深度学习在体育视频事件检测中的应用：任务、数据集、方法与挑战
计算机视觉与模式识别
2025-10-13 v3
摘要
视频事件检测已成为现代体育分析的基石，为自动化表现评估、内容生成和战术决策提供动力。深度学习的最新进展推动了相关任务的进步，例如检测扩展动作片段的时序动作定位（TAL）、识别代表性时间戳的动作定位（AS）以及精确定位事件确切帧的精确事件定位（PES）。尽管这些任务紧密相关，但它们之间的细微差别常常模糊了彼此的界限，导致研究和实际应用中的混淆。此外，以往的综述要么涉及通用的视频事件检测，要么涉及更广泛的体育视频任务，但很大程度上忽略了事件定位独特的时间粒度和领域特定挑战。另外，大多数现有的体育视频综述侧重于精英级别的比赛，而忽视了更广泛的日常从业者群体。本综述通过以下方式弥补这些不足：(i) 清晰界定 TAL、AS 和 PES 及其各自的应用场景；(ii) 引入针对 AS 和 PES 的最先进方法的结构化分类法，包括时序建模策略、多模态框架和数据高效流水线；(iii) 批判性地评估基准数据集和评估协议，指出其局限性，例如依赖广播级质量的视频素材以及过度奖励宽松多标签预测的评估指标。通过综合当前研究并揭示公开挑战，本工作为研究和工业界开发具有时序精确性、泛化能力和实际可部署性的体育事件检测系统提供了全面的基础。
引用
@article{arxiv.2505.03991,
title = {Deep Learning for Sports Video Event Detection: Tasks, Datasets, Methods, and Challenges},
author = {Hao Xu and Arbind Agrahari Baniya and Sam Well and Mohamed Reda Bouadjenek and Richard Dazeley and Sunil Aryal},
journal= {arXiv preprint arXiv:2505.03991},
year = {2025}
}
备注
28 pages