基于计算机视觉的足球赛事中多类别检测与跟踪框架
计算机视觉与模式识别
2026-02-24 v1 人工智能
摘要
拥有昂贵多摄像机 setup 或 GPS 跟踪系统的球队可通过获取详细数据获得竞争优势，而预算较低的球队往往无法收集类似信息。本文考察了是否可以从标准转播 footage 中通过单摄像机计算机视觉管线直接提取此类数据。该项目开发了一个端到端系统，将 YOLO 对象检测器与 ByteTrack 跟踪算法组合，用于在整个比赛期间识别和跟踪球员、裁判、守门员和球。实验结果表明，该管线在检测和跟踪球员和官员方面表现出色， precision、recall 和 mAP50 分数均很高，而球检测仍为主要挑战。尽管存在此限制，我们的发现表明，AI 能够从单台转播摄像机中提取有意义的球员级空间信息。通过减少对专业硬件的依赖，该方法使学院、青训学校和业余球队能够采用此前仅由职业队伍可及的可扩展、数据驱动的分析方法，凸显了基于计算机视觉的亲民足球分析的潜力。
引用
@article{arxiv.2602.18504,
title = {A Computer Vision Framework for Multi-Class Detection and Tracking in Soccer Broadcast Footage},
author = {Daniel Tshiani},
journal= {arXiv preprint arXiv:2602.18504},
year = {2026}
}
备注
Presented at the Robyn Rafferty Mathias Reseaerch Conference. Additional Information available at: https://DGT-International.com