Deep HM-SORT: 利用深度特征、调和均值和扩展 IOU 提升体育赛事中多目标跟踪
计算机视觉与模式识别
2024-06-19 v1
摘要
本文介绍 Deep HM-SORT，这是一种新颖的在线多目标跟踪算法，专为增强体育赛事中运动员的跟踪而设计。传统的多目标跟踪方法在体育环境中常常难以应对，因为运动员外观相似、运动规律性差且不可预测，以及摄像机运动显著。Deep HM-SORT 通过集成深度特征、调和均值和扩展 IOU 来应对这些挑战。凭借调和均值的运用，我们的方法有效平衡了外观线索和运动线索，显著减少 ID 置换。此外，我们的方法保留所有 tracklets，提高了离开画面后再次出现的运动员的重识别效果。实验结果表明，Deep HM-SORT 在两个大规模公开基准数据集上实现了最先进的性能，分别是 SportsMOT 和 SoccerNet Tracking Challenge 2023。具体而言，我们的方法在 SportsMOT 数据集上获得 80.1 HOTA，在 SoccerNet-Tracking 数据集上获得 85.4 HOTA，超越了在 HOTA、IDF1、AssA 和 MOTA 等关键指标上的现有跟踪器。该稳健解决方案为自动化体育分析提供了更高的准确性和可靠性，在不引入额外计算成本的情况下显著优于先前方法。
引用
@article{arxiv.2406.12081,
title = {Deep HM-SORT: Enhancing Multi-Object Tracking in Sports with Deep Features, Harmonic Mean, and Expansion IOU},
author = {Matias Gran-Henriksen and Hans Andreas Lindgaard and Gabriel Kiss and Frank Lindseth},
journal= {arXiv preprint arXiv:2406.12081},
year = {2024}
}
备注
6 pages