冰球转播视频中的球员识别
计算机视觉与模式识别
2020-09-15 v2
摘要
我们提出了一种深度循环卷积神经网络（CNN）方法，用于解决NHL转播视频中的冰球球员识别问题。球员识别是一个困难的计算机视觉问题，主要由于球员外观相似、遮挡以及面部与身体特征模糊。然而，通过处理球员的变长图像序列（即“tracklets”），我们可以随时间观察到球员的球衣号码。我们提出了一种端到端可训练的ResNet+LSTM网络，以残差网络（ResNet）为基础、长短期记忆（LSTM）层为上层，以发现球衣号码随时间的时空特征并学习长期依赖关系。为此，我们创建了一个新的冰球球员tracklet数据集，包含冰球球员边界框的序列。此外，我们采用一个二级一维卷积神经网络分类器作为后期分数级融合方法，对ResNet+LSTM网络的输出进行分类。这在我们新数据集的测试划分上取得了超过87%的总体球员识别准确率。
引用
@article{arxiv.2009.02429,
title = {Player Identification in Hockey Broadcast Videos},
author = {Alvin Chan and Martin D. Levine and Mehrsan Javan},
journal= {arXiv preprint arXiv:2009.02429},
year = {2020}
}