基于深度学习的计算机视觉方法用于板球投球分割与跟踪
计算机视觉与模式识别
2022-11-23 v1 人工智能
摘要
近年来，板球运动中技术的采用显著增加。这一趋势导致了在相似的基于计算机视觉的研究工作中出现重复劳动的问题。我们的研究尝试通过使用深度学习模型 MobileNet 和 YOLO 分割板球转播中的投球来解决了其中一个问题，从而使研究人员能够将我们的工作用作其研究的数据集。我们研究的输出可被板球教练和球员用于分析比赛中投出的球。本文提出了一种方法来分割并提取仅进行投球的视频镜头。视频镜头是构成视频整个场景的一系列连续帧。应用目标检测模型以在正确提取视频镜头方面达到高精度。提出了构建投球视频镜头大型数据集的概念验证，这为对这些镜头进行进一步处理以提取语义铺平了道路。在这些视频镜头中使用单独的 RetinaNet 模型完成了球的跟踪，作为所提出数据集有用性的示例。还通过沿 y 轴跟踪球提取了球在板球投球区落地的位置。然后将该视频镜头分类为全长、好球长或短球投放。
引用
@article{arxiv.2211.12009,
title = {Deep-Learning-Based Computer Vision Approach For The Segmentation Of Ball Deliveries And Tracking In Cricket},
author = {Kumail Abbas and Muhammad Saeed and M. Imad Khan and Khandakar Ahmed and Hua Wang},
journal= {arXiv preprint arXiv:2211.12009},
year = {2022}
}