論文の概要: Player Tracking and Identification in Ice Hockey
- arxiv url: http://arxiv.org/abs/2110.03090v1
- Date: Wed, 6 Oct 2021 22:37:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-08 15:44:05.168588
- Title: Player Tracking and Identification in Ice Hockey
- Title（参考訳）: アイスホッケーにおける選手追跡と識別
- Authors: Kanav Vats, Pascale Walters, Mehrnaz Fani, David A. Clausi, John Zelek
- Abstract要約: 本稿では,NHLホッケー映像の選手の追跡と識別を行う自動システムを提案する。
本システムは,(1)選手追跡,(2)チーム識別,(3)プレイヤー識別の3つのコンポーネントから構成される。
チーム識別では、アウトチームジャージは単一のクラスにグループ化され、ホームチームジャージはそのジャージの色に応じてクラスにグループ化される。
時間的一次元畳み込みネットワークを利用してプレイヤー境界ボックス列からプレイヤーを識別する新しいプレイヤー識別モデルを提案する。
- 参考スコア（独自算出の注目度）: 9.577770317771087
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Tracking and identifying players is a fundamental step in computer
vision-based ice hockey analytics. The data generated by tracking is used in
many other downstream tasks, such as game event detection and game strategy
analysis. Player tracking and identification is a challenging problem since the
motion of players in hockey is fast-paced and non-linear when compared to
pedestrians. There is also significant camera panning and zooming in hockey
broadcast video. Identifying players in ice hockey is challenging since the
players of the same team look almost identical, with the jersey number the only
discriminating factor between players. In this paper, an automated system to
track and identify players in broadcast NHL hockey videos is introduced. The
system is composed of three components (1) Player tracking, (2) Team
identification and (3) Player identification. Due to the absence of publicly
available datasets, the datasets used to train the three components are
annotated manually. Player tracking is performed with the help of a state of
the art tracking algorithm obtaining a Multi-Object Tracking Accuracy (MOTA)
score of 94.5%. For team identification, the away-team jerseys are grouped into
a single class and home-team jerseys are grouped in classes according to their
jersey color. A convolutional neural network is then trained on the team
identification dataset. The team identification network gets an accuracy of 97%
on the test set. A novel player identification model is introduced that
utilizes a temporal one-dimensional convolutional network to identify players
from player bounding box sequences. The player identification model further
takes advantage of the available NHL game roster data to obtain a player
identification accuracy of 83%.
- Abstract（参考訳）: プレイヤーの追跡と識別は、コンピュータビジョンに基づくアイスホッケー分析の基本的なステップである。
トラッキングによって生成されたデータは、ゲームイベント検出やゲーム戦略分析など、他の多くの下流タスクで使用される。
選手の追跡と識別は、選手の動きが歩行者に比べて速く、非線形であるため、難しい問題である。
ホッケーのブロードキャストビデオでは、カメラのパンニングやズームも盛んである。
アイスホッケー選手の識別は、同じチームの選手がほぼ同一に見えるため困難であり、ジャージ番号が選手間の唯一の識別要因である。
本稿では,NHLホッケー映像中の選手を追跡・識別する自動システムについて述べる。
本システムは,(1)選手追跡,(2)チーム識別,(3)プレイヤー識別の3つのコンポーネントから構成される。
公開されているデータセットがないため、3つのコンポーネントをトレーニングするために使用されるデータセットは手動でアノテートされる。
マルチオブジェクトトラッキング精度(mota)スコア94.5%を得る、アートトラッキングアルゴリズムの状態の助けを借りてプレイヤー追跡を行う。
チーム識別では、アウトチームジャージは単一のクラスにグループ化され、ホームチームジャージはそのジャージの色に応じてクラスにグループ化される。
次に、畳み込みニューラルネットワークをチーム識別データセットでトレーニングする。
チーム識別ネットワークは、テストセット上で97%の精度を得る。
時間的一次元畳み込みネットワークを利用してプレイヤー境界ボックス列からプレイヤーを識別する新しいプレイヤー識別モデルを提案する。
プレイヤー識別モデルは、利用可能なnhlゲームロスターデータを利用して、プレイヤー識別精度83%を得る。
関連論文リスト
- SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap [102.5232204867158]
我々は、ゲーム状態再構成のタスクを形式化し、フットボールビデオに焦点を当てた新しいゲーム状態再構成データセットである、サッカーネット-GSRを紹介する。
SoccerNet-GSRは、ピッチローカライゼーションとカメラキャリブレーションのための937万行のアノテートにより、30秒間の200の動画シーケンスで構成されている。
我々の実験は、GSRは挑戦的な新しい課題であり、将来の研究の場を開くことを示している。
論文 参考訳（メタデータ） (2024-04-17T12:53:45Z) - SoccerNet 2023 Challenges Results [165.5977813812761]
SoccerNet 2023 チャレンジ(英語: SoccerNet 2023 Challenge)は、サッカーネットチームが主催する3回目のビデオ理解チャレンジである。
この第3版では、課題は7つの視覚に基づくタスクから成っており、3つのテーマに分けられた。
論文 参考訳（メタデータ） (2023-09-12T07:03:30Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - Evaluating deep tracking models for player tracking in broadcast ice
hockey video [20.850267622473176]
選手追跡は、ホッケー選手の動きが高速で非線形であるため、難しい問題である。
我々は、いくつかの最先端追跡アルゴリズムを比較し、アイスホッケーのパフォーマンスと失敗モードを分析した。
論文 参考訳（メタデータ） (2022-05-22T22:56:31Z) - Automated player identification and indexing using two-stage deep
learning network [0.23610495849936355]
本稿では,アメリカンフットボールの試合における選手の参加を自動的に追跡し,その参加度を指標とする深層学習型選手追跡システムを提案する。
関心領域をハイライトし、ジャージ番号情報を高精度に識別するための2段階ネットワーク設計である。
フットボールビデオの質的,定量的な結果を分析することにより,選手追跡システムの有効性と信頼性を実証する。
論文 参考訳（メタデータ） (2022-04-26T02:59:03Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Efficient tracking of team sport players with few game-specific
annotations [1.052782170493037]
そこで本研究では,セミ・インタラクティブ・システムを通じて収集された人間のアノテーションがほとんどないため,チームスポーツ選手をフルゲーム中に追跡する新たな汎用手法を提案する。
非曖昧なトラックレットとその外観特徴は、両方の公開データセットで事前訓練された検出と再識別ネットワークによって自動的に生成される。
ラグビーのセブンスデータセットにアプローチの効率性を示す。
論文 参考訳（メタデータ） (2022-04-08T13:11:30Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z) - Ice hockey player identification via transformers [11.28395713457468]
そこで我々は,NHL(National Hockey League)ビデオで選手のジャージー番号を識別するトランスフォーマーネットワークを導入する。
提案するネットワークは、使用したデータセットの以前のベンチマークよりもパフォーマンスがよい。
また,光学式文字認識(OCR)を用いてゲーム時間を読み取ることで,NHLプレイバイプレイデータで利用可能なプレイヤーシフトを利用して,特定のゲーム時間でプレイヤーをアイスリンクに誘導する。
論文 参考訳（メタデータ） (2021-11-22T21:10:26Z) - Player Identification in Hockey Broadcast Videos [18.616544581429835]
我々はNHL放送におけるホッケー選手識別の問題を解決するために,深層畳み込みニューラルネットワークアプローチを提案する。
本稿では,ResNet+LSTMネットワークの出力を分類するために,2次1次元畳み込みニューラルネットワークをレイトスコアレベル融合法として利用する。
これにより、新しいデータセットのテスト分割で、全体的なプレイヤー識別精度が87%以上になる。
論文 参考訳（メタデータ） (2020-09-05T01:30:15Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。