题目：基于运动学特征的沙滩排球动作识别研究

    动作识别的研究是计算机视觉领域最为热门的研究方向之一，具有广阔的应用前景。作为人们在互联网世界获取信息的主要媒介，视频的智能分析和理解将使人们的生活更为便捷。视频中人的动作是传递视频内容本质的最为直接的手段。因此，动作识别技术对于视频的智能分析的发展至关重要。目前为止，简单动作的识别技术已取得明显的进步。然而由于动作组成复杂、背景运动干扰、频繁的交互行为以及不同类别之间存在极大的相似性等问题，针对复杂动作，特别是体育动作的识别方法的效果仍不能满足实际应用的需求，设计一个具备高效识别率和实时性的动作识别方法是一项具有挑战性的研究课题。现有的基于密度轨迹线的局域时空描述子方法，虽对体育动作的识别的效果有了明显的改善，但是其未能充分地挖掘动作本身的运动学信息，不能更好的把握运动本质。因此，需要进一步的研究来解决该问题。

本论文研究的主要工作是研究体育视频中的动作识别，并将具体方法用于沙滩排球视频的动作分析。具体的研究内容包含三大部分：

    首先，针对体育视频的特点，对跟踪-学习-检测（Tracking-Learning-Detection）目标跟踪算法进行了改进，引入了密度轨迹线机制，改进了遮挡判别机制，提出了轨迹离散度度量，改进其检索机制；针对较差遮挡与运动员之间外形相似性高的特点，在学习机制中提出轨迹离散度，并用于区域时空连续性判别，使该方法从实时性与准确性两个方面都更好的满足体育视频目标跟踪的需求。

    其次，提出了基于静态和动态特征速度的局域时空描述子。与传统局域时空描述子相比，该描述子能够更好的挖掘视频中动作的时间变化特性，传达出更多的运动学信息，能够从更精细的层面描述动作的特性，从而高效地解决不同类别运动之间相似性高的问题。

    最后，基于轨迹线与静态和动态特征速度描述子，提出了一种基于运动特征融合的动作识别方法。与以往的方法不同，该方法从位移、轮廓、速度分布、加速度以及其他时间结构等不同层面挖掘动作的运动特性，较为全面的表达了动作的运动信息。

    同时，本论文研究在两个主流的体育动作数据库上进行了实验，证明了提出的方法的有效性和优越性。此外，将该方法用于沙滩排球视频动作识别，获得了较好的实时性和较高的识别效率。