体育视频中运动员定位的自学习
计算机视觉与模式识别
2013-07-30 v1 人工智能
摘要
本文介绍了一种新颖的自学习框架，可自动化标签获取过程，以改进用于检测体育比赛广播画面中运动员的模型。与大多数先前旨在通过视频改进基于外观的目标检测器的自学习方法不同，我们允许在具有非静态相机视角的更通用视频序列中存在未知且无数量限制的目标对象。我们的自学习方法使用潜在 SVM 学习算法和可变形部件模型来表示运动员的形状和颜色信息，约束其运动，并通过温和 Adaboost 算法学习比赛场地的颜色。我们结合这些图像线索，并从未标记数据中自动发现额外标签。在我们的实验中，该方法在标签稀疏的体育比赛视频中利用了已标记和未标记数据，当视频包含极少量标记图像时，为检测体育运动员提供了超过 20% 的平均精度性能提升，并改善了跟踪效果。
引用
@article{arxiv.1307.7198,
title = {Self-Learning for Player Localization in Sports Video},
author = {Kenji Okuma and David G. Lowe and James J. Little},
journal= {arXiv preprint arXiv:1307.7198},
year = {2013}
}