Ang maikling bersyon: Nangyayari ang occlusion kapag tinatakpan ng ibang katawan, ng rim, ng sariling limbs ng manlalaro, o ng anggulo ng camera ang isang manlalaro o ang bola. Maaaring hindi makita ng isang sistema ang bagay, lumikha ng duplicate na box, o ikabit ang maling pagkakakilanlan pagkatapos itong bumalik. Ang kasaysayan ng paggalaw, mga tampok ng pose at hitsura, mga limitasyon ng court, at mga naka-synchronize na camera ay maaaring magtulay sa ilang puwang. Hindi nila kayang gawing obserbahan ang bawat nakatagong sandali, kaya ang mga maaasahang produkto ay nagpapanatili ng kawalan ng katiyakan at nag-uugnay ng mga resulta sa video.
Mga pangunahing aral
- Ang occlusion ay kakulangan ng visual na ebidensya, hindi patunay na huminto sa paggalaw ang manlalaro o ang bola.
- Mahirap ang basketball dahil magkakatulad na uniporme, mabilis na pagbabago ng direksyon, siksik na trapiko sa paint, at isang maliit na mabilis na bola ay nangyayari nang sabay-sabay.
- Nakikita ng detection ang mga nakikitang bagay kada frame; dapat iugnay ng tracking ang mga obserbasyong iyon sa mga nagpapatuloy na pagkakakilanlan sa paglipas ng panahon.
- Ang mga temporal na modelo ay maaaring magtulay ng maiikling puwang, habang ang multi-camera at 3D system ay maaaring magbigay ng isa pang pananaw sa parehong sandali.
- Ang isang mapagkakatiwalaang pagsusuri ay nagpapakita ng kumpiyansa, mga puwang, pagpapalit ng pagkakakilanlan, at ang orihinal na video sa halip na ipakita ang bawat coordinate bilang tiyak.
Ano ang occlusion sa basketball computer vision?
Nangyayari ang pagtatakip kapag hindi direktang makita ng kamera ang buo o bahagi ng bagay na dapat sukatin ng isang vision system. Maaaring dumaan ang isang depensor sa pagitan ng lente at ng ballhandler. Tatlong manlalaro ang maaaring magpatong-patong sa ilalim ng ring. Maaaring mawala ang bola sa likod ng braso, katawan, backboard, o reperi. Patuloy na gumagalaw ang atleta at ang bola sa pisikal na mundo, ngunit ang imahe ay wala nang sapat na nakikitang ebidensya para sa isang malinaw na pagmamasid sa antas ng frame. SportsMOT: A Large Multi-Object Tracking Dataset in Multiple Sports Scenes Iterative Scale-Up ExpansionIoU and Deep Features Association for Multi-Object Tracking in Sports pagsubaybay sa manlalaro ng basketball
Mahalaga ang pagkakaibang iyon dahil ang isang tracking output ay maaaring magmukhang tuloy-tuloy kahit na ang bahagi nito ay hinuha. Maaaring makita ng isang detector ang isang manlalaro bago ang overlap, makaligtaan ang ilang frame, pagkatapos ay makita ang isang katulad na manlalaro pagkatapos. Kailangan magpasya ng tracker kung ang mga obserbasyong iyon ay kabilang sa parehong pagkakakilanlan. Pinapahirap ng basketball ang desisyon: Binibigyang-diin ng SportsMOT ang madalas na occlusion, habang ang iba pang pananaliksik sa sports-tracking ay nagdaragdag ng magkatulad na uniporme ng koponan at hindi mahuhulaan na paggalaw tulad ng crossovers sa problema. Single-Camera Basketball Tracker through Pose and Semantic Feature Fusion
Ang apat na karaniwang uri ng pagkubli sa basketball
| Uri ng pagkubli | Halimbawa sa basketball | Malamang na pagkabigo |
|---|---|---|
| Manlalaro-manlalaro | Nag-o-overlap ang isang screener at defender mula sa anggulo ng kamera | Isang maling deteksyon, pinagsamang kahon, o pagpapalit ng pagkakakilanlan |
| Pagkubli sa sarili | Tinatakpan ng torso ng shooter ang siko o pulso | Nawawala o hindi matatag na pose landmarks |
| Bagay-eksena | Dumadaan ang bola sa likod ng rim, backboard, o referee | Isang maikling agwat sa pagsubaybay ng bola o maling lokasyon |
| Frame at pananaw | Ang pan, zoom, crop, blur, o mababang anggulo ay nagtatanggal ng kapaki-pakinabang na detalye | Mababang kumpiyansa, naantalang muling pagkuha, o maling pagkakaugnay |
Ang bahagya at kumpletong occlusion ay mga punto sa isang spectrum. Ang isang nakikitang ulo at isang balikat ay maaaring sapat upang mapanatili ang isang pagkakakilanlan ngunit hindi sapat upang matantya ang isang buong balangkas. Ang isang bola ay maaaring manatiling bahagyang nakikita ngunit kahawig ng isang kamay, patch ng jersey, o hugis ng background sa bilis ng laro. Samakatuwid, ang kumpiyansa ay dapat na nakakabit sa partikular na output—detection, pagkakakilanlan, joint, o coordinate ng bola—hindi siksik sa isang pahayag na ang buong frame ay na-track o hindi na-track.
Bakit magkaiba ang pagkabigo ng deteksyon at pagsubaybay
Ang detection ay nagtatanong kung aling mga manlalaro o bola ang nakikita sa frame na ito at kung saan sila lumilitaw. Ang tracking ay nagtatanong kung aling kasalukuyang obserbasyon ang tumutugma sa bawat naunang pagkakakilanlan. Maaaring masira ng occlusion ang alinmang layer. Maaaring hindi makagawa ng box ang isang detector para sa isang nakatagong atleta, isang box sa paligid ng dalawang atleta, o dalawang box sa paligid ng isang bahagyang nakikitang atleta. Pormal na inilalarawan ng D3 paper ang huling pagkabigo bilang duplicate detection: maraming box ang maling nag-uulat ng parehong atleta sa panahon ng isang occlusion. D3: Duplicate Detection Decontaminator for Multi-Athlete Tracking in Sports Videos
Ang asosasyon ay nagiging mas mahirap na tanong pagkatapos bumalik ang visibility. Ang mga kakampi ay nagsusuot ng halos magkaparehong uniporme, maraming atleta ang maaaring nagkrus ang landas, at ang isang crossover o cut ay nagpapawalang-bisa sa isang simpleng straight-line forecast. Maaaring ikabit ng sistema ang muling lumitaw na box sa maling track, na lumilikha ng pagpapalit ng pagkakakilanlan. Ang isang pagkakamaling iyon ay maaaring makahawa sa bilis, distansya, matchup, possession, at mga downstream event label kahit na ang bawat susunod na box ay tumpak sa paningin. Observation Centric and Central Distance Recovery for Athlete Tracking
Paano sinasara ng temporal tracking ang nakatagong sandali
- Dalhin ang kamakailang posisyon at bilis bilang isang maikling hinuha ng paggalaw sa halip na ituring na agad nawala ang track.
- Ihambing ang mga bagong deteksyon sa kamakailang hitsura, pose, at semantic features sa halip na gamitin lamang ang center-point distance.
- Gamitin ang mga hangganan ng court, makatotohanang bilis, panig ng koponan, at kilalang geometry ng laro upang alisin ang mga imposibleng pagtutugma.
- Panatilihin ang ilang kandidatong asosasyon kapag mahina ang ebidensya, pagkatapos ay lutasin ang mga ito kapag ang mga susunod na frame ay nagbibigay ng mas maraming paghihiwalay.
- Markahan ang mga na-recover o interpolated na span upang makilala ng mga downstream user ang obserbasyon mula sa pagtatantya.
Ang mga hakbang na ito ay mga anyo ng pamamahala ng ebidensya, hindi patunay. Ang pose at semantic feature fusion ay maaaring magbigay sa asosasyon ng mas mayamang pahiwatig, tulad ng ipinapakita ng single-camera basketball tracker. Maaaring muling ikonekta ng observation-centric recovery ang isang trajectory pagkatapos ng isang missed detection. Ngunit ang isang mahabang overlap, isang matalim na pagbabago ng direksyon, o dalawang manlalaro na magkatulad sa paningin na naghihiwalay sa magkasalungat na direksyon ay maaaring manatiling malabo. Ang responsableng output ay maaaring isang lower-confidence identity o isang flagged gap sa halip na isang maling tumpak na landas.
Bakit nakakatulong ang maraming camera at 3D pose
Maaaring mapanatili ng isa pang camera ang visibility kapag naharangan ang isang view. Inanunsyo ng NBA at Sony ang isang sistema na idinisenyo upang makuha ang bawat manlalaro at ang bola sa tatlong dimensyon sa sub-second latency. Sinasabi ng kasalukuyang Gravity explainer ng NBA na ang optical system nito ay naglalapat ng 3D pose detection sa 29 body points bawat manlalaro sa 60 samples per second. Samakatuwid, ang maraming naka-synchronize na view at isang court calibration ay maaaring sumuporta sa isang shared 3D estimate sa halip na umasa sa isang broadcast image. NBA and Sony Hawk-Eye Next Generation 3D Tracking Partnership NBA — Intro to Gravity and 3D Pose Tracking
Mas maraming view ang nagpapababa ng ilang kalabuan, ngunit hindi nito ginagawang perpektong obserbahan ang eksena. Ang mga manlalaro ay maaaring magkumpol mula sa iba't ibang anggulo, ang bola ay maaaring maitago ng mga kamay o ng rim, maaaring mag-iba ang calibration, at bawat camera ay maaaring magkaroon ng blur o limitasyon sa exposure. Inilalarawan ng anunsyo ng NBA ang mga kakayahan at nilalayon na aplikasyon; hindi ito nangangako ng zero occlusion. Pinagsasama ng isang matibay na sistema ang mga view, oras, geometry, at kawalan ng katiyakan sa halip na ituring ang anumang iisang sensor bilang hindi nagkakamali.
Bakit lalong mahirap ang pagsubaybay sa bola ng basketball
Ang bola ay sumasakop ng mas kaunting pixel kaysa sa isang manlalaro, nagbabago ng direksyon sa panahon ng mga pasa at rebound, mabilis na bumibilis, at gumugugol ng oras sa tabi ng mga kamay, jersey, rim, at backboard. Maaaring gawing streak ng motion blur ang bola; maaaring alisin ito nang buo ng isang broadcast crop; maraming orange o bilog na rehiyon ng imahe ang maaaring magmukhang kapani-paniwala. Kapag nagbago ang possession sa loob ng maraming tao, dapat lutasin ng sistema ang lokasyon at pagmamay-ari habang ang pinakamahusay na visual na ebidensya ay maaaring pansamantalang wala. NBA G League and Second Spectrum Optical Tracking Partnership
Maaaring paliitin ng konteksto ng laro ang mga opsyon—ang isang pasa ay dapat sumunod sa isang pisikal na makatotohanang arko, at ang possession ay hindi dapat mag-teleport sa pagitan ng malalayong manlalaro—ngunit ang konteksto ay isa pa ring hinuha. Ang isang derived statistic tulad ng touch time, pass speed, o shot context ay dapat magdala ng kalidad ng pinagbabatayan na ball track. Maaaring i-unlock ng optical tracking ang mga kapaki-pakinabang na metrics, tulad ng inilalarawan ng G League partnership, habang ang mga downstream na produkto ay nangangailangan pa rin ng mga panuntunan para sa mga puwang, low-confidence ownership, at manual review.
Paano suriin ang isang occlusion-aware na sistema ng basketball
- Sukatin ang mga hindi nakitang detection, maling detection, duplicate na box, pagpapalit ng pagkakakilanlan, fragmented na track, at oras para muling makuha—hindi lamang ang average na error sa posisyon.
- Iulat ang mga resulta ayon sa sitwasyon: siksik na traffic sa paint, mga screen, mga rebound, transition, broadcast pans, at ball-hand contact.
- Paghiwalayin ang mga naobserbahang coordinate mula sa mga interpolated o na-recover na span at ilantad ang confidence sa antas ng output.
- Subukan ang mga kakampi na magkapareho ang uniporme at biglaang pag-cut dahil ang madaling isolated-player clips ay nagpapababa sa panganib ng basketball association.
- Panatilihing available ang orihinal na naka-synchronize na video upang masuri ng mga analyst ang mahahalagang low-confidence na kaganapan.
Ang tanong sa negosyo ay sumusunod sa tanong sa modelo. Ang isang broadcast graphic ay maaaring magparaya sa isang maikling naantalang pagwawasto nang iba sa isang officiating aid, isang coaching report, o player-health metric. Tukuyin ang kahihinatnan ng isang error bago pumili ng mga threshold. Ang isang sistema na umiiwas sa isang malabong rebound ay maaaring mas mapagkakatiwalaan kaysa sa isang gumagawa ng kumpleto ngunit maling naiugnay na kasaysayan ng possession.
Ano ang ibig sabihin nito para sa AI feedback na para sa manlalaro
Ang isang single-phone training clip ay may mas kaunting viewpoint kaysa sa isang arena system, kaya mahalaga ang kalidad ng pagkuha. Ilagay ang camera kung saan nananatiling nakikita ang buong katawan, bola, paa, at target; iwasan ang mga kakampi na direktang tumatawid sa pagitan ng lens at ng atleta; panatilihin ang sapat na ilaw para sa maikling exposure; at mag-iwan ng espasyo sa paligid ng paggalaw. Hindi kayang alisin ng mas mahusay na pagkuha ang bawat self-occlusion, ngunit maaari nitong bawasan ang mga maiiwasang puwang bago tumakbo ang anumang modelo. AI basketball shot feedback
Dapat sabihin ng feedback layer kung ano ang nakikita at kung saan bumaba ang kumpiyansa. Kung nawawala ang shooting wrist sa likod ng torso, maaaring humingi ang produkto ng ibang anggulo sa halip na gumawa ng joint path. Kung tumawid ang isang teammate sa frame, mapapanatili nito ang nakikitang mga phase at i-flag ang naharangan na phase. Ang kapaki-pakinabang na pangako ay isang masusuring coaching observation na nakatali sa isinumiteng video—hindi isang pahayag na nakita ng modelo ang mga katawan.
Mga madalas itanong
Kaya bang subaybayan ng AI ang isang manlalaro ng basketball kapag hinarangan ng ibang manlalaro ang camera?
Minsan ay mapapanatili nito ang isang hypothesis sa pamamagitan ng maikling pagharang gamit ang kamakailang galaw, hitsura, pose, geometry ng court, o ibang camera. Iyan ay temporal association, hindi direktang visibility. Kung mas mahaba at mas malabo ang pagpapatong, mas nagiging mahalaga ang kumpiyansa at ang huling ebidensya.
Ano ang isang pagpapalit ng pagkakakilanlan sa pagsubaybay ng manlalaro?
Nangyayari ang identity switch kapag nagtalaga ang isang tracker ng nakikitang detection sa maling persistent player track. Madalas itong nangyayari pagkatapos maghiwalay ang nagpapatong-patong na teammates, lalo na kapag magkatulad ang kanilang uniporme at hitsura ng katawan. Maaaring manatiling makinis ang path habang nagiging mali ang pinangalanan o binilang na identity.
Inaalis ba ng mas maraming kamera ang basketball occlusion?
Hindi. Ang maraming calibrated view ay maaaring magbigay ng ebidensya kapag naharangan ang isang camera at maaaring sumuporta sa 3D reconstruction. Ang siksik na kumpol ng manlalaro, mga kamay sa paligid ng bola, blur, limitasyon sa calibration, at ibinahaging blind region ay maaari pa ring lumikha ng mga puwang. Ang pakinabang ay mas maraming ebidensya at mas mahusay na geometry, hindi perpektong visibility.
Bakit hindi na lang i-interpolate ang bawat nawawalang coordinate?
Maaaring tulay ng interpolation ang maikli, mahuhulaan na puwang, ngunit ang basketball ay naglalaman ng mga paghinto, cuts, jumps, deflections, at pagbabago ng possession. Ang isang makinis na mathematical path ay maaaring maging pisikal na makatotohanan at pag-aari pa rin ng maling manlalaro o bola. Ang magagandang sistema ay naglilimita sa interpolation, minamarkahan ito bilang tinantya, at muling binubuksan ang orihinal na video kapag ang resulta ay nakakaapekto sa isang mahalagang pagsusuri.
