一种用在体育场景分析中的检测跟踪系统与方法
技术特征：
1.一种用在体育场景分析中的检测跟踪系统，其特征在于，所述系统包括摄像头模块、目标检测模块、外观特征提取模块、预测模块、运动相机补偿模块、高分匹配模块、位置特征提取模块、低分匹配模块、更新模块、轨迹维护模块；
2.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，所述目标检测模块所采用的视频检测的模型是yolov7，利用所述预测模块生成的预测框在所述视频图像数据中生成感兴趣区域，从而在目标检测过程中给予所述感兴趣区域更大的注意力权重。
3.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，所述述外观特征提取模块中使用的所述卷积神经网络是类似resnet的预训练模型。
4.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，所述位置特征提取模块中的所述初步的位置特征嵌入记为，可以通过直接向线性层中输入所述检测框的位置和形状大小生成，公式如下：
5.如权利要求4所述的用在体育场景分析中的检测跟踪系统，其特征在于，在所述位置特征提取模块中，通过计算相邻检测框之间的相对距离、角度来获得运动员与周围运动员之间的所述相对位置来进一步丰富所述初步的位置特征嵌入；
6.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，所述预测模块和所述更新模块使用修正的卡尔曼滤波模型来进行预测和更新。
7.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，所述运动相机补偿模块采用的运动相机补偿算法是稀疏光流法。
8.如权利要求1所述的用在体育场景分析中的检测跟踪系统，其特征在于，在所述轨迹维护模块中，对于当前帧没有匹配上的所述有效轨迹，将会增加所述有效轨迹的连续未被命中次数，若下一帧和检测框匹配上，则连续未被命中次数清零，若连续未被命中次数超过60，则直接丢弃所述有效轨迹。
9.一种用在体育场景分析中的检测跟踪方法，其特征在于，所述方法包括以下步骤：
10.如权利要求9所述的用在体育场景分析中的检测跟踪方法，其特征在于，所述步骤1包括以下子步骤：
技术总结
本发明公开了一种用在体育场景分析中的检测跟踪系统与方法，涉及多目标检测跟踪领域，所述系统包括摄像头模块、目标检测模块、外观特征提取模块、预测模块、运动相机补偿模块、高分匹配模块、位置特征提取模块、低分匹配模块、更新模块、轨迹维护模块。所述方法包括：步骤1、捕捉视频图像数据；步骤2、生成预测框；步骤3、识别运动员的位置信息，生成高分检测框和低分检测框；步骤4、提取运动员的外观特征；步骤5、计算检测框和轨迹之间的相似性并进行贪婪匹配；步骤6、提取低分检测框的位置特征；步骤7、计算检测框和轨迹之间的相似性并进行匹配；步骤8、对轨迹的卡尔曼滤波参数进行更新；步骤9、对轨迹的外观特征进行更新。
技术研发人员：陈碧仪,王成光,杨根科,褚健
受保护的技术使用者：上海交通大学宁波人工智能研究院
技术研发日：
技术公布日：2024/11/14
技术研发人员：陈碧仪,王成光,杨根科,褚健
技术所有人：上海交通大学宁波人工智能研究院
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除