评估用于广播冰球视频中球员追踪的深度追踪模型
计算机视觉与模式识别
2022-05-24 v1
摘要
追踪与识别球员是基于计算机视觉的冰球分析中的一个重要问题。球员追踪是一个具有挑战性的问题，因为冰球中球员的运动快速且非线性。在冰球广播视频中还存在显著的球员间与球员-挡板间遮挡、摄像机平移与缩放。先前发表的研究借助手工设计特征进行球员检测与重识别来实现球员追踪。尽管存在用于冰球球员追踪的商业解决方案，但据我们所知，尚无公开报道所用网络架构、训练数据或性能指标。目前尚无利用深度学习近期进展并同时报告文献中所用当前精度指标的冰球球员追踪发表工作。因此，本文中我们比较并对比若干最先进（SOTA）追踪算法，并分析它们在冰球中的性能与失效模式。
引用
@article{arxiv.2205.10949,
title = {Evaluating deep tracking models for player tracking in broadcast ice hockey video},
author = {Kanav Vats and Mehrnaz Fani and David A. Clausi and John S. Zelek},
journal= {arXiv preprint arXiv:2205.10949},
year = {2022}
}
备注
Accepted to Link\"oping Hockey Analytics Conference (LINHAC). arXiv admin note: substantial text overlap with arXiv:2110.03090