基于足球转播视频估计姿态的犯规预测
计算机视觉与模式识别
2024-02-16 v1 机器学习
摘要
计算机视觉的最新进展在运动员追踪与姿态估计方面取得了显著进展。然而，关于体育中基于姿态估计的行为预测研究较少，特别是足球犯规的预测极具挑战性，因为每位球员的图像尺寸较小，且难以使用例如球和姿态信息。在我们的研究中，我们引入了一种创新的深度学习方法来预测足球犯规。该方法通过构建一个新颖的足球犯规数据集，整合了视频数据、边界框位置、图像细节和姿态信息。我们的模型利用卷积神经网络（CNN）和循环神经网络（RNN）的组合，有效融合来自这四种模态的信息。实验结果表明，我们的完整模型优于消融模型，且所有的 RNN 模块、边界框位置与图像以及估计姿态均对犯规预测有用。我们的发现对深入理解足球中的犯规行为具有重要意义，并为该领域未来的研究与实践提供了宝贵参考。
引用
@article{arxiv.2402.09650,
title = {Foul prediction with estimated poses from soccer broadcast video},
author = {Jiale Fang and Calvin Yeung and Keisuke Fujii},
journal= {arXiv preprint arXiv:2402.09650},
year = {2024}
}