Mar, 2020

总是看向场地的亮面：融合姿势和背景数据来估计足球运动员的方向

PDF
TL;DR该研究针对足球运动员的身体定位这一尚未深入探讨的领域，提出了一种新颖的技术，可结合 OpenPose 和超分辨率网络等技术从单目视频录像中获取球员身体定向，进而生成可视化的定向数据，替补了目前定位方面的空白。
orientationsoccer playersbody orientationsports analyticsvideo recordings
发现论文，激发创造
  • 利用球员身体定向对足球传球可行性建模

    本文提出了一种计算模型，利用进攻球员的方向和对手的空间配置来计算在同一团队的玩家之间的传球事件的可行性，结果表明通过引入方向作为可行性度量，可以构建一个强健的计算模型，并结合预期控球价值指标，有望改善现有模型，从而更好地帮助教练和分析员了解比赛，提高球员的决策过程。

    Apr, 2020

  • 桌上足球

    本文介绍了一种将足球比赛的单眼视频转化为可交互地呈现球员和球场的三维重建系统，通过使用卷积神经网络估算每个球员的深度图，我们将其与现有的身体姿态和深度估计技术进行比较，并展示了在合成和真实的 YouTube 足球片段的实验结果。

    Jun, 2018

  • 利用部分运动场地注册的单目三维人体姿态估计技术在体育转播中的应用

    本文研究了如何通过部分体育场地登记和联合优化 3D 姿势估计和相机标定来提取 3D 运动学数据，生成了一个 10K 张图像的合成数据集来展示现有单目 3D HPE 方法的局限性。

    Apr, 2023

  • AutoSoccerPose：足球射门动作的自动化三维姿势分析

    通过引入 3D Shot Posture (3DSP) 数据集、3DSP-GRAE 模型以及 AutoSoccerPose 流程，本研究解决了计算机视觉中的图像理解问题，并在足球姿势分析领域取得了显著进展。

    May, 2024

  • 分析三方会谈中典型和自闭症个体头部方向

    我们提出了一个使用两个 LiDAR 传感器的低分辨率点云数据来估计人们身体和头部方向的系统。我们的模型可以在现实世界的对话环境中准确估计被试在自然状态下以不同的头部和身体姿势进行移动。我们的系统利用椭圆拟合和几何特征提取与神经网络回归器集成的管道模型对身体和头部方向进行估计。与使用 RGB 摄像头的其他身体和头部方向估计系统相比，我们的系统使用 LiDAR 传感器保护用户隐私，同时实现可比较的准确度。与其他身体 / 头部方向估计系统不同，我们的传感器不需要指定在被试前面的特定位置。我们的模型对于身体方向的均方差估计误差为 5.2 度，对于头部方向的估计误差为 13.7 度。我们使用这些模型来量化自闭症谱系障碍和典型个体在三角对话中的行为差异。显著性测试显示，自闭症谱系障碍的个体在对话中的注意力分配行为与典型个体有显著的不同，这表明该方法可以作为行为分析或指导系统的组成部分。

    Nov, 2023

  • 通过踢球动作对足球进球位置进行分类

    通过利用神经网络，本研究提出了一种模型，结合人体动作识别 (HAR) 嵌入与上下文信息，通过观察运动员的踢球技术准确预测足球射门后的运动方向，取得了很高的准确率，为了解足球罚球动力学提供了有意义的启示。

    Dec, 2023

  • 基于深度学习的多视角图像全身运动学估计

    本文提出了一种基于多视图图像的直接关节角度估计方法，通过结合体态姿势表示法，将旋转表示法映射到一个连续空间中，为现场运动分析提供了一种新的方法。

    Jul, 2023

  • MEBOW: 野外单目身体定位估计

    本研究介绍了 COCO-MEBOW 数据集和一种新的基于三重信息的解决方案来改善人体方向和 3-D 姿势估计。该解决方案通过单张图像从 COCO 数据集中的约 130K 人形体实例中预测姿势和方向标签，证明了在人的姿态识别中 COOM- MEBOW 数据集具有很高的实用价值。

    Nov, 2020

  • 从人类视觉跨度估计自我中心姿态

    提出了一种基于深度学习的实时方法，利用相机 SLAM 和身体图像，同时计算出头部姿态、身体姿态和前景 / 背景分离，并引入一定的几何一致性限制，用于从佩戴设备的围绕视野中估计身体姿态。

    Apr, 2021

  • 冰球中的多人追踪与投影

    本研究提出了一种将多目标跟踪问题转化为双边图匹配的新方法，通过将球员的足部关节点映射到顶视冰场模板，并将这些投影位置编码到图网络中，实现对遮挡和重叠球员的可靠空间上下文，从而提高了广播冰球数据集中的 IDsw 和 IDF1 指标。

    May, 2024