本文介绍了一种使用分类网络解决排球追踪问题的方法，通过自适应混合高斯背景建模获取真值数据，采用深度学习模型进行分类，结合图像处理技术进行轨迹预测和跟踪。文章详细阐述了数据处理、模型设计和实现过程，并提供了GitHub代码链接。
01
背景概述
笔者最近接触到了一个很有趣的问题，有关于排球位置追踪。如果有看过排球比赛的话，大家想必都知道，排球的实时运动轨迹对排球的落点有很大的帮助。而如果可以预知排球的落点，就可以很好的在比赛中防住对手，把握取胜先机。因而产生了一个很有趣的问题：是否有可能预测比赛中的排球运动轨迹？这其实是一个典型的物体追踪问题，也是一个在笔者看来很有趣的题目。
然而解决这类问题并不容易。
首先，基于排球的视频数据集数量稀少，有了真值标注的数据集更是少之又少，如何搜索合适的数据是一个不好处理的问题。
其次，排球本身形状较小，直接进行小物体检测，可能易于其他目标混淆，所以用检测实现追踪不是非常理想。
再考虑到实时性的需求，直接调用追踪框架，可能参数过多，实时测试性能表现不佳。
02
最低0.47元/天 解锁文章
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
