ArticleMetadataMain page

source · 2026-05-23

PathCRF从球员轨迹推断控球路径来做足球事件检测

Venue / source
arXiv
Published
2026-02-12
Ingested
2026-05-23
Source type
paper
Paper pagearxiv.org · 2602.12080PDFarxiv.org · 2602.12080Code repositorygithub.com · pathcrf.git
#near-cvpr-2025#video-understanding#tracking#reasoning#primary-source

一句话结论

PathCRF 用球员轨迹推断 possession path，再从控球路径变化识别控球和传球事件；它为 topics/sports-ai-roadmap 提供了 “trajectory → event semantics” 的轻量 follow-up，也说明足球事件数据可以部分从 tracking data 中自动生成。

论文定位

这篇论文针对足球事件数据采集成本高、ball tracking 难规模化的问题。它把球员轨迹建成 fully connected dynamic graph，把当前控球状态表示为一条 edge，并用 Conditional Random Field 约束相邻时刻不可能的 edge transition；推理时用 Viterbi decoding 得到最可能的 possession path，edge 变化对应 ball controls 或 passes。

对体育 AI 子线的价值

来源可靠性与可溯源性

  • 来源层级：arXiv primary preprint，附官方代码仓库；当前作为 candidate primary evidence 使用，证据等级低于 CVF / AAAI proceedings paper。
  • 可溯源材料：本地已保存 abstract.md、paper.pdf、paper-text.md、meta.yaml 与 links.yaml；PDF SHA256：36e3183f29a792f2b35fcfeb2485a802779484c1c4aaac8b19721712606eed5f。
  • 使用边界：适合作为 trajectory-event semantics 的方法候选和选题启发；若要作为强 benchmark 证据，还需要等正式 venue、数据开放与复现实验确认。

和现有证据的关系

PathCRF 和 sources/2026-05-05-event2tracking 形成一组双向关系：Event2Tracking 说明 event data 能增强 trajectory reconstruction，PathCRF 说明 player trajectories 也能反推出 possession-event structure。这对 football game-state / tactical intent 很关键，因为真正的系统需要在轨迹、控球、传球和事件标签之间循环校验。

它还和 sources/2026-05-23-soccernet-tracking、sources/2026-05-23-broadcast2pitch-game-state-reconstruction 形成 pipeline 关系：先稳定 track，接着恢复 pitch-space identity state，再推断 possession path 与事件语义。

局限或疑问

  • 这篇当前是 arXiv preprint，roadmap 里应标为候选证据，避免把它当成已验证的比赛系统。
  • 方法弱化了 ball tracking 依赖，但真实比赛中的遮挡、转播切换和触球瞬间判定仍需要更细的错误分析。

原始材料

  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/paper.pdf
  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/paper-text.md
  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/abstract.md
  • raw/ingest/2026-05-23-pathcrf-soccer-event-detection/links.yaml

相关页面

Metadata

{
  "id": "2026-05-23-pathcrf-soccer-event-detection",
  "type": "source",
  "title": "PathCRF：从球员轨迹推断控球路径来做足球事件检测",
  "status": "reviewed",
  "created": "2026-05-23",
  "updated": "2026-05-23",
  "venue": "arXiv",
  "published_at": "2026-02-12",
  "ingested_at": "2026-05-23",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "tracking",
    "reasoning",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Hyunsung Kim",
    "Kunhee Lee",
    "Sangwoo Seo",
    "Sang-Ki Ko",
    "Jinsung Yoon",
    "Chanyoung Park"
  ],
  "canonical_links": [
    "https://arxiv.org/abs/2602.12080",
    "https://arxiv.org/pdf/2602.12080",
    "https://github.com/hyunsungkim-ds/pathcrf.git"
  ],
  "raw_entry": "raw/ingest/2026-05-23-pathcrf-soccer-event-detection/",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": []
}