基于卷积神经网络与卡尔曼滤波的高效高尔夫球检测与跟踪
计算机视觉与模式识别
2021-04-23 v2
摘要
本文关注图像序列中高尔夫球在线检测与跟踪问题。通过利用基于卷积神经网络（CNN）的目标检测和基于卡尔曼滤波的预测，提出了一种高效的实时方法。实现并评估了五种经典的基于深度学习的目标检测网络用于球检测，包括YOLO v3及其tiny版本、YOLO v4、Faster R-CNN、SSD和RefineDet。检测在小图像块而非整幅图像上进行，以提升小球检测性能。在跟踪阶段，采用离散卡尔曼滤波预测球的位置，并基于预测裁剪出小图像块。然后，利用目标检测器细化球的位置并更新卡尔曼滤波参数。为训练检测模型并测试跟踪算法，创建并标注了一个高尔夫球数据集。进行了大量对比实验以证明所提方案的有效性和优越的跟踪性能。
引用
@article{arxiv.2012.09393,
title = {Efficient Golf Ball Detection and Tracking Based on Convolutional Neural Networks and Kalman Filter},
author = {Tianxiao Zhang and Xiaohan Zhang and Yiju Yang and Zongbo Wang and Guanghui Wang},
journal= {arXiv preprint arXiv:2012.09393},
year = {2021}
}