冰球运动中的球员追踪与识别
计算机视觉与模式识别
2021-12-06 v2
摘要
追踪与识别球员是基于计算机视觉的冰球分析的基础步骤。追踪生成的数据用于许多其他下游任务,如比赛事件检测和比赛策略分析。球员追踪与识别是一个具有挑战性的问题,因为冰球中球员的运动相比行人是快速且非线性的。冰球转播视频中还存在显著的摄像机平移和缩放。冰球中识别球员具有挑战性,因为同一队球员看起来几乎相同,球衣号码是球员之间唯一的区分因素。本文介绍了一种在 NHL 转播冰球视频中追踪与识别球员的自动化系统。该系统由三个组件构成:(1) 球员追踪,(2) 队伍识别,(3) 球员识别。由于缺少公开可用数据集,用于训练这三个组件的数据集为手动标注。球员追踪借助最先进追踪算法完成,获得多目标追踪准确率(MOTA)得分 94.5%。对于队伍识别,客队球衣被归为单一类别,主队球衣按其球衣颜色归类。随后在队伍识别数据集上训练卷积神经网络。该队伍识别网络在测试集上准确率为 97%。本文引入一种新颖的球员识别模型,利用时间一维卷积网络从球员边界框序列中识别球员。该球员识别模型进一步利用可用的 NHL 比赛名单数据,获得 83% 的球员识别准确率。
引用
@article{arxiv.2110.03090,
title = {Player Tracking and Identification in Ice Hockey},
author = {Kanav Vats and Pascale Walters and Mehrnaz Fani and David A. Clausi and John Zelek},
journal= {arXiv preprint arXiv:2110.03090},
year = {2021}
}
备注
Submitted to Expert Systems with Applications