LLLMWIKI
ArticleResearch mapReading portalMetadata

Source note · Updated 2026-07-12

AI Driven Soccer Analysis单主场足球 2D 映射原型

#near-cvpr-2025#video-understanding#tracking#primary-source

一句话结论

本文把 YOLO 首帧检测、SAM2 mask tracking、12 点球场 CNN、DLT homography 与球衣颜色 K-means 串成单主场 2D player map；0.225–0.499 m 数字只评场地点/投影，尚无独立 player-coordinate、tracking、速度、距离或战术统计验证。

数据与 split

  • MSOE 男足 2024 赛季 10 场主场视频，同一 BePro 高位摄像系统；
  • Detector 评估：390 个连续帧，YOLO 提示 + 人工复核 + SAM2 mask 转 bbox；
  • Keypoint：146 帧、仅 2 场；92 glare、54 overcast；每帧 4–12 个可见点；
  • 水平翻转扩增后 80/20 frame split；未说明原图/翻转分组，也非 match/field/camera-disjoint。

方法

  1. YOLO/Faster R-CNN 在首帧检测，bbox center 提示 SAM2；
  2. SAM2 传播 mask 和 ID；
  3. CNN 预测 12 个 keypoints 的 visibility + coordinate；
  4. DLT homography 映射到实地；
  5. bbox 中心 5×5 RGB，以 K-means $k=2$ 分队。

“raw/unlabeled footage”只是素材起点：最终仍需 146 帧人工 keypoints 和 390 帧提示复核/真值构建。

核心结果

DetectorIoURecallPrecisionF1
Faster R-CNN0.68370.65740.79420.7194
YOLOv11x0.79340.68050.92290.7834
YOLOv8x0.74660.81520.87650.8447
YOLOv5x0.76440.79950.89630.8451
  • Keypoint test visibility 97.18%，MAE 0.0138 / 7.65 px；
  • 单个示例 YOLOv5x 检出 17/22 人，不是 tracking benchmark；
  • GT/predicted keypoints 的实地 MAE 0.225/0.26 m；predicted-vs-GT homography keypoint projection error 0.499 m。

局限与风险

  • Detector “真值”由 SAM2 生成，下游又使用 SAM2，存在 evaluator coupling；
  • 390 个连续帧与 146 个同场地 frames 不是独立部署样本；
  • 无 HOTA/IDF1、ID switch、mask、team clustering、player field-coordinate 指标；
  • 未评估速度、距离、heatmap 或战术结论；
  • DLT 对 outlier 敏感，未与 RANSAC 等比较；
  • K-means 强制两队，未建模裁判、门将、球童/观众；
  • 作者承认离开/重入重识别、跨场地泛化和 ball detection 未解决；
  • 无 GPU、训练时长、FPS、端到端延迟或标注成本；无公开代码/数据链接。

对羽毛球 demo 的影响

可借用 calibration→tracking→2D map 接口；足球的米级场地误差、17/22 案例和 YOLO/SAM2 指标不能外推羽毛球。接触点、球拍/球轨迹需要更高空间/时间精度、court/session/camera-disjoint 与真实 trajectory GT。

证据评级

  • 单场地足球 2D 原型：B-
  • 跨场地/端到端统计：C
  • 羽毛球迁移：C 方法学邻近

原始材料

  • raw/ingest/2026-05-05-ai-driven-soccer-analysis/paper.pdf（15 页）
  • raw/ingest/2026-05-05-ai-driven-soccer-analysis/paper-text.md（603 行）
  • raw/ingest/2026-05-05-ai-driven-soccer-analysis/analysis.md

相关页面

Metadata
{
  "id": "2026-05-05-ai-driven-soccer-analysis",
  "type": "source",
  "title": "AI Driven Soccer Analysis：单主场足球 2D 映射原型",
  "status": "reviewed",
  "created": "2026-05-05",
  "updated": "2026-07-12",
  "venue": "arXiv 2026",
  "published_at": "2026-04-09",
  "ingested_at": "2026-05-05",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Adrian Manchado",
    "Tanner Cellio",
    "Jonathan Keane",
    "Yiyang Wang"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2604.08722",
    "https://arxiv.org/pdf/2604.08722"
  ],
  "raw_entry": "raw/ingest/2026-05-05-ai-driven-soccer-analysis/",
  "analysis_note": "raw/ingest/2026-05-05-ai-driven-soccer-analysis/analysis.md",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": [
    "questions/question-badminton-stroke-correction-demo"
  ]
}