کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4968803 1449743 2017 27 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Scene-specific classifier for effective and efficient team sport players detection from a single calibrated camera
ترجمه فارسی عنوان
طبقه بندی کننده خاص صحنه برای شناسایی موثر و کارآمد بازیکنان ورزشی از یک دوربین کالیبره شده
کلمات کلیدی
تشخیص طبقه بندی خاص صحنه، آموزش آنلاین، سرخس های تصادفی، تجزیه و تحلیل ورزشی،
ترجمه چکیده
در این مقاله، تشخیص بازیکنان در صحنه های ورزشی تیمی با دوربین با جابجایی با حرکت یا جابجایی مشاهده می شود. ماسکهای پیش زمینهی پسزمینه، نشانههای اولیه را برای شناسایی شباهتهای عمودی بازیکنان در حال حرکت آسان فراهم میآورند. با این حال، به نظر می رسد که آنها برای رسیدن به تشخیص های قابل اطمینان بیش از حد پر سر و صدا هستند، زمانی که تنها یک دید کلی در دسترس است، همانطور که اغلب برای کاهش هزینه های اجرایی مورد نظر است. برای دور زدن این مشکل، مقاله ما به بررسی طبقه بندی بصری برای شناسایی مثبت واقعی در میان کاندیداهای شناسایی شده توسط ماسک پیش زمینه می پردازد. این یک رویکرد اصلی برای به طور خودکار سازنده طبقه بندی کننده را به بازی در دست ارائه می دهد، ایجاد صحنه طبقه بندی برای دقت بهبود یافته است. از آنجایی که این سازگاری استفاده از برچسبهای بالقوه خراب را برای آموزش طبقهبندی میکند، طبقهبندی نیمه نویسی بیزی که مجموعههای تصادفی تستهای دوتایی را ترکیب میکند، به عنوان یک جایگزین قوی برای راهحلهای طبقهبندی پیشرفته در نظر گرفته میشود. در نهایت، اعتبار ما در دو مجموعه داده آزاد منتشر شده ثابت می کند که ترکیب پیشنهاد شده ما از نشانه های بصری و زمانی، تشخیص بازیکنان دقیق و قابل اعتماد در صحنه های ورزشی تیم را از یک دیدگاه مشاهده می کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
پیش نمایش مقاله
طبقه بندی کننده خاص صحنه برای شناسایی موثر و کارآمد بازیکنان ورزشی از یک دوربین کالیبره شده
چکیده انگلیسی
This paper considers the detection of players in team sport scenes observed with a still or motion-compensated camera. Background-subtracted foreground masks provide easy-to-compute primary cues to identify the vertical silhouettes of moving players in the scene. However, they are shown to be too noisy to achieve reliable detections when only a single viewpoint is available, as often desired for reduced deployment cost. To circumvent this problem, our paper investigates visual classification to identify the true positives among the candidates detected by the foreground mask. It proposes an original approach to automatically adapt the classifier to the game at hand, making the classifier scene-specific for improved accuracy. Since this adaptation implies the use of potentially corrupted labels to train the classifier, a semi-naive Bayesian classifier that combines random sets of binary tests is considered as a robust alternative to boosted classification solutions. In final, our validations on two publicly released datasets prove that our proposed combination of visual and temporal cues supports accurate and reliable players' detection in team sport scenes observed from a single viewpoint.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computer Vision and Image Understanding - Volume 159, June 2017, Pages 74-88
نویسندگان
, ,