آشکارسازی گل در ویدیو مسابقات فوتبال با استفاده از سیستم استنتاج فازی

رویداد گل، مهمترین رویداد مسابقه فوتبال است و آشکارسازی آن در سیستم‌های خلاصه‌سازی، جستجو و بازیابی ویدیو مسابقات فوتبال کاربرد زیادی دارد. در این مقاله روشی جدید برای آشکارسازی گل در ویدیوی پخش تلویزیونی مسابقات فوتبال ارائه می‌گردد. روش پیشنهادی با پردازش داده‌های صوتی و تصویری در سطح پایین و سطح میانی، ویژگی‌های مناسب را استخراج کرده و از آنها برای آشکارسازی گل که یک مفهوم سطح بالاست، استفاده می‌کند. در پردازش‌های سطح پایین، ابتدا انرژی صوتی و هیستوگرام سه‌بعدی در فضای rgb استخراج شده و مرز بین شات‌ها تعیین می‌گردد. سپس در پردازش‌های سطح میانی، نوع نما برای هر شات تعیین می‌شود. همچنین لوگوی مسابقات در ویدیو آشکارسازی شده و بر اساس آن، بخش‌های پخش مجدد مشخص می‌شود. در مرحله آخر، پس از بخش‌بندی ویدیو به واحدهای معنایی، ویژگی‌های استخراج شده از پردازش‌های سطح پایین و سطح میانی، با استفاده از یک سیستم استنتاج فازی مورد بررسی قرار گرفته تا بخش‌هایی از ویدیو که شامل رویداد گل هستند، آشکارسازی شوند. نوآوری عمده این روش، به کارگیری دانش زمینه و قوانین اکتشافی در قالب سیستم استنتاج فازی است. این نوآوری علاوه بر ارائه یک راهکار برای توصیف ساده‌تر قوانین اکتشافی توسط فرد خبره و اعمال آن به سیستم، از مزایای مدل‌سازی فازی و استنتاج فازی نیز بهره‌مند است. آزمایش‌های انجام شده بر روی 12 ویدیو مربوط به مسابقات جام جهانی 2010 آفریقای جنوبی نشان می‌دهد نرخ دقت و نرخ بازخوانی روش پیشنهادی به ترتیب 90.9% و 90.9% می‌باشد و نسبت به روش‌های دیگر عملکرد بهتری دارد

Goal Event Detection in Soccer Video using Fuzzy Inference System

Goal is the most important event in soccer matches thus, goal event detection is very useful for video summarization and video retrieval. In this article, we propose a new goal event detection method in the broadcast soccer videos using a fuzzy inference system. In this method, audiovisual data is processed and lowlevel and midlevel features are extracted to detect the goal event as a highlevel concept. At the lowlevel processing stage, audio energy is extracted from the audio signals and 3D RGB histogram is computed for each frame. Additionally, boundaries of shots are detected as lowlevel features. Then, midlevel processes are accomplished. This stage contains view type recognition, logo detection, and replay boundary detection. Finally, the video is segmented to some semantic parts and a fuzzy inference system investigates the content of each semantic part to detect goal events. The main contribution of our method is presentation of expert's knowledge and heuristic rules in the form of fuzzy rules for goal event detection. This method benefits from fuzzy modeling and fuzzy inference systems while presents heuristic rules in a simple and understandable form. A soccer video data set containing 12 videos related to FIFA 2010 (South Africa) was used for experiments. Experimental results show that precision and recall of our method is 90.9% and 90.9%, respectively. They also illustrate that the proposed method outperforms other methods for goal event detection.