TrackID3x3：面向 3x3 篮球全场视频的多玩家跟踪、身份识别与姿态估计数据集与算法
计算机视觉与模式识别
2026-01-21 v2
摘要
多目标跟踪、玩家身份识别和姿态估计是体育分析中基本且重要的组成部分，对于分析玩家运动、绩效和战术策略至关重要。然而，现有数据集和方法主要针对足球等主流团队运动以及常规 5 人篮球，往往忽视固定摄像头 setup 常见于业余水平的场景、较少涉及的运动项目，或不包含姿态标注的数据集。本文提出了 TrackID3x3 数据集，首个公开的综合性数据集，专为针对 3x3 篮球场景下的多玩家跟踪、身份识别和姿态估计而设计。数据集包含三个互不相同的子集（室内固定摄像头、户外固定摄像头和无人机摄像 footage），覆盖多样化的全场摄像视角和环境。我们还提出了 Track-ID 任务，这是一种简化的游戏状态重建任务变体，省略场地检测，专注于固定摄像头场景。为评估性能，我们提出了名为 Track-ID 的基线算法，旨在评估跟踪和身份识别质量。此外，我们的基准实验利用最新的多目标跟踪算法（如 BoT-SORT-ReID）和顶级的自上而下姿态估计方法（HRNet、RTMPose 和 SwinPose），展示了稳健的结果并揭示了剩余挑战。我们的数据集和评估基准为推动 3x3 篮球的自动化分析提供了坚实的基础。数据集和代码将在 https://github.com/open-starlab/TrackID3x3 上提供。
引用
@article{arxiv.2503.18282,
title = {TrackID3x3: A Dataset and Algorithm for Multi-Player Tracking with Identification and Pose Estimation in 3x3 Basketball Full-court Videos},
author = {Kazuhiro Yamada and Li Yin and Qingrui Hu and Ning Ding and Shunsuke Iwashita and Jun Ichikawa and Kiwamu Kotani and Calvin Yeung and Keisuke Fujii},
journal= {arXiv preprint arXiv:2503.18282},
year = {2026}
}
备注
Accepted in MMSports'25