Aug, 2023

AI 驱动的自动多人拳击手追踪

PDF
TL;DR我们通过经济实用的单个固定顶视摄像机，在连续追踪拳击手的过程中，利用改进的算法进行过渡检测和持续的运动员识别，从而在精确分割录制视频流中的拳击回合边界以及不同时间段或同一回合内重新识别同一拳击手的困难中取得了进展，并且在我们自定义采集的约 11 小时数据中，过渡检测算法精度达到 90%，持续追踪的识别错误次数为 0。
发现论文，激发创造
  • 离散广播数据的连续足球运动员追踪

    从广播镜头制作的离散数据中，我们提出一种方法来估计连续的全场跟踪数据，帮助球队和球员收集高质量的球员跟踪数据。

    Nov, 2023

  • 广播比赛视频中追踪个体运动员的混合方法

    本研究提出了一种快速而准确的运动员追踪解决方案，通过结合几个模型以在相对较小的硬件上并行执行来追踪运动员，最终能够在高清视频上以 80 fps 的速度处理，可以达到一定的准确率。

    Mar, 2020

  • 冰球运动员跟踪和识别

    该论文提出了一种自动系统来跟踪和识别广播 NHL 冰球录像中的球员，它包括三个组成部分：球员跟踪、队伍识别和球员识别。通过使用现有的追踪算法来跟踪球员，将远离队的队服分组为单一类别，主队的队服按照颜色分组，训练了一个卷积神经网络来识别团队。还引入了一种新颖的球员识别模型，利用一维卷积神经网络来识别球员的边界框序列，进一步利用 NHL 比赛花名册数据来获得 83％的球员识别准确率。

    Oct, 2021

  • SoccerNet-Tracking：足球视频中的多目标跟踪数据集和基准

    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。

    Apr, 2022

  • 开放世界条件下基于单视角视频的跑者重新识别

    该研究提出了一种在开放环境中处理单视角视频的运动员再识别系统，通过处理原始视频作为输入，自动识别跑步者并提取其图像特征，借助动态特征提取方法提高运动员再识别准确性。通过评估该系统在一个跑步实践视频数据集上的表现，发现该方法在无监督再识别中比最先进的模型具有更高的准确性，对于跑步视频的自动分析具有实用价值。

    Oct, 2023

  • 从连续视频镜头中提取和分类潜水片段

    该研究提供了一个实现了运动员训练视频自动化分析的完整解决方案，结合特定的挑战性真实例子，着重解决了跳水分类监测等关键问题，其中包涵运动员训练、视频分析、动作分类、跳水监测以及其他运动录像等广泛运用。

    May, 2017

  • 基于片段关联的追踪

    通过将单个视频序列视为多个短片段的方法，提出了一种新的目标关联方法，避免了中间中断的影响，聚合多帧信息实现更准确的长程跟踪关联，并在 TAO 和 MOT17 两个跟踪基准测试中进行了评估。

    Dec, 2022

  • 基于上下文多特征融合的羽毛球识别与跟踪系统

    本文介绍了一种用于检测和跟踪羽毛球的方法，该方法通过特性判断和结合背景信息解决羽毛球不易检测的挑战，并且能够达到 100% 的准确度和 84.1% 的 F1 平均值。

    Jun, 2023

  • 运动场景中的大规模再识别分析：达到关键点的背叛

    我们研究了一种基于步态的人群再识别方法，通过利用多个预训练的人体动作识别模型和损失函数，有效地实现了对超长距离比赛中参赛者的再识别，尤其在比赛的临界点会有显著的改进。

    Dec, 2023

  • 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