Seguiment de jugadors en el futbol mitjançant tècniques de visió per computador basades en xarxes neuronals
Seguiment de jugadors en el futbol mitjançant tècniques de visió per computador basades en xarxes neuronals
Enllaç permanent
Descripció
Resum
El treball de final de grau se centra a investigar el seguiment de jugadors en el futbol a través de tècniques de visió per ordinador. S’explora l’eficàcia de diversos mètodes de seguiment d’objectes utilitzant el conjunt de dades SoccerNet, que ofereix una àmplia gamma d’imatges i vídeos de partits de futbol de diferents escenaris amb anotacions detallades. A través d’una anàlisi exhaustiva, es revisa l’estat actual dels mètodes de seguiment d’objectes, des de mètodes tradicionals fins a les últimes estratègies de xarxes neuronals profundes. S’avaluen els resultats amb mètriques específiques i s’identifiquen els errors i desafiaments trobats. A més, s’obté una millora en els resultats mitjançant l’ús del mètode StrongSORT, centrat a optimitzar la detecció i l’associació d’objectes. Finalment, s’obté un nou model entrenant un detector utilitzant deteccions automàtiques obtingudes a partir de tècniques com Background Subtraction i Human Pose Estimation, amb l’objectiu de millorar la precisió i fiabilitat de les deteccions de jugadors i, per tant, la qualitat global del seguiment de jugadors.
El trabajo de fin de grado se centra en investigar el seguimiento de jugadores en el fútbol a través de técnicas de visión por computadora. Se explora la eficacia de diversos métodos de seguimiento de objetos utilizando el conjunto de datos SoccerNet, que ofrece una amplia gama de imágenes y vídeos de partidos de fútbol de diferentes escenarios con anotaciones detalladas. A través de un análisis exhaustivo, se revisa el estado actual de los métodos de seguimiento de objetos, desde métodos tradicionales hasta las últimas estrategias de redes neuronales profundas. Se evalúan los resultados con métricas específicas y se identifican los errores y desafíos encontrados. Además, se obtiene una mejora en los resultados mediante el uso del método StrongSORT, centrado en optimizar la detección y la asociación de objetos. Finalmente, se obtiene un nuevo modelo entrenando un detector utilizando detecciones automáticas obtenidas a partir de técnicas como Background Subtraction y Human Pose Estimation, con el objetivo de mejorar la precisión y fiabilidad de las detecciones de jugadores y, por tanto, la calidad global del seguimiento de jugadores.
This work focuses on researching player tracking in soccer through computer vision techniques. The effectiveness of various object tracking methods is explored using the SoccerNet dataset, which provides a wide range of images and videos of soccer matches from different scenarios with detailed annotations. Through comprehensive analysis, the current state of object tracking methods is reviewed, from traditional methods to the latest deep neural network strategies. Results are evaluated using specific metrics, and errors and challenges are identified. Furthermore, an improvement in results is achieved through the use of the StrongSORT method, which focuses on optimizing object detection and association. Finally, a new model is obtained by training a detector using automatic detections obtained from techniques such as Background Subtraction and Human Pose Estimation, aiming to improve the accuracy and reliability of player detections and thus the overall quality of player tracking.Descripció
Tutors: Alejandro Cartas, Coloma Ballester i Gloria Haro
Treball de fi de grau en Enyingeria de Sistemes Audiovisuals