一种基于多示例学习的运动员检测方法

摘要：

体育视频包含大量不同类型的人体,其中运动员的行为与比赛进程和视频内容直接相关,因此运动员检测是体育视频分析的关键环节.现有人体目标检测算法在通用人体检测任务上取得了良好的性能,但是无法有效区分运动员和非运动员.专门训练一个运动员检测模型需要标注大量的运动员位置,成本较高.本文提出了一种基于多示例学习的人体目标检测方法.在通用人体检测的基础上,引入多示例学习模块,基于图像级标注,通过弱监督方式自动学习获取特征映射矩阵,将人体特征映射到运动员特征空间,最后通过度量人体特征与运动员特征之间的相似度,实现运动员与非运动员的区分.对比实验结果表明,本文方法充分利用通用人体检测框架,以极小的标注数据量达到了专门训练运动员检测模型的精度.

关键词：运动员检测、弱监督学习、多示例学习、特征映射

所属期刊栏目：36

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;北京市教委科学基金;北京市优秀青年人才培养项目;北京市博士后科研基金;北京工业大学“日新”培养项目

在线出版日期：2020-11-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1399-1406