Detailansicht

Composition of highlight videos by modeling and rating events from sport broadcasts and its metadata
Christoph Draschkowitz
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Medieninformatik
Betreuer*in
Wolfgang Klas
Volltext herunterladen
Volltext in Browser öffnen
Alle Rechte vorbehalten / All rights reserved
DOI
10.25365/thesis.54235
URN
urn:nbn:at:at-ubw:1-15623.92575.658965-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)

Abstracts

Abstract
(Deutsch)
Die Motivation dieser Arbeit basiert auf dem Fakt, dass das Kreieren von Highlight Videos auch heutzutage noch zeitintensiv ist. Es existiert eine steigende Nachfrage nach Sportkonsumation und viele Sportarten verteilen sich mittlerweile über den gesamten Globus. Große Sport Teams verkaufen ihre Rechte an mehr als 100 Län- der weltweit. Da Videokameras und technisches Equipment immer besser und bil- liger verfügbar sind, werden sogar Randsportarten wahrgenommen und sehr oft werden Spiele davon zum Beispiel in Online Kanälen live gezeigt. Während die Nachfrage danach oft eher gering ist, wäre eine Kurzzusammenfassung der Videos etwas, das viele Menschen ansprechen könnte. Diese Masterarbeit benutzt einen regulären TV Broadcast und ein Text File, das von einem Live Ticker über ein Eishockeymatch exportiert wird, als Input und produziert daraus ein Sport High- light Video, ohne dazu auf die Hilfe von Experten zurückzugreifen. Ein User könnte jedoch über ein Interface Einfluss nehmen. Daher ist diese Arbeit thematisch im Bereich "Multimedia Retrieval" angesiedelt. Es geht jedoch auch darum Modelle zu erstellen und zu adaptieren, die sowohl Micro Events, als auch Regeln zur Kom- position des Videos beschreiben. Die Resultate zeigen, dass mithilfe von "play by play" Daten mit Zeit Informationen, dem dazugehörigen Video und Multimedia Techniken, qualitativ gute Highlight Videos erstellt werden konnten. Die Frage ob vollautomatisch kreierte Videos dauerhaft besser als manuell erstellte Videos sein können, bleibt natürlich bestehen. Allerdings konnte bewiesen werden, dass ein solches Framework extrem hilfreich in einem solchen Prozess sein kann. Zum Beispiel um im vornherein interessante Events zu erkennen und Abgrenzungen zu schaffen, aber auch durch viele andere Möglichkeiten.
Abstract
(Englisch)
Motivation of this work is the fact that the creation of highlight videos nowadays takes a lot of manpower and is time consuming. There is a rising interest in global sports and more and more sports get spread around the world. Big sport teams nowadays sell their rights to more than a 100 countries. Due to video cameras and technical equipment getting cheaper and better, even rather small sport events can be recorded and very often these are also getting broadcasted, for example on online channels. The demand for those broadcasts might be small, whereas a short summary of events might very often be something more people would want to watch. This master thesis uses a regular TV broadcast and a text file, exported from a live ticker about the game, as inputs and aims to produce a sport highlight video without the full assistance of experts in the progress. However, an expert and/or user could adapt the model on the fly, by giving inputs. Thus the overall thematic area of this work is on one hand the retrieval of multimedia features. On the other hand it is also about creating and adapting a model (for events) using various methods that include any type of data analysis. Results confirm that, by the help of timestamped play by play data and multimedia techniques, a very decent highlight video can be created. While the question remains if a fully automatically generated highlight video can consistently perform better than a manually created video, it could be proven that such a framework can be extremely helpful in the creation process, for example by choosing events beforehand, by detecting event boundaries and many more.

Schlagwörter

Schlagwörter
(Englisch)
Sports Highlight Composition Automatic Summarization Video Meta data Audio Features Video Features Event Rating OpenCV Python Icehockey
Schlagwörter
(Deutsch)
Sport Highlight Komposition Zusammenfassung Video Metadaten Audio Features Video Features OpenCV Python Eishockey
Autor*innen
Christoph Draschkowitz
Haupttitel (Englisch)
Composition of highlight videos by modeling and rating events from sport broadcasts and its metadata
Paralleltitel (Deutsch)
Komposition von Highlight Videos durch Modellierung und Bewertung von Events von Sportübertragungen und deren Metadata
Publikationsjahr
2018
Umfangsangabe
118 Seiten : Illustrationen, Diagramme
Sprache
Englisch
Beurteiler*in
Wolfgang Klas
Klassifikation
54 Informatik > 54.52 Software engineering
AC Nummer
AC15504708
Utheses ID
47922
Studienkennzahl
UA | 066 | 935 | |
Universität Wien, Universitätsbibliothek, 1010 Wien, Universitätsring 1