基于OCR引导的YOLOv8 Cricket视频中挡球投球分割与基于轨迹的击中区分析
计算机视觉与模式识别
2026-03-19 v2 人工智能
摘要
Cricket生成丰富的视觉和情境信息，但其战术分析仍依赖缓慢且主观的手动审查。为实现更高效和数据驱动的替代方案，本文提出了一种自动化方法，用于识别挡球投球、检测球场和球的位置，并为赛后分析建模球的轨迹。该系统将光学字符识别（OCR）与图像预处理技术（包括灰度化、幂变换和形态学操作）结合，用于从播出视频中稳健地提取得分卡信息并检测挡球事件。对于视觉理解，采用YOLOv8进行球场和球的检测。球场检测模型实现了99.5%的mAP50，精度为0.999；基于迁移学习的球检测模型达到了99.18%的mAP50，精度为0.968，召回率为0.978。基于这些检测，系统进一步建模球的轨迹，以揭示与挡球投球相关的区域，为基于轨迹的击中区解释和潜在的击球 vulnerability assessment 提供分析线索。多个 Cricket 比赛视频的实验结果表明，所提出的方法有效且具有推广潜力，支持教练、战术评估和数据驱动决策。
引用
@article{arxiv.2510.18405,
title = {Automated Wicket-Taking Delivery Segmentation and Trajectory-Based Dismissal-Zone Analysis in Cricket Videos Using OCR-Guided YOLOv8},
author = {Joy Karmoker and Masum Billah and Mst Jannatun Ferdous and Akif Islam and Mohd Ruhul Ameen and Md. Omar Faruqe},
journal= {arXiv preprint arXiv:2510.18405},
year = {2026}
}
备注
3 figures, 5 tables, submitted to the IEEE International Conference on Engineering and Frontier Technologies (ICEFronT) 2026