面向足球比赛的团队感知足球球员跟踪：基于 SAM 的外观特征方法进行遮挡恢复

足球球员跟踪面临频繁遮挡、相似外观以及在拥挤场景中的快速运动等挑战。本文提出一种轻量级基于 SAM 的跟踪方法，将 Segment Anything Model (SAM) 与 CSRT 跟踪器结合，同时引入 jersey 颜色基于外观模型。我们提出的团队感知跟踪系统使用 SAM 实现精确初始化，并采用 HSV 直方图进行基于外观的重识别，以提高遮挡恢复效果。我们的评估测量三个维度：处理速度（FPS 和内存）、跟踪精度（成功率和框稳定性）以及鲁棒性（遮挡恢复和身份一致性）。在足球视频序列上的实验表明，该方法在 7.6-7.7 FPS 之间，内存使用稳定（约1880 MB），在轻度遮挡下保持 100% 跟踪成功率，在拥挤的罚球箱场景（5 人以上）中保持 90% 跟踪成功率。外观-based 重识别恢复 50% 的重度遮挡，显示出特定领域线索的价值。分析揭示关键权衡：SAM + CSRT 组合在人群密度上提供一致性能，但在长期遮挡（球员离开画面）时仅实现 8.66% 的重新捕获成功率。这些结果为在资源受限条件下部署足球跟踪系统提供了实用指南，表明经典跟踪器方法在持续可见性下表现良好，但需要更强大的重识别机制才能处理长时间缺失的情况。