1.一种基于全局运动的视觉目标对齐方法，其特征在于，包括以下步骤：(1)对冰壶运动视频中的冰壶进行目标跟踪，得到每一帧中冰壶所在位置的像素点坐标；

(2)对视频帧与帧之间的角点进行配对，得到仿射变换矩阵，在此基础上进行估计，得到视频中摄像机的全局运动数据；

(3)手动获取视频最后一帧冰壶计分区域中心点坐标，并用全局运动数据对其进行处理，得到所有帧中计分区域中心点位置坐标；

(4)结合冰壶位置数据和冰壶计分区域中心点位置数据，计算得到冰壶在场地上的完整运动轨迹，避免了镜头运动所产生的的干扰，实现视觉目标对齐；

步骤(2)中，全局运动的估计方法为：分别对视频里的每一帧图像检测角点，使用的是Shi‑Tomasi算法；

角点质量评价方法如下：

其中w(x,y)是窗口函数，I(x,y)是该点的强度，I(x+u,y+v)是该点位移强度，E(u,v)是[u,v]这个方向上的图像灰度变化；角点检测需要使E(u,v)的值最大；

2 2 2 2

由I(x+u,y+v)＝I(x,y)+Ixu+Iyv+Ο(u +v)，其中，Ο(u+v)代表将I(x+u,y+v)展开后，得到的除I(x,y)+Ixu+Iyv以外的余项部分，其大小忽略不计；因此得到：将 记为Δ，则，

这里Ix和Iy是x和y方向的导数；令λ1,λ2为M的特征值，则打分函数为：R＝min(λ1,λ2)

如果打分R超过设定的角点质量评价值，就认为它是角点；设定的角点质量评价值设置为0.01；

之后根据两帧之间配对成功的角点，估计出两帧之间的仿射变换矩阵，从中提取出后一帧相对于前一帧的全局运动变量，包括水平方向位移量、垂直方向位移量、倾斜角度、缩放尺度。

2.根据权利要求1所述的方法，其特征在于步骤(1)中，对冰壶的目标跟踪的具体方法为：对冰壶进行目标检测，使用的是siamRPN++深度学习算法，该方法直接对视频每一帧里的冰壶进行跟踪，得到冰壶在当前图像里的位置，返回结果是每一帧里冰壶检测矩形框的四个角的坐标值；继续对该结果进行处理，得到矩形框中心位置的坐标，并将其视为冰壶中心位置坐标。

3.根据权利要求1所述的方法，其特征在于步骤(3)中，对于手动获取到的冰壶计分区域中心点的位置坐标，使用步骤(2)中得到的全局运动变量对其进行处理，便能得到前一帧的计分区域中心点位置坐标；以此类推，直到获得视频所有帧中的计分区域中心点位置坐标。

4.根据权利要求1所述的方法，其特征在于步骤(4)中，对步骤(1)得到的冰壶位置数据进行处理，求得冰壶检测框的中心位置坐标，将该数据与步骤(3)得到的每一帧中冰壶计分区域中心点位置坐标相结合进行计算，得到视频每一帧中冰壶相对于计分区域中心的相对位置坐标；将结果绘制在冰壶比赛场地全景图上，得到冰壶完整运动轨迹的可视化数据。