ｔｄ ｎｍｉ ｏ ｅ ｉ ｐ ｒｃｅ ｆｔ ｌ ｒｈ ｔ ｅｔ ｔ ｔｅ ｐ ｓｉ ｆ ｏｊｃ，ｎ ｈｎ ｔ ｄＦｒ ， ｓ ｉｅｅ ｙａ ｃ ｈ ｓｗ ｆ ｎ ｍ ｄｌ ｎ ａｔｌ ｉ ｅ ａｇｉ ｍ ｏ ｓｍａ ｈ ｏｉｏ ｏ ｂｅｔａｄ ｔｅ ｉ ｌｒ ｏ ｔ ｉ ｅ ｔｎ ｃｍｐ ｔ ｃｍ ａａ ｉｔ ｂ ｔｅｎ ｏｊｃ ｍ ｄｌａｄ ｏｊｃ ｏ ｈ ｓｍａ ｄ ｐ ｓｉ ， ｈ ｏ ｐ ｒ ｉｔ ｉ ｌ ｓｔａ ｏ — ｏ ｕｅ ｏ ｐｒｂｌｙ ｅ ｅ ｂｅｔ ｏ ｅ ｎ ｂｅｔ ｎ ｔｅｅｔ ｔ ｏｉｏ ｉ ｔｅ ｃｍ ａａ ｌｙ ｓ ｅ ｈｎ ｃｎ ｉ ｗ ｉ ｅ ｔｎ ｆ ｂ ｉ ｓ
短视频拍摄中的五种运动追踪技巧
短视频拍摄中的五种运动追踪技巧随着短视频平台的兴起，更多的人加入了短视频制作的行列，不仅内容丰富多样，而且在视频拍摄和后期制作方面也有了很大的提高。
其中，运动追踪技巧是短视频拍摄中的重要环节之一，它能够让观众更好地感受到视频中的运动元素，增强观赏性。
本文将介绍短视频拍摄中的五种运动追踪技巧，希望对广大短视频爱好者有所帮助。
一、锚点追踪技巧锚点追踪技巧是一种常见的运动追踪方法，它通过选择视频中的固定物体或参照物作为锚点，跟踪该物体的运动轨迹，并将其他视频元素与之关联。
例如，在拍摄一个人打篮球的视频时，可以选取篮球作为锚点，通过追踪篮球的运动轨迹，将其他元素如人物、球框等与篮球进行关联。
这样，观众就能够更直观地感受到篮球运动的快节奏和精彩瞬间。
二、运动延迟追踪技巧运动延迟追踪技巧是一种通过合成运动图像的方式来追踪运动物体的方法。
在拍摄过程中，可以将运动物体的前一帧与后一帧进行叠加，并调整透明度和相对位置，从而形成一种模糊的效果。
通过这种方式，可以突出运动物体在空间中的轨迹，让观众更好地理解运动的过程和变化。
三、光影追踪技巧光影追踪技巧是一种利用光线和影子等元素来追踪运动物体的方式。
在拍摄时，可以通过调整光线的角度和强度，以及利用反射板和灯光效果等手段，突出运动物体的轮廓和动态变化。
同时，注意捕捉运动物体产生的影子，将其作为追踪的参考，使观众更加真实地感受到运动的魅力。
四、运动路径追踪技巧运动路径追踪技巧是一种通过标记运动物体的轨迹来追踪其运动状态的方法。
在拍摄时，可以在运动物体附近设置一些标志物或标记线，记录物体的运动路径。
在后期制作时，将这些标记物或标记线修饰得与视频图像融为一体，通过运动物体在轨迹上的运动，使观众更加清晰地看到运动物体的运动状态和趋势。
五、虚拟场景追踪技巧虚拟场景追踪技巧是一种通过建立虚拟场景来追踪运动物体的方法。
在拍摄时，可以利用特效摄影棚或绿幕技术，将运动物体与虚拟场景进行叠加，从而实现观众身临其境的感觉。
视频检测和运动目标跟踪方法总结
视频检测和运动目标跟踪方法总结目前常用的视频检测方法可分为如下几类：光流法，时域差分法，背景消减法，边缘检测法，运动矢量检测法[2]。
一、光流法光流法[1]是一种以灰度梯度基本不变或亮度恒定的约束假设为基础对运动目标进行检测的有效方法。
光流是指图像中灰度模式运动的速度，它是景物中可见的三维速度矢量在成像平面上的投影，表示了景物表面点在图像中位置的瞬时变化，一般情况下，可以认为光流和运动场没有太大区别，因此就可以根据图像运动来估计相对运动。
优点：光流不仅携带了运动目标的运动信息，而且还携带了有关景物三维结构的丰富信息，它能够检测独立运动的对象，不需要预先知道场景的任何信息，并且能够适用于静止背景和运动背景两种环境。
缺点：当目标与背景图像的对比度太小，或图像存在噪音时，单纯地从图像灰度强度出发来探测目标的光流场方法将会导致很高的虚警率。
且计算复杂耗时，需要特殊的硬件支持。
二、时域差分法时域差分法分为帧差法和改进的三帧双差分法。
1.帧差法帧差法[8]是在图像序列中的相邻帧采用基于像素点的时间差分, 然后阈值化来提取出运动区域。
视频流的场景具有连续性，在环境亮度变化不大的情况下，图像中若没有物体运动，帧差值会很小；反之若有物体运动则会引起显著的差值。
优点：时域相邻帧差法算法简单，易于实现，对背景或者光线的缓慢变化不太敏感，具有较强的适应性，能够快速有效地从背景中检测出运动目标。
缺点：它不能完全提取运动目标所有相关像素点，在运动实体内部不容易产生空洞现象。
而且在运动方向上被拉伸，包含了当前帧中由于运动引起的背景显露部分，这样提取的目标信息并不准确。
2.三帧双差分法三帧双差分法与相邻帧差法基本思想类似，但检测运动目标的判决条件上有所不同。
三帧双差分较两帧差分提取的运动目标位置更为准确。
三、背景消减法背景消减法[4]是将当前帧与背景帧相减，用阈值T判断得到当前时刻图像中偏离背景模型值较大的点，若差值大于T则认为是前景点（目标）；反之，认为是背景点，从而完整的分割出目标物体。
足球比赛视频中目标的检测与追踪
第四章 足球比赛视频序列中的目标 .....................................................................17 4.1 球员和足球的提取 .........................................................................................17 4.2 镜头边界检测 .................................................................................................17
2.2 运动目标的跟踪 ...............................................................................................9 第三章 运动目标检测跟踪相关技术 ..................................................................... 11 3.1 数学形态学 ..................................................................................................... 11 3.2 Hough 变换 .....................................................................................................13 3.3 目标匹配算法 .................................................................................................14
基于改进高斯混合模型的体育视频运动目标检测与跟踪
基于改进高斯混合模型的体育视频运动目标检测与跟踪作者：高野来源：《现代电子技术》2017年第19期摘要：针对当前体育视频运动目标检测存在的弊端，提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。
通过分析高斯混合模型的弊端，保留原有的“背景重建⁃模型更新⁃背景更新⁃目标检测”处理进程，将彩色图像转换为灰度图像，在像素相似度差别小的背景区域进行动态扩张，加入基于灰度直方图的目标跟踪进程，提高高斯混合模型对体育视频运动目标的处理效率与精度。
实验结果表明，所提方法对体育视频的干扰处理能力强，检测范围大，检测与跟踪效果好。
关键词：高斯混合模型；体育视频；运动目标；目标检测；目标跟踪中图分类号： TN911.73⁃34； TP391.41 文献标识码： A 文章编号： 1004⁃373X（2017）19⁃0091⁃03Detection and tracking of moving object in sports videobased on improved Gaussian mixture modelGAO Ye（Xi’an International Studies University，Xi’an 710128， China）Abstract： Aiming at the drawbacks existing in current moving object detection of sports video， a detection and tracking method of moving object in sports video based on improved Gaussian mixture model is improved. The shortcomings of Gaussian mixture model are analyzed to retain the original processes of ″background reconstruction⁃model update⁃backgroundupdate⁃target detection″， convert the color image into gray image， carry out the dynamic expansion of background area with small difference of pixel similarity， and add the target tracking process based on gray⁃level histogram. The improved Gaussian mixture model can improve the processing efficiency and precision of the moving target in sports video. The experimental results show that the method has strong ability for interference processing of sports video， wide detection range， and perfect detection effect and tracking effect.Keywords： Gaussian mixture model； sports video； moving target； target detection； target tracking0 引言随着国内外体育赛事的频繁开展，体育队伍开始采用信息化手段提升运动员的比赛水平，体育视频运动目标检测与跟踪是其中一种十分常见的方法。
体育视频球类运动目标跟踪方法探寻
体育视频球类运动目标跟踪方法探寻
刘晓东;陈新保;杨光辉;蒙佳华
【期刊名称】《大众科技》
【年(卷),期】2018(020)001
【摘要】体育视频是观众获取比赛信息的重要方式之一,体育视频目标跟踪技术对智能体育视频系统的发展与应用具有重要意义.通过对体育视频球类目标的跟踪和轨迹重建确定运动员以及球体的运动轨迹,可为教练训练、战技分析等提供科学依据.文章根据体育视频目标跟踪的处理流程,对目前国内外有关体育视频目标跟踪的研究方法进行了梳理分析,指出了当前研究的不足,展望了未来体育目标跟踪可能研究的方向.
【总页数】3页(P114-116)
【作者】刘晓东;陈新保;杨光辉;蒙佳华
【作者单位】湖南科技大学地理空间信息技术国家地方联合工程实验室,湖南湘潭411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学地理空间信息技术国家地方联合工程实验室,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201
【正文语种】中文
【中图分类】TN948
【相关文献】
1.体育领域视频运动目标的跟踪方法研究 [J], 于楼成
2.复杂环境下视频目标鲁棒跟踪方法研究 [J], 莫茜
3.基于V-CSK视频遥感卫星运动目标检测跟踪方法 [J], 黄萍萍;王峰;向俞明;尤红建
4.运动视频中人体目标动作标记点动态跟踪方法研究 [J], 张伟
5.基于GMS与FPME的视频目标跟踪方法 [J], 张海涛;秦鹏程
因版权原因，仅展示原文概要，查看原文内容请购买。
基于Mean Shift算法的网球运动视频目标跟踪研究(全文)
基于Men Shift算法的XX球运动视频目标跟踪研究XX：1004?373X（20XX）13?0073?04bstrct：Since the trcking effect of the trditionl Men Shift lgorithm is poor in the situtions tht the speed of the moving object is fst，nd the moving object is blocked out，n improved Men Shift lgorithm bsed video object trcking method of tennis sports is proposed. The process nd shortcomings of the Men Shift lgorithm to perform the video object trcking of the tennis sports re nlyzed. The lest squre method is used to improve the Men Shift lgorithm，nd predict the video object loction of tennis sports. The itertive trcking is crried out for this position. The Men Shift lgorithm is dopted to get the finl trget trcking position，solve the problems of fst trget movement speed nd interference shielding，reduce the distnce between the vector nd convergence point when ech frme is retrieved，nd improve the trcking efficiency. The experimentl results show tht the method hs high trcking performnce nd trcking efficiency.Keywords：Men Shift lgorithm；tennis sports；video object；trcking reserch0 引言随着计算机技术的快速进展，计算机视觉技术在人们的生产和生活中的应用价值也逐渐提升。
体育视频中运动对象的分割与跟踪的开题报告
体育视频中运动对象的分割与跟踪的开题报告一、研究背景随着体育赛事的不断增多和直播方式的不断创新，体育视频的应用越来越广泛，涉及到了直播、录像、回放等多个方面。
其中，对于体育赛事的直播和录像来说，目前已经可以实现高清画质和实时传输，但是在实现运动对象的自动分割和跟踪方面还存在很大的挑战。
二、研究内容运动对象的分割和跟踪是指将体育视频中的主要运动对象（比如足球、篮球、羽毛球等）从背景中分离出来，并跟踪运动对象的位置和运动轨迹。
目前，运动对象的分割和跟踪技术是体育视频分析和应用中的热门研究领域。
主要研究内容包括以下方面：1. 运动对象的分割分离运动对象主要有两种方法，一种是基于运动的方法，另一种是基于形状的方法。
基于运动的方法是利用像素在时间上的变化，通过运动目标在不同帧之间的像素差异进行分割；而基于形状的方法则是利用运动目标所具有的形状特征进行分割。
2. 运动对象的跟踪运动对象的跟踪是指在运动对象分割的基础上，对运动目标进行位置和运动状态跟踪。
常用的方法主要有基于像素级别的跟踪方法和基于目标特征的跟踪方法。
三、研究意义体育视频中的运动对象分割和跟踪是实现视频内容理解和应用的基础。
对于体育视频直播和录像来说，实现运动对象的自动分割和跟踪可以大大提高视频的观赏性和趣味性；对于视频内容分析和应用来说，自动化的运动对象分割和跟踪可以使得数据分析和模型建立更为准确和高效。
四、研究方法本研究主要采用数学模型和计算机视觉算法相结合的方法，利用数字图像处理、机器学习和深度学习等技术分析和处理体育视频数据。
其中，常用的算法包括前景运动分割算法、基于轮廓和颜色的对象分割算法、运动轨迹分析和目标跟踪算法等。
五、研究期望通过本文研究，期望建立高效、准确的运动对象分割和跟踪算法，并实现对于不同运动场景下的运动对象的分割和跟踪。
同时，希望通过运动对象分割和跟踪技术的研究，提高体育视频的观赏性和趣味性，为体育智能制造、智能教学等应用领域提供技术支撑。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
体育视频球类运动目标跟踪方法探寻刘晓东;陈新保;杨光辉;蒙佳华【摘要】体育视频是观众获取比赛信息的重要方式之一,体育视频目标跟踪技术对智能体育视频系统的发展与应用具有重要意义.通过对体育视频球类目标的跟踪和轨迹重建确定运动员以及球体的运动轨迹,可为教练训练、战技分析等提供科学依据.文章根据体育视频目标跟踪的处理流程,对目前国内外有关体育视频目标跟踪的研究方法进行了梳理分析,指出了当前研究的不足,展望了未来体育目标跟踪可能研究的方向.【期刊名称】《大众科技》【年(卷),期】2018(020)001【总页数】3页(P114-116)【关键词】体育视频;目标跟踪;单摄像机;多摄像机【作者】刘晓东;陈新保;杨光辉;蒙佳华【作者单位】湖南科技大学地理空间信息技术国家地方联合工程实验室,湖南湘潭411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学地理空间信息技术国家地方联合工程实验室,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201;湖南科技大学资源环境与安全工程学院,湖南湘潭 411201【正文语种】中文【中图分类】TN948视频目标跟踪是获取视频信息的关键，在公共安全、政府、金融及教育等领域具有广阔的应用前景。
近年来，基于体育视频的目标跟踪研究逐渐成为研究的一个重要内容，其主要目的在于展现赛时的精彩瞬间和分析赛中运动员的战技情况，提升运动员的战绩。
从20世纪80年代至今，学术界在体育视频目标跟踪方面做了大量的研究，提出了很多经典的目标跟踪算法。
本文从体育视频目标跟踪的一般处理流程（如图1所示），对不同获取方式的体育视频跟踪和视频目标跟踪算法的研究进展进行归纳和总结，分析了当前体育视频目标跟踪中存在的问题，并探讨了其未来的发展方向。
图1 体育视频目标跟踪的技术流程1 基于不同数据获取方式的体育视频目标跟踪1.1 基于单目视觉的体育视频目标跟踪法基于单目视觉的体育视频目标跟踪是指仅采用一个二维摄像机获取体育视频数据，并从视频数据中跟踪运动目标。
Kim等提出了一种从足球比赛中定位足球位置的方法（如图2所示），采用摄像机高度和球员之间形成的相似三角形实现足球位置的估计，但其计算的前提是必须给定球的起始位置和终点位置。
2005年，Lin 研制了一种对球体进行自动测速的科技，它利用模糊运动的方法分析识别圆形拟合的球形物体，再根据图像的几何形状、摄像机姿态和图像的模糊程度计算目标球体的速度，却忽视了球体的均匀模糊透视。
Shen等针对模型漂移的问题，使用物理模型和几何模型混合的一个新的成本函数实现了基于单目视觉的运动球体轨迹三维重建。
目前采用的方法都存在通过预先设定三维目标模型进行三维重建，无法有效解决视频监控中多目标遮挡跟踪的问题。
图2 基于单摄像机的体育视频目标跟踪1.2 基于多目视觉的体育视频目标跟踪法基于多目视觉的体育视频目标跟踪通常是通过两个或多个摄像头获取体育视频图像，通过几何法或者摄像机之间的配准标定获取运动目标的三维空间位置（如图3所示）。
文献[4]通过灰度、色调、空间结构等综合特征提出了基于双目立体视觉原理的三维坐标重构。
Reid等通过研究多摄像机获取的视频数据，提出了一种基于投影构建的多目视觉体育视频目标跟踪法并成功获取了足球的位置，但是该方法仅用于跟踪目标不被遮挡的情况。
Ohno等提出的足球轨迹预测的系统虽然解决了目标遮挡的问题，但并没有实现球体和球员的追踪。
图3 基于多目视觉的体育视频目标跟踪2 基于体育视频的目标跟踪算法2.1 基于对比度分析的目标跟踪算法基于对比度分析的目标跟踪算法是将目标与背景之间的直方图分布的差异进行对比分析，从而提取、识别和跟踪目标。
对比度跟踪算法基本不受目标姿态变化的限制，可用于跟踪快速运动的目标。
根据跟踪参考点的不同，基于对比度分析的目标跟踪算法可以分为边缘跟踪、形心跟踪以及重心跟踪，其中边缘跟踪算法和重心跟踪算法之间的差异如表 1所示。
但是由于该方法的识别能力差，不适合复杂背景中的目标跟踪，因此在体育视频中的应用较少。
表1 边缘跟踪与重心跟踪的差异边缘跟踪算法重心跟踪算法定义通过追踪目标的一个或者多个确定的边缘来实现目标跟踪的算法。
通过跟踪目标的重心来实现目标跟踪的算法，它分为质心跟踪和形心跟踪两种。
优点脱靶量计算简单、响应快，能很好地跟踪目标的某个特定的部分。
计算简单方便，精度较高，适合背景均匀、对比度小的弱小目标跟踪。
缺点跟踪点易受干扰，跟踪随机误差大。
容易受到目标的聚类运动或目标被遮挡的影响。
应用典型的火箭发射跟踪跟踪有界目标如飞机，且目标完全包含在摄像机的视场范围内。
2.2 基于匹配的目标跟踪算法基于匹配的目标跟踪算法主要是通过前后帧之间的特征匹配实现目标的定位，其基于匹配的目标跟踪算法可以分为特征匹配、贝叶斯跟踪和核方法三类。
2.2.1 特征匹配基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。
在体育视频的目标跟踪中，基于颜色特征和形状特征的特征匹配应用得最为广泛。
Chakraborty 等研发了一种应用于篮球视频中的篮球投射角度和运动速度预测的系统，在该系统的球体轨迹检测中，他们利用球体的外形特征从原始影像中提取运动目标。
Gong和Yow等先后提出了一种基于颜色的模板匹配方法，但是由于足球体积小，运动速度较快，球场环境复杂，都很难实现稳定有效地跟踪。
基于颜色特征的算法不仅用于运动球体的跟踪，同时也应用于运动员的跟踪，Wang等利用比赛双方球员的球衣颜色实现运动球体的建模与跟踪。
但是这些技术均为人为确定视频中运动员所在的位置，因此存在较大的误差。
2.2.2 贝叶斯跟踪目标的运动往往是随机的，其运动过程可以采用随机过程来描述，这种随机过程称为贝叶斯跟踪。
在体育视频中常用的贝叶斯跟踪算法有Kalman滤波、粒子滤波（PF）。
20世纪初，Ren和Yu等先后采用Kalman滤波器对运动球体进行跟踪，但其结果容易受到复杂环境的各种因子的影响。
Liu等在对篮球投射进行分析时，将Kalman滤波和Mean-shift算法进行结合实现了对篮球的跟踪。
文献[13]提出了一种基于高维模型的粒子过滤器扩展法，该方法不仅实现了运动球体的跟踪，而且在一定程度上解决了球体旋转引起的误差。
2.2.3 核方法核方法指的是对相似度概率密度函数或者后验概率密度函数采用直接的连续估计的方法。
体育视频中运用较为广泛的是 Mean-shift跟踪算法，该算法的思想是反复不断地把数据点向Mean -Shift的矢量方向进行移动，最终收敛到某个概率密度函数的极值点。
Han 等利用 Mean-shift跟踪算法实现了対网球运动员的追踪；文献[15]利用Camshift算法实现了球员轨迹的追踪，并研制出篮球比赛的得分系统。
2.3 基于运动目标检测的目标跟踪算法基于运动目标检测的目标算法主要包括背景差分法和帧间差分法。
背景差分法是利用当前图像与背景图像的差分来检测运动区域的一种技术。
该方法适合静态背景下的运动目标提取，在体育视频的目标跟踪里应用较少。
Shishido等曾利用背景差分法提取运动目标，为羽毛球的运动轨迹追踪提供了基础，但是其提取的精度低，误差大；帧间差分法是将相邻两帧图像进行差值计算，并获得运动物体位置和形状等信息的运动目标检测方法。
文献[7]等利用帧间差分法实现了篮球的追踪；Yow等对帧差法进行改进，提出了“帧内法”并实现了对足球的追踪。
虽然这类方法都可以大致实现运动目标的追踪，但是对于目标像素和灰度信息相近的目标以及运动速度过快的目标，跟踪结果都差强人意。
2.4 其他算法在体育视频的研究过程中，也出现了很多其他的算法。
Zhu基于球动视频和人类行为分析的方法提出了一种主观评价的多模态模型。
廖之健等通过研究羽毛球各种类型球的运动参数，设计了羽毛球自动发球机的控制系统。
苏振阳等针对羽毛球裁判系统提出了基于机器人视觉的系统设计研究方案，提高了羽毛球落点判定的效率。
张晶华则针对空气阻力、转动惯量等参数影响，研究推导了羽毛球飞行轨迹的运动方程。
3 结语视频目标跟踪的算法研究经过了几十年的发展，其基本理论、算法、应用等都发展得十分迅速，并取得了一定的成绩。
但是其在体育方面的应用仍是一个较为浅显的领域，依旧存在一些有待深入研究的问题：（1）局限性。
单目视觉系统和多目视觉系统的目标跟踪精确度都依赖于预先设定的三维模型或者先验信息，未来研究的问题主要在于如何建立更通用的三维目标模型。
（2）算法的优化以及算法效率的提高。
从跟踪有效性、精确性方面考虑，阴影造成的视频跟踪误差问题、复杂背景对目标跟踪带来的干扰问题、不规则球体（如：羽毛球）的轨迹易、如何建立更准确的外观模型以及提高复杂情况下多目跟踪的准确率、多目标相互遮挡时二维特征信息丢失导致跟踪失败等问题都需要得到解决。
（3）成熟系统的开发。
目前很少有学者为验证算法开发实验系统，特别应用于体育视频方面的系统更是少之又少，这在一定程度上限制了目标跟踪算法在体育视频方面的应用。
【参考文献】[1] Kim T,Seo Y,Hong K S.Physics-based 3D position analysis of a soccer ball from monocular image sequences[C]//International Conference on Computer Vision.IEEE Computer Society,1998:721.[2] Lin H Y,Chang C H.Automatic speed measurements of spherical objects using an off-the-shelf digital camera[C]//IEEE International Conference on Mechatronics.IEEE,2005:66-71.[3] Shen L,Liu Q,Li L,et al.3D reconstruction of ball trajectory from a single camera in the ball game[M]// Proceedings of the 10th International Symposium on Computer Science in Sports(ISCSS).Springer International Publishing,2016:33-39.[4] 韦争亮,周伦彬,周建英,等.智能化交互人体表面特征点三维运动轨迹检测技术的研究[J].光学技术,2013,39(4):365-371.[5] Reid I D,Zisserman A.Goal-directed Video Metrology[C]//European Conference on Computer Vision.Springer-Verlag,1996:647-658.[6] Ohno Y,Miura J,Shirai Y.Tracking players and estimation of the 3D position of a ball in soccer games[C]//International Conference on PatternRecognition,2000.Proceedings.IEEE,2000:145-148.[7] Caglioti V,Giusti A.Ball trajectory reconstruction from a single long-exposure perspective image[J].Research Gate,2006.[8] Gong Y,Sin L T,Chuan C H,et al.Automatic parsing of TV soccer programs[C]//International Conference on Multimedia Computing and Systems.IEEE Xplore,1995:167-174.[9] Yow D,Yeo B L,Yeung M,et al.Analysis And Presentation Of Soccer Highlights From Digital Video[C]//Asian Conference on Computer Vision,1995:499-503.[10] Wang J R,Parameswaran N.Detecting Tactics Patterns for Archiving Tennis Video Clips[C]//Multimedia SoftwareEngineering,2004.Proceedings.IEEE Sixth International Symposium on.IEEE Xplore,2005:186-192.[11] Ren J,Orwell J,Jones G A,et al.Tracking the soccer ball using multiple fixed cameras[J].Computer Vision & ImageUnderstanding,2009,113(5):633-642.[12] Yu X,Tu X,Ang E L.Trajectory-Based Ball Detection and Tracking in Broadcast Soccer Video with the Aid of Camera Motion Recovery[C]//IEEE International Conference on Multimedia and Expo.IEEE Xplore,2007:1543-1546.[13] Liu Y,Liu X,Huang C.A new Method for Shot Identification in Basketball Video[J].Journal of Software,2011,6(6):1468-1475.[14] Han J,Farin D,De With P H N.Broadcast Court-Net Sports Video Analysis Using Fast 3-D Camera Modeling[J].IEEE Transactions on Circuits& Systems for Video Technology,2008,18(11):1628-1638.[15] Hu M C,Chang M H,Wu J L,et al.Robust Camera Calibration and Player Tracking in Broadcast Basketball Video[J].IEEE Transactions on Multimedia,2011,13(2):266-279.[16] Shishido H,Kitahara I,Kameda Y,et al.A Trajectory Estimation Method for Badminton Shuttlecock Utilizing Motion Blur[M]//Image and Video Technology.Springer Berlin Heidelberg,2013:325-336.[17] Zhu G,Huang Q,Xu C,et al.Human Behavior Analysis for Highlight Ranking in Broadcast Racket Sports Video[J].IEEE Transactions on Multimedia,2007,9(6):1167-1182.[18] 廖之健,程良伦.无拍式羽毛球自动发球机控制系统设计[J].计算技术与自动化,2010,29,(4):27-31.[19] 苏振阳,邵晓鹏,张少辉.基于机器视觉的羽毛球线审辅助系统研究[J].电子世界,2013(21):119-120.[20] 张晶华,汪仁煌,岳洪伟.四个坐标系下羽毛球飞行运动学模型与仿真[J].自动化与信息工程,2013(1):6-10.。