サッカーの試合での効果的な追跡

2023年のSoccerNetトラッキングチャレンジでは、サッカーの試合中に選手やボールを検出して追跡することを目指したんだ。俺たちの方法は、選手とボールを別々のタスクとして追跡することで、サッカーの速いペースにうまく対応することだったよ。

#チャレンジ

サッカー選手やボールを検出して追跡するのはめちゃ難しい。サッカーの試合では多くの選手が素早く動くから、個々の選手を追うのが大変なんだ。それに、ボールは小さくて選手や他の物の後ろに隠れちゃうことがある。この挑戦には、追跡のための明確な戦略が必要だったよ。

#追跡アプローチ

選手の追跡には、評判のいいオンラインマルチオブジェクトトラッカーと最新の物体検出器を使った。初めに検出したら、その結果を改善するフェーズがあった。同様に、ボールの追跡は単一の物体を検出する問題として扱ったから、ボールを見つけて追いかけることに集中できたんだ。

#選手の追跡

選手の追跡では、まず検出器を使って選手を検出してから、その動きを追っていった。でも、俺たちの方法はオンラインだから、未来の画像には頼れなかった。だから、ギャップを埋めてトラックの精度を上げるための後処理フェーズを追加したんだ。

いくつかのステップを使って追跡を洗練させたよ：

1. 欠損トラックの補間: 選手を検出できなかったところを、選手の動きを考慮してギャップを埋めた。
2. トラックのマージ: 特定のルールを使って、選手間の混乱を避けるためにトラックをマージした。
3. エッジケースへの対処: 新しいトラックは画像の端の近くでしか現れないと仮定して、境界から離れて作成されたり終了したトラックのマージや終了を注意深く扱った。

#ボールの追跡

ボールの追跡はちょっと違ってて、ボールは一つしかないから、単一物体検出タスクとして設定した。ボールをできるだけ多く捉えるために、低い信頼レベルのYOLO検出器のバージョンを使った。この選択により、各フレームでボールに対して複数の検出候補が出ることが多かったよ。

精度を上げるために、いくつかのフィルタリング手法を適用した：

1. 座標の平滑化: 検出されたボールの中心点を平均して、位置の急なジャンプを排除した。
2. 距離フィルタリング: 計算した軌道に最も近い検出だけを残して、一貫性を保つために特定の距離内に収めた。
3. 連続性のための補間: ボールを検出し損ねた場合、追跡ボックスが連続するようにギャップを埋めた。

#データ準備

俺たちの方法の重要な部分は、検出器を訓練するためにきちんと準備されたデータを使うことだった。選手検出器とボール検出器の二つの主要な要素に焦点を当てたよ。

#選手検出器

選手検出器では、SoccerNetのデータでYOLO検出モデルを微調整した。1秒ごとにサンプリングしたフレームから選手のバウンディングボックスを集めて、画像内の選手の位置を理解する助けになった。

#ボール検出器

同様に、ボール用の別のYOLO検出器を訓練した。検出品質が良いフレームだけを使うようにして、不正確なラベルをフィルタリングした。これにより、訓練データが信頼できるものになり、ボール追跡のパフォーマンスが向上したんだ。

#外見モデル

俺たちのトラッカーが選手をよりよく認識できるように、外見モデルを使った。このモデルは、異なるフレームの選手のアイデンティティを一致させるのを助ける。試合を追跡して集めたデータを使って訓練したから、特定のケースにうまく合うようになったんだ。

#外見モデルの訓練

パフォーマンスと精度のバランスを見つけるために、いろんなサイズの外見モデルのバージョンを訓練した。特にサッカーデータに合わせてモデルを微調整することで、ビデオクリップ全体で選手のマッチングが良くなったよ。

#トラッカーの評価

俺たちの方法がどれほど効果的だったかを確かめるために、SoccerNetのテストセットでテストした。外見モデルと様々なトラッカーの組み合わせなど、異なるトラッキング方法を試したんだ。

#選手追跡の評価

俺たちの改善された方法が選手の追跡精度を上げたことが分かった。アプローチのいろんな要素を通じて行った改善を注意深く見守ることで、追跡パフォーマンスが向上したんだ。

#ボール追跡のパフォーマンス

ボールの追跡でも、顕著な結果が出たよ。遮蔽やボールのサイズの問題があったにもかかわらず、微調整したモデルはほとんどの時間ボールを効果的に検出できた。

#最終的なパフォーマンス指標

俺たちの努力の結果、最終的な選手とボールのトラッカーは素晴らしい結果を達成した。HOTAスコアは66.27で、俺たちの追跡アプローチの全体的な効果を示してるよ。

#結論

まとめると、SoccerNet 2023トラッキングチャレンジでの俺たちの取り組みは、選手とボールの追跡のタスクを分解することで、サッカーのような速い環境での効果的な追跡のための明確な方法を開発できることを示した。検出器の微調整、賢いデータ準備、トラックのマージへのしっかりとしたアプローチを組み合わせることで、チャレンジでの成功を収めることができたんだ。