在深度卷积网络中利用时间信息实现高效的足球球检测与跟踪
计算机视觉与模式识别
2019-09-09 v2
摘要
足球球检测被确定为RoboCup竞赛中的关键挑战之一。它需要一个高效的视觉系统，能够以高精度和召回率处理检测任务，并提供鲁棒且低推理时间。在这项工作中，我们提出了一种新颖的卷积神经网络（CNN）方法，用于在图像序列中检测足球球。与现有仅使用当前帧或图像进行检测的方法相反，我们利用帧的历史。使用历史允许在球在某些帧中消失或局部遮挡的情况下高效跟踪球。我们的方法利用时空相关性，并基于球的运动轨迹进行检测。我们用三种卷积方法展示结果，即时间卷积网络（TCN）、ConvLSTM和ConvGRU。我们首先使用全卷积编码器-解码器架构解决图像的检测任务，随后将其作为我们时间模型的输入，并在图像序列中联合学习检测任务。我们在作为本工作一部分准备的新型数据集上评估所有实验。此外，我们给出经验结果以支持在挑战性场景中使用球历史的有效性。
引用
@article{arxiv.1909.02406,
title = {Utilizing Temporal Information in Deep Convolutional Network for Efficient Soccer Ball Detection and Tracking},
author = {Anna Kukleva and Mohammad Asif Khan and Hafez Farazi and Sven Behnke},
journal= {arXiv preprint arXiv:1909.02406},
year = {2019}
}
备注
23rd RoboCup International Symposium, Sydney, Australia, 2019