Jun, 2022

体育视频动作识别调查：数据集、方法和应用

PDF
TL;DR本文综述了针对运动分析的视频动作识别方法，介绍了超过十种不同的运动类型，包括个人运动和团队运动。对现有的分析框架进行比较并总结了团队运动和个人运动领域的最新视频动作识别技术。同时，讨论了该领域的挑战和未解决的问题，并开发了一个工具箱，基于 PaddlePaddle 平台，实现了对足球、篮球、乒乓球和花样滑冰的动作识别。
action recognitionvideosports analyticsteam sportspaddlepaddle
发现论文，激发创造
  • VideoBadminton：一个用于羽毛球动作识别的视频数据集

    通过对高质量羽毛球镜头的全面评估，本研究旨在推进动作识别领域，尤其是在羽毛球运动中。引入 VideoBadminton 数据集不仅可以用于羽毛球动作识别，还可以提供一个识别细粒度动作的数据集。从这些评估中获得的见解有望催生更多在运动背景下的动作理解研究。

    Mar, 2024

  • 足球中的行为识别、定位和时空定位综述 -- 当前趋势与研究视角

    足球动作场景理解任务具有挑战性，本文综述了该任务的行为识别、定位和时空动作定位，特别关注了使用的模态和多模态方法，并评估模型性能的可公开获取数据源和度量标准。文章回顾了利用深度学习技术和传统方法的最新状态，重点介绍了多模态方法，这些方法整合了来自多个来源（如视频和音频数据）的信息，以及用各种方式表示一种来源的方法。讨论了方法的优点、限制以及提高模型准确性和鲁棒性的潜力。最后，本文强调了足球动作识别领域中的一些开放性研究问题和未来方向，包括多模态方法推动该领域的潜力。总之，本综述对于对足球动作场景理解领域感兴趣的研究人员提供了宝贵的资源。

    Sep, 2023

  • 深入了解动作识别：综述

    本文全面回顾了人类动作识别领域的先驱方法和基于深度学习的方法，展望了该领域未来的新研究方向。

    May, 2016

  • 使用深度行动识别特征对用户生成的体育视频进行总结

    该论文提出了一种通过深度神经网络对运动员的动作进行分类来生成运动视频摘要的方法，并采用日本剑术 Kendo 作为例子进行了评估，结果表明该方法优于之前的摘要方法。

    Sep, 2017

  • 语言和视觉任务中的动作识别数据集分析

    针对自然语言与视觉任务融合的多个数据集和方法的持续爆炸性增长的问题研究，本篇综述将现有的行动识别方法按照它们如何概念化这个问题进行分类，并详细评述现有的数据集及其多样性、优缺点。 重点关注最近开发的数据集，它们将视觉信息与语言资源联系起来，并对图像中的动作进行细粒度的语法和语义分析。

    Apr, 2017

  • 人类动作识别与预测：调查

    该论文综述了计算机视觉和机器学习在视频分析任务中的应用，重点介绍了动作识别和预测两个领域的现有技术、算法、数据集、评价标准及未来发展方向。

    Jun, 2018

  • 关于足球比赛视频中动作检测主动学习的研究

    本文提出了一种主动学习框架，通过选择最具信息量的视频样本加速模型训练和优化算法，实现在减少注释工作量的同时提高在足球视频中的行为检测精度，适用于通过降低注释时间，提高数据效率来加速注释运动领域数据集的应用。

    Apr, 2023

  • 基于 3D 卷积神经网络在冰球视频中实现多标签类别不平衡的动作识别

    本研究利用 3D CNN 构建深度多标签 HAR 系统以解决应用于曲棍球视频中类别不平衡动作识别的问题，并对该系统进行了测试和验证，结果表明该方法比现有解决方案表现更好。

    Sep, 2017

  • 人类动作识别的进展：一份调查报告

    本调查综述了过去几年中在人类行为识别方面的最新进展，该领域的主要研究领域包括计算机视觉、视频监控、人机交互和视频检索。

    Jan, 2015

  • ViSTec: 体育技术识别与战术分析的视频建模

    为了解决目前手动注释和低层次注释方法在球拍运动视频中对战术理解的限制，我们提出了一个基于视觉数据和上下文洞察力相结合的视频球类运动技巧识别模型 ViSTec。我们的方法通过引入图形来显式建模球拍序列中的战略知识，并通过上下文归纳偏差增强技巧识别。实验证明我们的方法相较于现有模型具有更好的性能。与中国国家乒乓球队的专家的案例研究验证了我们模型自动化分析技术动作和战略策略的能力。

    Feb, 2024