缓解运动模糊以实现鲁棒的用于投球分析的 3D 棒球运动员姿态建模
计算机视觉与模式识别
2023-09-06 v1 人工智能
摘要
利用视频分析棒球投手可在战略制定和伤病预防中发挥关键作用。基于计算机视觉的姿态分析提供了一种省时且经济高效的方法。然而，使用帧率 30fps 的易获取转播视频，常在快速动作期间导致部分身体运动模糊，限制了现有姿态关键点估计模型的性能。以往工作主要依赖固定背景、假设帧间运动差异极小，或利用多视角数据来解决此问题。为此，我们提出了一种合成数据增强流程，以增强模型处理投手模糊动作的能力。此外，我们利用野外视频使我们的模型在不同真实条件和相机位姿下具有鲁棒性。通过仔细优化增强参数，我们观察到在 2D 和 3D 姿态估计的测试数据集上损失分别显著减少了 54.2% 和 36.2%。通过将我们的方法应用于现有的最先进姿态估计器，我们展示了平均 29.2% 的提升。这些发现凸显了我们的方法在缓解运动模糊带来的挑战方面的有效性，从而提升了姿态估计的整体质量。
引用
@article{arxiv.2309.01010,
title = {Mitigating Motion Blur for Robust 3D Baseball Player Pose Modeling for Pitch Analysis},
author = {Jerrin Bright and Yuhao Chen and John Zelek},
journal= {arXiv preprint arXiv:2309.01010},
year = {2023}
}
备注
Accepted in the 6th International Workshop on Multimedia Content Analysis in Sports (MMSports'23) @ ACM Multimedia