基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了有效地将足球视频中具有复杂背景的球门检测出来,该文提出一种基于支持向量机(Support vector machine,SVM)的球门检测算法.首先对于视频图像,利用Top-Hat变换突出白色,得到彩色边缘图像,并对彩色边缘图像灰度化、二值化和形态学连通分析,接着在此基础上提取视频图像中前两根最长并满足一定条件的垂直方向连通的垂线段作为候选球柱,然后计算特征向量,最后利用SVM的强大学习能力进行球门检测.实验证实该方法不仅检测效率很高,而且比已有的球门检测算法有更强的鲁棒性和适应性.
推荐文章
一种基于ALO-SVM算法的入侵检测方法
入侵检测
数据处理
检测模型建立
蚁狮优化算法
支持向量机
分类测试
一种基于SVM的电弧故障检测方法
支持向量机
电弧故障检测
主成分分析法
一种基于SVM特征选择的油气预测方法
向量计算机
地震数据处理
油气藏
预测
观音场气田
基于SVM的一种新的分类器设计方法
小样本数据
SVM分类器
分类准确率
半监督学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种基于SVM的高效球门检测方法
来源期刊 南京理工大学学报(自然科学版) 学科 工学
关键词 球门检测 支持向量机 视频检索 Top-Hat变换
年,卷(期) 2010,(1) 所属期刊栏目
研究方向 页码范围 13-18
页数 6页 分类号 TP391.41
字数 4209字 语种 中文
DOI 10.3969/j.issn.1005-9830.2010.01.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王建宇 南京理工大学自动化学院 57 550 15.0 20.0
2 戴跃伟 南京理工大学自动化学院 109 931 17.0 24.0
3 张玉珍 南京理工大学自动化学院 25 147 7.0 11.0
4 何新 南京理工大学自动化学院 17 166 7.0 12.0
5 范柏超 南京理工大学自动化学院 3 47 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (51)
参考文献  (6)
节点文献
引证文献  (14)
同被引文献  (25)
二级引证文献  (43)
1995(2)
  • 参考文献(1)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2011(4)
  • 引证文献(3)
  • 二级引证文献(1)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(7)
  • 引证文献(1)
  • 二级引证文献(6)
2014(15)
  • 引证文献(2)
  • 二级引证文献(13)
2015(9)
  • 引证文献(2)
  • 二级引证文献(7)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(7)
  • 引证文献(1)
  • 二级引证文献(6)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
球门检测
支持向量机
视频检索
Top-Hat变换
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京理工大学学报(自然科学版)
双月刊
1005-9830
32-1397/N
南京孝陵卫200号
chi
出版文献量(篇)
3510
总下载数(次)
7
总被引数(次)
33414
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导