Basketball-SORT：针对篮球多目标遮挡问题的关联方法
计算机视觉与模式识别
2024-07-01 v1
摘要
近期基于深度学习的对象检测方法在多目标跟踪 (MOT) 算法方面取得了显著进展。当前的 MOT 方法主要关注行人或车辆场景，但篮球运动场景通常伴随三个或更多目标的遮挡问题，具有相似的外观和高强度的复杂运动，这类问题我们称为复杂多目标遮挡 (CMOO)。本文提出一种在线且稳健的 MOT 方法，命名为 Basketball-SORT，专注于解决篮球视频中的 CMOO 问题。为解决 CMOO 问题，本方法不采用基于交并比 (IoU) 的方法，而是基于相邻帧中球员投影位置的轨迹。我们设计了篮球游戏限制 (BGR) 和重新获取长期丢失 ID (RLLI)，基于篮球场景的特征来解决遮挡问题。实验结果表明，该方法在篮球固定视频数据集上获得 63.48% 的 HOTA 分数，优于其他近期流行方法。总体而言，我们的方法在解决 CMOO 问题方面优于最近的 MOT 算法。
引用
@article{arxiv.2406.19655,
title = {Basketball-SORT: An Association Method for Complex Multi-object Occlusion Problems in Basketball Multi-object Tracking},
author = {Qingrui Hu and Atom Scott and Calvin Yeung and Keisuke Fujii},
journal= {arXiv preprint arXiv:2406.19655},
year = {2024}
}