运动视频中移动目标三维轨迹还原与分析.pdfVIP

JISUANJIKEXUEYUJISHU2025年第4期/数字技术与应用

计算机科学与技术JISUANJIKEXUEYUJISHU

运动视频中移动目标三维轨迹还原与分析

■林兆骥许良武

本文通过对单人投篮场景下的单目视频进行分通道可靠性来优化相关滤波器。然而由于篮球较

析，提取3D篮球轨迹，计算投篮出手速度、出手小，且经常会出现被遮挡及飞离视野的情况，如

角度等信息，并进行可视化的数据分析，给投篮者果将流行的跟踪器直接用在篮球跟踪上，效果不

改进投篮提供参考。首先，通过制作篮球数据集，佳。第三，篮球3D轨迹提取。Wen等[2]提出了

利用RetinaNet框架训练出篮球检测模型，采用一种通过相机标定的球场重建方法，通过寻找球

MaskR-CNN预训练模型对视频中投篮者进行检测。场的特殊点与标准球场的点进行匹配，从而估计

其次，为提高检测的速度及精度，使用CSRT跟踪视频中每一帧的相机位姿，还原出视频每一帧中

算法实现篮球与投篮者的跟踪检测；通过投篮者和场上球员在标准球场中的位置，此方法仅解决了

篮球的相对位置进行投篮检测；利用篮球场的标准球场标定问题，不能还原出篮球3D轨迹。

尺寸及投篮者与篮球轨迹共面的特性，进行投篮轨

迹3D还原，并通过篮球轨迹的3D信息计算出每次二、投篮视频3D轨迹还原与分析整体框架

投篮的篮球出手速度及出手角度信息，为投篮者提

供更加全面的参考信息。最后，本文对检测精度、本文通过投篮视频，判断投篮者在视频中何

投篮命中判断精度、3D还原效果等进行了实验分时进行投篮，提取篮球轨迹并判断是否命中篮筐。

析，表明本文算法具有可靠的精度。在此之后，对篮球轨迹进行3D还原，并通过3D

篮球轨迹信息计算出手角度及出手初速度等信息。

一、引言最后对轨迹及分析数据进行可视化，为投篮者提

供辅助训练。整体框架如图1所示。

篮球是大众热爱的体育运动，许多人会进行

投篮训练来提升自己的命中率，却苦于没有人统

计指导。能否通过计算机视觉技术进行辅助训练

呢？本文针对这一需求，通过对投篮视频的分析，

展示带有投篮角度、初速度等数据的篮球3D轨迹，

同时给出投篮命中率及区域统计等。

篮球轨迹的3D还原与分析工作需要结合目标

检测、目标跟踪和3D重建等多种技术。第一，篮

球与投篮者的目标检测。篮球在投篮场景中体积

很小，提取到篮球的特征较难，从而影响识别精

度，目前还没有公开的篮球数据集。Chakraborty

图1整体架构

等[1]提出采用基于篮球飞行轨迹的方法来识别篮

球，但此方法在篮球轨迹不可预测和被遮挡时效三、篮球及投篮者的检测与跟踪

果不佳。第二，篮球目标跟踪。基于相关滤波器

的跟踪算法现在较为流行，比较经典的是MOSSE（一）投篮者检测

跟踪算法。CSR-DCF是其改进算法，该算法在空本文采用MaskR-CNN的预训练模型对单人

域上给滤波器加上掩码信息，用来抑制边界效应，投篮场景中的投篮者进行检测。该模型在COCO

并使用不同通道的滤波器同时考虑空域可靠性和数据集上进行训练，mAP为37.1%，依照单人投

204