LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-07-12

体育姿态估计与跟踪综述方法、数据、挑战与路线图

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

一句话结论

这篇二级综述适合用作体育姿态/跟踪的 taxonomy、数据集索引和风险清单，但没有检索式、筛选流程、研究质量评估或统一 benchmark；表中的跨论文准确率、误差与 FPS 必须回到 primary papers 核验。

来源纠错与证据层级

本地 PDF 的真实标题为 *A comprehensive survey on pose estimation and tracking in sports: methodologies, datasets, challenges, and future directions*，不是原笔记中的 “Computer vision and AI in sports analytics”。论文 2025-07-29 接收、2025-12-09 在线发表，卷期归属 2026。

  • 本文自身：peer-reviewed secondary survey；
  • 本文引用的模型/数据数字：来自各 primary papers，但未统一重算；
  • 使用规则：可据此发现文献与设计审计表，不能据综述表格直接宣布某方法跨项目最优。

覆盖框架

  • 传统方法：模板、几何、HMM/Kalman、光流；
  • 深度方法：CNN、RNN、Transformer、hybrid；
  • 任务：2D/3D、单人/多人、图像/视频、online/offline；
  • 跟踪：时序关联、ReID、运动模型、top-down/bottom-up；
  • 数据：MoCap、视频标注、IMU、合成数据、众包；
  • 指标：PCK、OKS、MPJPE、AP/AR、tracking association、FPS、latency、memory、energy；
  • 风险：遮挡、低分辨率、动态背景、数据偏置、跨域、同步、隐私；
  • 路线：多模态、轻量 Transformer、edge/cloud、LLM、分层动作粒度。

对体育 AI 的关键启示

  1. 关节精度、身份保持、时间稳定和运动专属下游指标必须分层报告；
  2. 随机帧 split 不足，应做 athlete/session/venue/camera-disjoint；
  3. 实时主张至少要有端到端 latency、设备、内存和能耗；
  4. 受控实验数字不能外推真实广播/户外遮挡；
  5. 判罚、伤病和训练建议属于高风险接口，需要 uncertainty、abstention 与人工复核。

综述方法学局限

  • 没有数据库、查询式、时间窗口、纳入/排除标准或 PRISMA；
  • 没有对 primary studies 做质量分级和偏差审计；
  • accuracy、mAP、PCK、HOTA、像素/厘米误差、FPS 跨任务并列；
  • 对部分数据集的任务属性描述较宽，需要查 dataset card；
  • injury prevention、automatic refereeing、LLM annotation 等应用语言强于实证；
  • 作者披露使用 ChatGPT 改善文字可读性，表格中的异常概括尤其应回查引用。

羽毛球边界

综述列出 Badminton Olympic Dataset 与 VideoBadminton，但这只是 secondary index。可迁移的是动作粒度、选手/场景隔离、遮挡分桶、精度+成本并报和伦理治理；足球/篮球或通用 pose 的数字不能外推羽毛球动作纠正。羽毛球需单独核验 racket/shuttle/contact、stroke labels、教练一致率和高帧率协议。

证据评级

  • taxonomy / 路线图：B+
  • 数据与文献索引：B
  • 跨论文性能比较：C
  • 系统综述严谨性：C
  • 羽毛球直接证据：C-

原始材料

  • raw/ingest/2026-04-25-sports-ai-review-2025/paper.pdf（78 页）
  • raw/ingest/2026-04-25-sports-ai-review-2025/analysis.md
  • PDF SHA256：f49a99cc094d56ee9ec657ee06fc5efb18507aa018c00a625ec6a0be76240a95

相关页面

元数据
{
  "id": "2026-04-25-sports-ai-review-2025",
  "type": "source",
  "title": "体育姿态估计与跟踪综述：方法、数据、挑战与路线图",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "venue": "Artificial Intelligence Review 2026",
  "published_at": "2025-12-09",
  "ingested_at": "2026-04-25",
  "tags": [
    "near-cvpr-2025",
    "tracking",
    "video-understanding",
    "secondary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Mustafa Hikmet Bilgehan Uçar",
    "Serdar Solak",
    "Ali Olow Jimale",
    "Hakan Ünal",
    "Süleyman Eken"
  ],
  "canonical_links": [
    "https://link.springer.com/article/10.1007/s10462-025-11344-1",
    "https://doi.org/10.1007/s10462-025-11344-1"
  ],
  "raw_entry": "raw/ingest/2026-04-25-sports-ai-review-2025/",
  "analysis_note": "raw/ingest/2026-04-25-sports-ai-review-2025/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"
  ]
}