Resumen

El análisis de la toma de vídeo en los partidos de baloncesto y la detección de bordes de la toma de vídeo son los temas más activos y de rápido desarrollo en el campo de la investigación multimedia en el mundo. La segmentación temporal de las tomas de vídeo se basa en la extracción de fotogramas de vídeo. Es la condición previa para la aplicación del vídeo. El estudio de la segmentación temporal de las tomas de vídeo de los partidos de baloncesto tiene una gran importancia práctica y perspectivas de aplicación. En vista de que el algoritmo actual tiene un largo tiempo de segmentación para la toma de vídeo de los partidos de baloncesto, se propone el modelo de aprendizaje profundo y el algoritmo de segmentación temporal basado en el histograma para la toma de vídeo del partido de baloncesto. Los datos de vídeo se convierten del espacio RGB al espacio HSV mediante la detección de los límites de la toma de vídeo del partido de baloncesto utilizando el aprendizaje profundo y el procesamiento de los fotogramas de la imagen, en el que las estadísticas del histograma se utilizan para reducir la dimensión de la imagen de vídeo, y los componentes de tres colores en el vídeo se combinan en un vector de características unidimensional para obtener el nivel de cuantificación del vídeo. El vector unidimensional se utiliza como variable para realizar la estadística del histograma y el análisis de la toma de vídeo y para calcular la diferencia de fotogramas continua, la diferencia de fotogramas acumulada, la diferencia de fotogramas de la ventana, la media de la ventana adaptativa y la relación supermedia del vídeo del partido de baloncesto. Los resultados del cálculo se combinan con el umbral dinámico establecido para optimizar la segmentación temporal de la toma de vídeo en el partido de baloncesto. De los resultados de la comparación se desprende que la eficacia del algoritmo propuesto se verifica mediante la prueba de la tasa de detección fallida de los tiros de vídeo. De acuerdo con el resultado de la prueba del tiempo de división, el algoritmo de optimización para la segmentación temporal de la toma de vídeo en el juego de baloncesto se implementa de manera eficiente.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:toma de vídeo, partidos de baloncesto, segmentación temporal, vídeo de partidos de baloncesto, estadísticas de histograma, tasa de detección fallida, gran importancia práctica, modelo de aprendizaje profundo, diferencia de fotogramas de las ventanas, tiempo de segmentación largo
• Keywords:video shot, basketball games, temporal segmentation, basketball games video, histogram statistics, missed detection rate, great practical significance, deep learning model, windows frame difference, long segmentation time