Resumen

Dada la limitación del rango de seguimiento en el seguimiento de objetivos de video deportivo en juegos de baloncesto, existen algunos problemas, como un efecto de seguimiento deficiente, baja precisión, baja capacidad anti-interferencia y ser consumidor de tiempo. Por lo tanto, este estudio propone un algoritmo de seguimiento de objetivos de video de baloncesto basado en una red neuronal gris mejorada. Según la diferencia de gris de píxeles de la imagen objetivo en el video de baloncesto, este estudio aplica el algoritmo de umbral adaptativo para segmentar la imagen objetivo del video de baloncesto y obtener el área objetivo del video de baloncesto. Este algoritmo puede normalizar el nivel de gris del área objetivo, construir la secuencia generadora del área objetivo y recopilar los datos objetivo del video de baloncesto. Obtiene la matriz de salida de características del objetivo del video de baloncesto basada en la dispersión geométrica de la imagen objetivo y extrae los puntos clave de características del objetivo del video de baloncesto mediante análisis de diferencia visual de un solo fotograma. Además,

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Limitaciones; Rango de seguimiento; Seguimiento de objetivos de video deportivo; Juegos de baloncesto; Efecto de seguimiento; Algoritmo de seguimiento de objetivos; Red neuronal gris; Diferencia de gris de píxeles; Algoritmo de umbral adaptativo; Segmento; Imagen objetivo; área objetivo; Nivel de gris; Generación de secuencia; Matriz de salida de características; Dispersión geométrica; Puntos clave de características; Análisis de diferencia visual de un solo fotograma; Red neuronal gris mejorada; Seguir; Localizar; Reconstruir; Superresolución; Resultados experimentales; Precisión de seguimiento de objetivos; Capacidad antiinterferencias; Tiempo de seguimiento de objetivos
• Keywords:Limitations; Tracking range; Sports video target tracking; Basketball games; Tracking effect; Target tracking algorithm; Grey neural network; Pixel grey difference; Adaptive threshold algorithm; Segment; Target image; Target area; Grey level; Generating sequence; Feature output matrix; Geometric dispersion; Key feature points; Single frame visual difference analysis; Improved grey neural network; Track; Locate; Reconstruct; Superresolution; Experimental results; Target tracking accuracy; Anti-interference ability; Target tracking time