TOTNet：面向体育视频中鲁棒球检测的遮挡感知时序跟踪网络
计算机视觉与模式识别
2025-08-14 v1
摘要
在遮挡下进行鲁棒的球跟踪仍然是体育视频分析中的一个关键挑战，影响着事件检测和裁判等任务。我们提出了TOTNet，一种时序遮挡跟踪网络，它利用3D卷积、可见性加权损失和遮挡增强来提高在部分和完全遮挡下的性能。TOTNet与澳大利亚残奥委会合作开发，专为真实世界的体育分析而设计。我们引入了TTA，一个从专业级残奥会比赛中收集的、富含遮挡的乒乓球数据集，包含9,159个样本，其中1,996个为遮挡案例。在网球、羽毛球和乒乓球四个数据集上的评估表明，TOTNet显著优于先前的最先进方法，将RMSE从37.30降至7.19，并将完全遮挡帧上的准确率从0.63提高到0.80。这些结果证明了TOTNet在快节奏场景下进行离线体育分析的有效性。代码和数据访问：\href{https://github.com/AugustRushG/TOTNet}{AugustRushG/TOTNet}。
引用
@article{arxiv.2508.09650,
title = {TOTNet: Occlusion-Aware Temporal Tracking for Robust Ball Detection in Sports Videos},
author = {Hao Xu and Arbind Agrahari Baniya and Sam Wells and Mohamed Reda Bouadjenek and Richard Dazely and Sunil Aryal},
journal= {arXiv preprint arXiv:2508.09650},
year = {2025}
}
备注
8 pages, 6 figures,