CVPRApr, 2022

SoccerNet-Tracking：足球视频中的多目标跟踪数据集和基准

PDF
TL;DR在本篇论文中，我们提出了一个可用于多物体跟踪的新型数据集，其包含 200 个 30 秒的序列和一个完整的 45 分钟半场，用于跟踪足球视频中的球员、裁判和球，该数据集带有边界框和跟踪 ID 的完整注释，并能够训练足球领域 MOT 基线并对这些方法进行全面基准测试，结果表明足球视频中的多人、裁判和球跟踪问题还有待改善。
object trackingsoccer videosdatasettracking methodsplayer statistics
发现论文，激发创造
  • TeamTrack: 全场视频中的多项运动多目标跟踪数据集

    多目标追踪是计算机视觉中的关键和困难任务之一，我们介绍了 TeamTrack，一个面向体育运动的创新基准数据集，包括足球、篮球和手球等多种运动项目，并通过综合分析和基准测试展示了其实用性和潜在影响。该工作是对多目标追踪在团队运动等复杂动态环境中精度和有效性的重要进展。

    Apr, 2024

  • SportsMOT：多场景多种运动的大规模多物体追踪数据集

    本文提出了一种新的大规模多目标追踪数据集 SportsMOT，旨在促进运动跟踪器在运动和外观等方面的进步，通过比较当下几种状态最好的跟踪器和 MixSort 框架，我们发现 SportsMOT 的关键挑战在于对象关联，MixSort 框架通过将自定义的基于外观的关联与原始的基于运动的关联相结合，实现了在 SportsMOT 和 MOT17 上的最先进的性能表现。

    Apr, 2023

  • SoccerNet-v2：广播足球视频整体理解数据集和基准

    SoccerNet-v2 提出了一个大规模手动注释的语料库，其中包含大约 300k 个注释，用于扩展足球领域中的任务，以推动计算机视觉更接近于针对更广泛视频理解和制作目的的自动解决方案。

    Nov, 2020

  • SoccerNet 2023 追踪挑战 - 第三名 MOT4MOT 团队技术报告

    本文介绍了我们对 SoccerNet 2023 跟踪挑战的解决方案，分别处理球员追踪和球的追踪任务。我们使用了最先进的在线多目标追踪器和现代目标检测器进行球员追踪。为了克服在线方法的局限性，我们引入插值和无外观的轨迹合并进行后处理。此外，我们还使用基于外观的轨迹合并技术处理远离图像边界的轨迹的终止和创建。球的追踪被形式化为单个目标检测，借助经过微调的 YOLOv8l 检测器和专有的过滤器来提高检测精度。我们的方法在 SoccerNet 2023 跟踪挑战中获得了第三名，HOTA 得分为 66.27。

    Aug, 2023

  • 足球视频中远程实时球员和球检测的基准设定

    提供了用于训练和评估的 YOLO 归一化注释格式的 SoccerNet v3 数据集的编辑部分，该数据集在长距离实时检测足球场上的球和球员方面证明了 YOLO8n 模型优于 FootAndBall。

    Nov, 2023

  • SoccerNet: 一个用于足球视频动作定位的可扩展数据集

    该研究介绍了 SoccerNet，这是一个针对足球视频中动作定位的基准数据集，涵盖 2014 年至 2017 年三个赛季的六个欧洲主要联赛中的 500 场比赛，其中自动分析了 6,637 个事件的时间注释。作者们利用了通用动作识别和检测的最新进展，提供了针对足球事件检测的强大基线。

    Apr, 2018

  • 自监督小型足球运动员检测和跟踪

    本篇论文提出了自监督管道来检测和跟踪低分辨率足球玩家，不需要任何地面真实数据，并赢得了顶级结果。

    Nov, 2020

  • 多摄像头足球检测系统的设计与实现

    利用机器学习和三维物体检测技术，本文研究并实现了一种足球检测系统，通过多个摄像头实时探测球的三维位置，实现了高精度、实时的球赛直播。该系统还具有很强的可复用性，可用于类似的大规模比赛场景中。

    Jan, 2023

  • SoccerDB：一个用于综合视频理解的大型数据库

    本文提出了一种名为 SoccerDB 的新足球视频数据库，包含 171,191 个视频段，702,096 个边界框，37,709 个基本事件标签以及 17,115 个高光时刻注释，可用于目标检测、动作识别、时间动作定位和高光检测等任务。该数据库是关于各方面的综合体育视频理解的最大数据库，我们进一步调查了一系列在 SoccerDB 上的强基线，并证明了它们在独立任务上的最先进性能。我们相信 SoccerDB 的发布将极大地推动综合视频理解的研究。

    Dec, 2019

  • TrackingNet: 野外物体跟踪的大规模数据集和基准

    该研究提出了 TrackingNet 数据集，为在野外进行物体跟踪提供了第一个大规模数据集和基准，并评估了 20 多个追踪器模型，结果表明，在野外物体跟踪仍然远未解决。

    Mar, 2018