体育视频动作识别综述：数据集、方法与应用

为理解人类行为，基于视频的动作识别是一种常用方法。与基于图像的动识别相比，视频提供了更多信息，降低了动作的歧义性。在过去十年中，许多聚焦于数据集、新颖模型与学习方法的工作将视频动作识别提升至更高水平。然而，仍存在挑战与未解问题，尤其在体育分析中，数据收集与标注更为复杂，需体育专业人员标注数据。此外，动作可能极快而难以识别。而且，在足球、篮球等团队运动中，一个动作可能涉及多名球员，为正确识别需分析所有球员，相对复杂。本文给出面向体育分析的视频动作识别综述。我们介绍了十余类运动，包括足球、篮球、排球、曲棍球等团队运动，以及花样滑冰、体操、乒乓球、网球、跳水、羽毛球等个人运动。随后我们比较众多现有体育分析框架，以呈现团队与个人运动中视频动作识别的现状。最后，我们讨论该领域的挑战与未解问题，并为便利体育分析，使用 PaddlePaddle 开发了一个支持足球、篮球、乒乓球与花样滑冰动作识别的工具箱。