
摘要
轨迹估计是球拍运动分析中的一个基本组成部分,因为轨迹不仅包含了每一分胜负的信息,还揭示了得分或失分的具体方式。在羽毛球等运动中,运动员从了解完整的三维轨迹中受益匪浅,因为球的高度提供了宝贵的战略信息。然而,三维重建是一个众所周知的难题,而传统的轨迹估计器只能跟踪二维像素坐标。在这项工作中,我们提出了首个从单目羽毛球视频中提取和分割三维球轨迹的完整端到端系统。该系统集成了羽毛球领域的知识,如场地尺寸、击球位置、运动物理定律,以及基于视觉的特征,如球员姿态和球的追踪。我们发现,为了使整个系统更加稳健,需要进行大量的工程努力和模型改进。作为这项工作的副产品,我们在场地识别、二维轨迹估计和击球识别方面也取得了最先进的成果。
代码仓库
nttcom/wasb-sbdt
pytorch
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| sports-ball-detection-and-tracking-on | MonoTrack | Accuracy (%): 85.9 Average Precision (%): 84.9 F1 (%): 90.9 |
| sports-ball-detection-and-tracking-on-1 | MonoTrack | Accuracy (%): 75.9 Average Precision (%): 72.1 F1 (%): 85.1 |
| sports-ball-detection-and-tracking-on-2 | MonoTrack | Accuracy (%): 71.3 Average Precision (%): 65.3 F1 (%): 80.8 |
| sports-ball-detection-and-tracking-on-sbdt | MonoTrack | Accuracy (% ): 97.4 Average Precision (%): 78.6 F1 (%): 85.2 |
| sports-ball-detection-and-tracking-on-tennis | MonoTrack | Accuracy (%): 85.9 Average Precision (%): 87.3 F1 (%): 92.1 |