基于两阶段深度学习网络的球员自动识别与索引
计算机视觉与模式识别
2023-12-29 v2 图像与视频处理
摘要
美式橄榄球比赛每年都吸引着全球的大量关注。从每次进攻的视频中识别球员对于球员参与情况的索引也至关重要。处理橄榄球比赛视频在识别球员（尤其是球衣号码）方面存在巨大挑战，如拥挤场景、物体畸变和数据不平衡。在这项工作中，我们提出了一种基于深度学习的球员跟踪系统，用于自动跟踪球员并索引其在美式橄榄球比赛每次进攻中的参与情况。它是一个两阶段网络设计，用于突出感兴趣区域并以高精度识别球衣号码信息。首先，我们利用目标检测网络（检测 transformer）来解决拥挤场景下的球员检测问题。其次，我们使用二级卷积神经网络通过球衣号码识别来识别球员，然后将其与比赛时钟子系统同步。最后，系统在数据库中输出完整的日志用于进攻索引。我们通过分析橄榄球视频上的定性和定量结果，证明了球员跟踪系统的有效性和可靠性。所提出的系统在处理和分析橄榄球转播视频方面展现出巨大潜力。
引用
@article{arxiv.2204.13809,
title = {Automated player identification and indexing using two-stage deep learning network},
author = {Hongshan Liu and Colin Aderon and Noah Wagon and Abdul Latif Bamba and Xueshen Li and Huapu Liu and Steven MacCall and Yu Gan},
journal= {arXiv preprint arXiv:2204.13809},
year = {2023}
}