要約
人間の行動を理解するには、ビデオに基づく行動認識が一般的なアプローチです。
画像ベースの行動認識と比較して、ビデオははるかに多くの情報を提供します。
アクションのあいまいさを減らし、過去10年間で、データセット、新しいモデル、学習アプローチに焦点を当てた多くの作業により、ビデオアクション認識がより高いレベルに向上しました。
ただし、特にデータ収集とラベル付けがより高度であり、スポーツの専門家がデータに注釈を付ける必要があるスポーツ分析では、課題と未解決の問題があります。
さらに、アクションは非常に高速である可能性があり、それらを認識するのが難しくなります。
さらに、サッカーやバスケットボールなどのチームスポーツでは、1つのアクションに複数のプレーヤーが関与する可能性があり、それらを正しく認識するためには、すべてのプレーヤーを分析する必要がありますが、これは比較的複雑です。
この論文では、スポーツ分析のためのビデオ行動認識に関する調査を提示します。
サッカー、バスケットボール、バレーボール、ホッケーなどのチームスポーツから、フィギュアスケート、体操、卓球、テニス、ダイビング、バドミントンなどの個人スポーツまで、10種類以上のスポーツをご紹介します。
次に、スポーツ分析のための多数の既存のフレームワークを比較して、チームスポーツと個人スポーツの両方におけるビデオアクション認識の現状を提示します。
最後に、この分野の課題と未解決の問題について説明し、スポーツ分析を容易にするために、サッカー、バスケットボール、卓球、フィギュアスケートのアクション認識をサポートするPaddlePaddleを使用したツールボックスを開発します。
要約(オリジナル)
To understand human behaviors, action recognition based on videos is a common approach. Compared with image-based action recognition, videos provide much more information. Reducing the ambiguity of actions and in the last decade, many works focused on datasets, novel models and learning approaches have improved video action recognition to a higher level. However, there are challenges and unsolved problems, in particular in sports analytics where data collection and labeling are more sophisticated, requiring sport professionals to annotate data. In addition, the actions could be extremely fast and it becomes difficult to recognize them. Moreover, in team sports like football and basketball, one action could involve multiple players, and to correctly recognize them, we need to analyse all players, which is relatively complicated. In this paper, we present a survey on video action recognition for sports analytics. We introduce more than ten types of sports, including team sports, such as football, basketball, volleyball, hockey and individual sports, such as figure skating, gymnastics, table tennis, tennis, diving and badminton. Then we compare numerous existing frameworks for sports analysis to present status quo of video action recognition in both team sports and individual sports. Finally, we discuss the challenges and unsolved problems in this area and to facilitate sports analytics, we develop a toolbox using PaddlePaddle, which supports football, basketball, table tennis and figure skating action recognition.
arxiv情報
| 著者 | Fei Wu,Qingzhong Wang,Jian Bian,Haoyi Xiong,Ning Ding,Feixiang Lu,Jun Cheng,Dejing Dou |
| 発行日 | 2022-06-02 13:19:36+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google