美国足球中手持多目标跟踪数据集
计算机视觉与模式识别
2025-11-13 v1
摘要
多目标跟踪 (MOT) 在从视频中分析球员行为方面发挥着关键作用，使我们能够进行绩效评估。当前,MOT 方法通常使用公开数据集进行评估。然而,大多数数据集聚焦于日常场景，如行人跟踪,或针对特定运动项目进行定制，包括足球和篮球。尽管在美国足球中跟踪球员具有显著挑战，如频繁的遮挡和身体接触,但尚无公开的标准化数据集可用,这使得很难公平地对方法进行比较。为填补这一空白,我们构建了第一个专为美国足球球员检测和跟踪而构建的数据集,并对各种检测和跟踪方法进行了比较评估。我们的结果表明,即使在拥挤的场景中也能实现准确的检测和跟踪。对检测模型进行精调可提升性能于预训练模型。此外,将这些精调的检测器和重识别模型集成到跟踪系统中后,我们观察到与现有方法相比,跟踪精度有显著提升。因此,本工作使得在此前不被常规方法覆盖的具有挑战性的高密度场景中实现对美国足球球员的可靠检测和跟踪成为可能。
引用
@article{arxiv.2511.09455,
title = {Hand Held Multi-Object Tracking Dataset in American Football},
author = {Rintaro Otsubo and Kanta Sawafuji and Hideo Saito},
journal= {arXiv preprint arXiv:2511.09455},
year = {2025}
}