論文の概要: Design and Implementation of A Soccer Ball Detection System with Multiple Cameras

• arxiv url: http://arxiv.org/abs/2302.00123v1
• Date: Tue, 31 Jan 2023 22:04:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-02 13:54:32.927900
• Title: Design and Implementation of A Soccer Ball Detection System with Multiple Cameras
• Title（参考訳）: 複数のカメラを用いたサッカーボール検出システムの設計と実装
• Authors: Lei Li, Tianfang Zhang, Zhongfeng Kang, Wenhan Zhang
• Abstract要約: 本稿では,複数台のカメラでリアルタイムにターゲットを検知・捕捉するためのサッカー検出システムの設計と実装を行った。 主な作業は、サッカー検知器、単一カメラ検出、マルチカメラ検出という3つの部分で構成されている。 システムをテストすることで、システムは3Dで動くターゲットを正確に検出し、捉えることができる。
• 参考スコア（独自算出の注目度）: 15.399112952297335
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The detection of small and medium-sized objects in three dimensions has always been a frontier exploration problem. This technology has a very wide application in sports analysis, games, virtual reality, human animation and other fields. The traditional three-dimensional small target detection technology has the disadvantages of high cost, low precision and inconvenience, so it is difficult to apply in practice. With the development of machine learning and deep learning, the technology of computer vision algorithms is becoming more mature. Creating an immersive media experience is considered to be a very important research work in sports. The main work is to explore and solve the problem of football detection under the multiple cameras, aiming at the research and implementation of the live broadcast system of football matches. Using multi cameras detects a target ball and determines its position in three dimension with the occlusion, motion, low illumination of the target object. This paper designed and implemented football detection system under multiple cameras for the detection and capture of targets in real-time matches. The main work mainly consists of three parts, football detector, single camera detection, and multi-cameras detection. The system used bundle adjustment to obtain the three-dimensional position of the target, and the GPU to accelerates data pre-processing and achieve accurate real-time capture of the target. By testing the system, it shows that the system can accurately detect and capture the moving targets in 3D. In addition, the solution in this paper is reusable for large-scale competitions, like basketball and soccer. The system framework can be well transplanted into other similar engineering project systems. It has been put into the market.
• Abstract（参考訳）: 3次元における中小物体の検出は常にフロンティア探査の問題であった。 この技術はスポーツ分析、ゲーム、バーチャルリアリティー、ヒューマンアニメーションなどの分野に広く応用されている。 従来の3次元小型ターゲット検出技術は、高コスト、低精度、不便という欠点があるため、実際に適用することは困難である。 機械学習とディープラーニングの開発により、コンピュータビジョンアルゴリズムの技術はより成熟している。 没入型メディア体験の創造はスポーツにおいて非常に重要な研究課題であると考えられている。 本研究の主な目的は,サッカーの試合生中継システムの研究と実装を目的とした,複数台のカメラによるサッカー検出の課題の探索と解決である。 マルチカメラを用いてターゲットボールを検知し、対象物体の閉塞、動き、低照度で3次元の位置を決定する。 本稿では,複数台のカメラでリアルタイムに目標を捕捉するサッカー検知システムの設計と実装を行った。 主な作業は主にサッカー検出器、単一カメラ検出、マルチカメラ検出の3つの部分からなる。 システムは、ターゲットの3次元位置を得るためにバンドル調整を使用し、GPUはデータ前処理を加速し、ターゲットの正確なリアルタイムキャプチャを実現する。 システムをテストすることで、システムは3Dで動くターゲットを正確に検出し、捉えることができる。 さらに,本論文の解法は,バスケットボールやサッカーなどの大規模競技で再利用可能である。 システムフレームワークは、他の同様のエンジニアリングプロジェクトシステムにうまく移植することができる。 市場に投入された。

関連論文リスト

• Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data [68.18735997052265]
  単分子と点雲に基づく3次元検出の利点を組み合わせたバランスの取れたアプローチを提案する。 本手法では,低コストで低解像度のセンサから得られる3Dポイントを少数必要としている。 3次元検出の精度は最先端の単分子検出法と比較して20%向上する。
  論文  参考訳（メタデータ） (2024-04-10T03:54:53Z)
• Joint object detection and re-identification for 3D obstacle multi-camera systems [47.87501281561605]
  本研究は,カメラとライダー情報を用いた物体検出ネットワークに新たな改良を加えたものである。 同じ車両内の隣のカメラにまたがって物体を再識別する作業のために、追加のブランチが組み込まれている。 その結果,従来の非最大抑圧(NMS)技術よりも,この手法が優れていることが示された。
  論文  参考訳（メタデータ） (2023-10-09T15:16:35Z)
• Context-Aware 3D Object Localization from Single Calibrated Images: A Study of Basketballs [1.809206198141384]
  単一校正画像から3次元バスケットボールのローカライズ手法を提案する。 提案手法は,画像内の平面上に投影された物体の高さを推定することにより,画像空間内の物体の高さを推定する。 ボールの3次元座標は、既知の投影行列を利用して再構成される。
  論文  参考訳（メタデータ） (2023-09-07T11:14:02Z)
• MonoNext: A 3D Monocular Object Detection with ConvNext [69.33657875725747]
  本稿では3次元物体検出のためのMonoNextと呼ばれる新しいマルチタスク学習手法を提案する。 MonoNextは、ConvNextネットワークに基づく直接的なアプローチを採用し、3Dバウンディングボックスデータのみを必要とする。 KITTIデータセットを用いた実験では,MonoNextは最先端のアプローチに匹敵する高精度かつ競争的な性能を達成した。
  論文  参考訳（メタデータ） (2023-08-01T15:15:40Z)
• Graph-Based Multi-Camera Soccer Player Tracker [1.6244541005112743]
  本稿では,サッカー場周辺に設置した複数のキャリブレーションカメラから,長撮影映像記録におけるサッカー選手の追跡を目的としたマルチカメラ追跡手法を提案する。 カメラとの距離が大きいため、個々のプレイヤーを視覚的に区別することは困難であり、従来のソリューションの性能に悪影響を及ぼす。 本手法は,各プレイヤーのダイナミクスと周辺プレイヤー間の相互作用に着目し,トラッキング性能の向上を図る。
  論文  参考訳（メタデータ） (2022-11-03T20:01:48Z)
• A Simple Baseline for Multi-Camera 3D Object Detection [94.63944826540491]
  周囲のカメラで3Dオブジェクトを検出することは、自動運転にとって有望な方向だ。 マルチカメラオブジェクト検出のための簡易ベースラインであるSimMODを提案する。 我々は, nuScenes の3次元オブジェクト検出ベンチマークにおいて, SimMOD の有効性を示す広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-08-22T03:38:01Z)
• Coordinate-Aligned Multi-Camera Collaboration for Active Multi-Object Tracking [114.16306938870055]
  AMOTのための座標整列型マルチカメラ協調システムを提案する。 提案手法では,各カメラをエージェントとみなし,マルチエージェント強化学習ソリューションを用いてAMOTに対処する。 本システムでは,ベースライン法を8.9%上回る71.88%のカバレッジを実現している。
  論文  参考訳（メタデータ） (2022-02-22T13:28:40Z)
• Analysis of voxel-based 3D object detection methods efficiency for real-time embedded systems [93.73198973454944]
  本稿では, ボクセルをベースとした2つの3次元物体検出手法について述べる。 実験の結果,これらの手法は入力点雲が遠距離にあるため,遠距離の小さな物体を検出できないことが確認できた。 この結果から,既存手法の計算のかなりの部分は,検出に寄与しないシーンの位置に着目していることが示唆された。
  論文  参考訳（メタデータ） (2021-05-21T12:40:59Z)
• Three-dimensional Human Tracking of a Mobile Robot by Fusion of Tracking Results of Two Cameras [0.860255319568951]
  OpenPoseは人間の検出に使われる。 この問題に対処するための新しいステレオビジョンフレームワークが提案されている。 提案手法の有効性を目標追跡実験により検証した。
  論文  参考訳（メタデータ） (2020-07-03T06:46:49Z)
• Multimodal and multiview distillation for real-time player detection on a football field [31.355119048749618]
  本研究では,単一の狭角熱カメラによって支援された,ユニークな安価で広角の魚眼カメラから選手を検知するシステムを開発した。 魚眼カメラで撮影した全フィールド上の選手を検出するのに,本手法が有効であることを示す。
  論文  参考訳（メタデータ） (2020-04-16T09:16:20Z)

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。