随着体育事业和多媒体技术的迅速发展,越来越多的人们通过网上观看体育视频来关注体育比赛。而互联网上的视频数据越来越多,快速定位自己感兴趣的内容就成为用户比较迫切的需求,视频分析与语义事件检测就成为解决这一问题的关键。针对网球比赛视频持续时间长,观众希望能尽快找到自己感兴趣的内容这一需求,提出了融合多模态特征的网球视频事件检测方法。网球视频事件检测主要结合视觉特征、文本信息和领域知识。使用候选段选择结合SVD降维特征向量的方法进行边界检测,提高了检测的准确率并且降低了时间复杂度。分析网球视频中比分牌的特征,结合累计像素差与边缘检测的方法提取比分牌模板,通过图像处理技术提取出比分牌上各部分信息的准确位置。使用模板匹配技术将比赛视频分为包含比分牌序列和不含比分牌序列,结合主色率和边缘像素率将包含比分牌的序列分类为全球场镜头(play镜头)和非全球场镜头(break镜头),并从不含比分牌序列中检测出回放镜头。针对play镜头,通过光学字符识别技术并结合球员名字模糊匹配得到准确的球员名字,比分数字使用支持向量机分类器的方法进行识别,最终得到完整的比分序列。分析网球视频的结构特征,将视频划分为以分为基本单元的视频段。融合视觉信息、文本信息和网球比赛的领域知识,进行网球视频的事件检测,共检测出10类语义事件:局、抢七局、平分、占先、破发点、破发、局点、多拍、双误、Ace球。实验结果表明,提出的事件检测方法对局、抢七局、平分、占先、破发点、破发、局点事件得到了理想的检测效果,多拍、双误和Ace球的检测有待进一步研究。