基于姿态虚拟标记的3x3篮球多目标跟踪
计算机视觉与模式识别
2024-12-10 v1
摘要
多目标跟踪(MOT)对于各种多智能体分析至关重要, 如评估团队运动战术和球员动作与性能。虽然行人跟踪通过跟踪-检测方法取得了进展, 但像篮球这样的团队运动则面临独特挑战。这些挑战包括球员不可预测的运动、频繁的近距离互动以及视觉相似性导致姿态标注困难, 从而引发显著的遮挡、频繁的ID切换和高的手动标注成本。为此, 我们提出一种 novel 的基于姿态虚拟标记(VM)的MOT方法, 命名为Sports-vmTracking。该方法基于为多动物跟踪开发的vmTracking方法, 采用主动学习。首先, 我们构建了3x3篮球姿态数据集用于VM, 并应用主动学习来提高生成VM的模型性能。随后, 我们将VM叠加在视频上以识别球员, 提取其带唯一ID的姿态, 并将其转换为边界框, 与自动MOT方法进行比较。使用我们的3x3篮球数据集, 我们证明了该VM配置非常有效, 并在姿态模型训练期间大幅减少了对手动纠正和标注的需求, 同时保持高准确率。我们的 approach 实现的平均HOTA得分达72.3%, 超过其他不使用VM的state-of-the-art方法超过10分, 并实现了0次ID切换。除了改善处理遮挡和最小化ID切换的性能外, 我们的方法框架可大幅提高传统手动标注的时间和成本效率。
引用
@article{arxiv.2412.06258,
title = {Enhanced Multi-Object Tracking Using Pose-based Virtual Markers in 3x3 Basketball},
author = {Li Yin and Calvin Yeung and Qingrui Hu and Jun Ichikawa and Hirotsugu Azechi and Susumu Takahashi and Keisuke Fujii},
journal= {arXiv preprint arXiv:2412.06258},
year = {2024}
}