基于图层次结构与领域特定特征的长期球员追踪
计算机视觉与模式识别
2025-03-03 v1
摘要
在团队运动分析中，由于球员外观相似、遮挡以及动态运动模式，长期球员追踪仍是一项具有挑战性的任务。在球员离开视野或被长时间遮挡后，准确地重新识别球员并重新连接轨迹片段对于鲁棒的分析至关重要。我们引入了 SportsSUSHI，这是一种基于层次图的方法，它利用领域特定特征（包括球衣号码、球队 ID 和球场坐标）来提高追踪精度。SportsSUSHI 在 SoccerNet 数据集和一个新提出的冰球追踪数据集上取得了高性能。我们的冰球数据集使用捕捉整个比赛场面的固定摄像机录制，包含长序列以及球队 ID 和球衣号码的标注，使其非常适合用于评估长期追踪能力。正如我们的实验所证明的，在我们的方法中引入领域特定特征显著提高了关联精度。数据集和代码可在 https://github.com/mkoshkina/sports-SUSHI 获取。
引用
@article{arxiv.2502.21242,
title = {Towards long-term player tracking with graph hierarchies and domain-specific features},
author = {Maria Koshkina and James H. Elder},
journal= {arXiv preprint arXiv:2502.21242},
year = {2025}
}