論文の概要: Velocity and stroke rate reconstruction of canoe sprint team boats based on panned and zoomed video recordings
- arxiv url: http://arxiv.org/abs/2602.22941v1
- Date: Thu, 26 Feb 2026 12:31:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-27 18:41:22.681998
- Title: Velocity and stroke rate reconstruction of canoe sprint team boats based on panned and zoomed video recordings
- Title（参考訳）: パン及びズーム映像記録に基づくカヌーチームボートの速度とストローク率の復元
- Authors: Julian Ziegler, Daniel Matthes, Finn Gerdts, Patrick Frenzel, Torsten Warnke, Matthias Englert, Tina Koevari, Mirco Fuchs,
- Abstract要約: 速度とストロークレートプロファイルによって定義されるペース戦略は、カヌースプリントのピークパフォーマンスに不可欠である。
本稿では,パンとズームしたビデオ記録からパフォーマンス指標を再構築するための拡張フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.0542135376860524
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Pacing strategies, defined by velocity and stroke rate profiles, are essential for peak performance in canoe sprint. While GPS is the gold standard for analysis, its limited availability necessitates automated video-based solutions. This paper presents an extended framework for reconstructing performance metrics from panned and zoomed video recordings across all sprint disciplines (K1-K4, C1-C2) and distances (200m-500m). Our method utilizes YOLOv8 for buoy and athlete detection, leveraging the known buoy grid to estimate homographies. We generalized the estimation of the boat position by means of learning a boat-specific athlete offset using a U-net based boat tip calibration. Further, we implement a robust tracking scheme using optical flow to adapt to multi-athlete boat types. Finally, we introduce methods to extract stroke rate information from either pose estimations or the athlete bounding boxes themselves. Evaluation against GPS data from elite competitions yields a velocity RRMSE of 0.020 +- 0.011 (rho = 0.956) and a stroke rate RRMSE of 0.022 +- 0.024 (rho = 0.932). The methods provide coaches with highly accurate, automated feedback without requiring on-boat sensors or manual annotation.
- Abstract（参考訳）: 速度とストロークレートプロファイルによって定義されるペース戦略は、カヌースプリントのピークパフォーマンスに不可欠である。
GPSは分析のための金の標準だが、その限られた可用性は、自動化されたビデオベースのソリューションを必要とする。
本稿では,全スプリント分野 (K1-K4, C1-C2) と距離 (200m-500m) にわたるパンとズームのビデオ記録から,パフォーマンス指標を再構築するための拡張フレームワークを提案する。
本手法は,ブイとアスリート検出にYOLOv8を用いて,既知のブイ格子を用いてホモグラフを推定する。
U-netを用いたボート先端キャリブレーションを用いて,ボート固有の選手オフセットを学習することで,ボート位置の推定を一般化した。
さらに,光流を用いたロバストな追跡手法を実装し,マルチスポーツボートのタイプに適応する。
最後に,ポーズ推定とアスリート境界ボックス自体からストロークレート情報を抽出する方法を提案する。
エリート競技によるGPSデータに対する評価では、速度RRMSEは0.020+-0.011(rho = 0.956)、ストロークレートRRMSEは0.022+-0.024(rho = 0.932)となる。
この方法は、オンボートセンサーや手動のアノテーションを必要とせずに、コーチに高精度で自動的なフィードバックを提供する。
関連論文リスト
- CoWTracker: Tracking by Warping instead of Correlation [53.834673070954494]
ワープに有利なコストを削減できる高密度な点トラッカーを提案する。
近年の光学的流れの進展に触発されて,本手法では,現在の推定値に基づいて,対象フレームからクエリフレームへ特徴を変換することで,トラック推定を反復的に洗練する。
我々のモデルは,TAP-Vid-DAVIS,TAP-Vid-Kinetics,Robo-TAPなど,標準的な高密度点追跡ベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-04T18:58:59Z) - A Real-Time, Vision-Based System for Badminton Smash Speed Estimation on Mobile Devices [0.0]
本稿では,ユビキタススマートフォン技術を用いたスマッシュ速度測定システムを提案する。
提案手法では,シャトルコック検出のためのカスタムトレーニングされたYOLOv5モデルと,ロバストな軌道追跡のためのカルマンフィルタを併用する。
プロセス全体が直感的なモバイルアプリにパッケージ化され、ハイレベルなパフォーマンス分析へのアクセスを民主化します。
論文 参考訳（メタデータ） (2025-09-01T06:09:19Z) - DRO: Doppler-Aware Direct Radar Odometry [11.042292216861762]
移動ロボットアプリケーションのためのレーダーによるセンシングのルネッサンスが進行中である。
スピン周波数変調連続波レーダのための新しいSE(2)オドメトリー手法を提案する。
提案手法は,公開データセットから250km以上のオンロードデータに対して検証されている。
論文 参考訳（メタデータ） (2025-04-29T01:20:30Z) - Temporal Correlation Meets Embedding: Towards a 2nd Generation of JDE-based Real-Time Multi-Object Tracking [52.04679257903805]
共同検出・埋め込み(JDE)トラッカーは多目的追跡(MOT)タスクにおいて優れた性能を示した。
TCBTrackという名前のトラッカーは、複数の公開ベンチマークで最先端のパフォーマンスを実現しています。
論文 参考訳（メタデータ） (2024-07-19T07:48:45Z) - Automated Hit-frame Detection for Badminton Match Analysis [1.3300217947936062]
本研究では,最新の深層学習技術を用いて,マッチビデオからヒットフレームを自動的に検出し,バドミントンにおけるスポーツ分析の進歩を目指す。
ヒットフレームに含まれるデータは、その後プレイヤーのストロークやコート上での動きを合成したり、トレーニングタスクの分析や競争戦略などの下流のアプリケーションに利用することができる。
本研究では,映像トリミングにおけるショットアングル認識の精度99%,シャトルコック飛行方向予測におけるキーポイントシーケンスの適用精度92%以上を達成し,ラリーワイドビデオトリミングとヒットフレーム検出の評価結果を報告した。
論文 参考訳（メタデータ） (2023-07-29T15:01:27Z) - Motion Planning and Control for Multi Vehicle Autonomous Racing at High
Speeds [100.61456258283245]
本稿では,自律走行のための多層移動計画と制御アーキテクチャを提案する。
提案手法はダララのAV-21レースカーに適用され、楕円形のレーストラックで25$m/s2$まで加速試験された。
論文 参考訳（メタデータ） (2022-07-22T15:16:54Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z) - Convex Hull Prediction for Adaptive Video Streaming by Recurrent Learning [38.574550778712236]
本稿では,コンテンツ認識凸船体予測の深層学習に基づく手法を提案する。
再帰的畳み込みネットワーク(RCN)を用いて,映像の複雑さを暗黙的に解析し,その凸殻を予測する。
提案するモデルでは, 最適凸殻の近似精度が向上し, 既存の手法と比較して, 競争時間の節約が期待できる。
論文 参考訳（メタデータ） (2022-06-10T05:11:02Z) - Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。
そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文 参考訳（メタデータ） (2021-09-16T13:10:27Z) - SDOF-Tracker: Fast and Accurate Multiple Human Tracking by
Skipped-Detection and Optical-Flow [5.041369269600902]
本研究では,あるフレーム間隔で人間検出を行うことにより,走行速度の向上を図ることを目的とする。
本稿では, 隣接フレーム間の外観があまり変化しないという事実に基づいて, 検出結果を光学的流れで補完する手法を提案する。
MOTChallengeのMOT20データセットでは、提案されたSDOF-Trackerが全走行速度で最高の性能を達成した。
論文 参考訳（メタデータ） (2021-06-27T15:35:35Z)
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。