基于目标检测与 LSTM 的足球视频流自动传球标注
计算机视觉与模式识别
2020-07-14 v1 机器学习
摘要
得益于描述每场比赛中所有时空事件的数据可用性，足球分析在学术界与工业界正吸引越来越多的关注。这些事件（如传球、射门、犯规）由人工操作员手动收集，对数据提供商构成了可观的时间与经济成本。在本文中，我们描述了 PassNet，一种从视频流中识别足球中最频繁事件即传球的方法。我们的模型结合了一组人工神经网络，用于从视频流中提取特征、通过目标检测识别球与球员的位置，以及将帧序列分类为传球或非传球。我们根据与训练所用比赛条件的相似度在不同场景下测试了 PassNet。我们的结果显示了良好的分类效果，并且相对于基线分类器在传球检测精度上有显著提升，即便测试集与训练集的比赛视频条件差异很大。PassNet 是迈向自动事件标注系统的第一步，该系统可能打破事件标注的时间与成本限制，使次级与非职业联赛、青年联赛以及一般而言当前未被数据提供商标注比赛的赛事的数据收集成为可能。
引用
@article{arxiv.2007.06475,
title = {Automatic Pass Annotation from Soccer VideoStreams Based on Object Detection and LSTM},
author = {Danilo Sorano and Fabio Carrara and Paolo Cintia and Fabrizio Falchi and Luca Pappalardo},
journal= {arXiv preprint arXiv:2007.06475},
year = {2020}
}