SoccerNet-Tracking:足球视频中的多目标跟踪数据集与基准
计算机视觉与模式识别
2025-02-18 v2
摘要
在足球视频中跟踪对象对于收集球员与球队统计信息极为重要,无论是估算总跑动距离、控球率还是球队阵型。视频处理有助于自动化提取这些信息,无需任何侵入式传感器,因此适用于任意球队与任意球场。然而,用于训练可学习模型的数据集以及用于在通用测试平台上评估方法的基准十分有限。本工作中,我们提出一个由 200 段各 30 秒序列组成的多目标跟踪新数据集,其代表具有挑战性的足球场景,并提供完整的 45 分钟半场数据用于长期跟踪。该数据集以边界框与轨迹 ID 进行了完整标注,支持在足球领域训练 MOT 基线方法,并在我们分隔的挑战集上对这些方法进行完整基准测试。我们的分析表明,足球视频中的多名球员、裁判与球的跟踪远未解决,在快速运动或严重遮挡场景下仍需若干改进。
引用
@article{arxiv.2204.06918,
title = {SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in Soccer Videos},
author = {Anthony Cioppa and Silvio Giancola and Adrien Deliege and Le Kang and Xin Zhou and Zhiyu Cheng and Bernard Ghanem and Marc Van Droogenbroeck},
journal= {arXiv preprint arXiv:2204.06918},
year = {2025}
}
备注
Paper accepted for the CVsports workshop at CVPR2022. This document contains 8 pages + references