视频目标检测是计算机视觉领域中的重要研究课题,而足球比赛视频中的球员检测是视频目标检测在体育视频运动分析的重要应用。它是球赛视频智能分析必不可少的一部分,是视频精彩事件检测、视频片段主题提取、球员跟踪、球队策略分析等任务的基础。近年来,尽管对检测算法的研究已经取得了很大的进步,但是由于足球视频本身所具有的一些属性,使得球员检测仍然存在许多挑战,例如因球员和镜头移动带来的运动模糊,因拍摄场地和时间的变化带来的光照影响,还有比赛过程中球员的互相遮挡,以及不同镜头中待检测的球员尺寸变化较大等。为了解决以上问题,研究者们已经提出了很多有效的检测模型。其中基于深度学习的卷积神经网络检测模型,取得了当前最好的检测成绩。它能够将提取特征、生成候选框、然后进行分类和定位等多项任务融合成一个端到端的网络模型,并且多个任务之间共享权值,对数据集整体的学习能力更强。因此,本文从卷积神经网络模型入手,探究分析模型自身的特点和球员检测失误的原因,有针对性的对模型结构改进和优化,大幅度提高了球员检测的准确率。本文的主要工作及创新如下:1.提出了一种基于反向连接卷积神经网络(RC-CNN)的球员检测模型。考虑到现有的检测模型对较小尺寸球员检测的准确率较低,结合卷积神经网络提取的特征具有层次化的特点,提出了一种能够将语义信息回传到浅层卷积层的反向连接模型。并通过设计实验探究了该模型在神经网络中的合理位置,也验证了反向连接模型对于提高小尺寸球员检测准确率的有效性。随后在网络的不同层提取得到的多尺度特征图上做卷积预测,计算出每个候选框的类别置信度和位置偏移。最后将传统非极大值抑制算法中的完全抑制改进,通过判断与最大置信度的边界框的重叠面积来进行衰减抑制。网络模型最后通过改进的非极大值抑制算法来进行检测结果后处理,减少漏检和误检的情况。在两个公开的数据集Soccer Player和KITTI上进行实验,结果表明,提出的RC-CNN检测模型均取得了较好的检测结果。2.探究了上述提出的球员检测模型在足球比赛视频虚拟解说员定位中的应用。一、通过分析需要进行解说的图像的特点和适合融入虚拟解说员进行解说的图像的特点,将本文提出的球员检测模型,通过设置置信度的阈值来找到重点解说的球员;二、结合需要解说的重点区域,确定出适合融入虚拟解说员进行解说、且具有重点解说价值的图像帧;三、根据场景解说需求和视觉观感特点,确定了虚拟解说员最终在图像中的位置和大小,从而完成了虚拟解说员的定位。通过从FIFA世界杯网站上下载并分割出的视频比赛片段进行测试,实验结果验证了所提算法模型在虚拟解说员检测定位任务上的有效性。