基于观测中心与中心距离恢复的运动员多目标跟踪
计算机视觉与模式识别
2022-09-28 v1
摘要
随着目标检测与重识别的发展，人体多目标跟踪已取得快速进展。然而，即便对于最先进的跟踪算法，外观相似且非线性运动的多人跟踪仍极具挑战性。当前基于运动的跟踪算法常使用卡尔曼滤波预测目标运动，但其线性运动假设在目标非线性运动时会导致跟踪失败。而对于运动场上的多名球员跟踪，由于同队球员通常穿着同色球衣，使得跟踪过程中的短期与长期重识别都更为困难。本工作中，我们提出了一种基于运动的跟踪算法及面向篮球、足球和排球三项运动的三条后处理流程，成功处理了运动场上球员的非线性运动跟踪。在 ECCV DeeperAction Challenge SportsMOT 数据集测试集上的实验结果表明了方法的有效性，其取得 73.968 的 HOTA，在 2022 Sportsmot 研讨会最终排行榜上排名第三。
引用
@article{arxiv.2209.13154,
title = {Observation Centric and Central Distance Recovery on Sports Player Tracking},
author = {Hsiang-Wei Huang and Cheng-Yen Yang and Jenq-Neng Hwang and Pyong-Kun Kim and Kwangju Kim and Kyoungoh Lee},
journal= {arXiv preprint arXiv:2209.13154},
year = {2022}
}