解耦视频与人体运动：面向运动员记录中的实用事件检测
计算机视觉与模式识别
2020-04-23 v2
摘要
在本文中，我们探讨了个人运动项目运动员记录中的运动事件检测问题。与最近的端到端方法不同，我们提出使用2D人体姿态序列作为中间表示，将人体运动与原始视频信息解耦。结合领域自适应的运动员追踪，我们描述了两种在姿态序列上进行事件检测的方法，并在互补领域：游泳和田赛中对它们进行了评估。对于游泳，我们展示了基于姿态统计的稳健决策规则如何检测游泳出发期间的不同运动事件，尽管数据有限，F1分数仍超过91%。对于田赛，我们使用卷积序列模型推断跳远和三级跳远记录中与步幅相关的事件，实现了高精度检测，F1分数达96%，时间偏差仅为 5ms。我们的方法不限于这些领域，展示了基于姿态的运动事件检测的灵活性。
引用
@article{arxiv.2004.09776,
title = {Decoupling Video and Human Motion: Towards Practical Event Detection in Athlete Recordings},
author = {Moritz Einfalt and Rainer Lienhart},
journal= {arXiv preprint arXiv:2004.09776},
year = {2020}
}
备注
Accepted at 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshop (CVPRW)