曹伟
- 作品数：3 被引量：1H指数：1
- 供职机构：淮南联合大学更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于改进VisionTransformer模型的团队体育视频多目标跟踪深度学习框架被引量：1
- 2024年
- 多目标跟踪(MOT)技术为团队体育视频监测和分析提供了全新的可能性,能够实时跟踪多个运动员并支持对比赛动态的多维度分析与理解。然而,在复杂的团队运动场景下,诸如运动员之间的相互遮挡、快速移动以及目标身份的频繁变换等问题,都可能降低跟踪性能。为此,本文提出了基于VisionTransformer的端到端深度学习MOT框架,主要包括检测网络和记忆网络两个部分。检测网络由卷积神经网络(CNN)骨干网、VisionTransformer编码器和解码器组成,采用ResNet50作为特征提取器,并引入局部注意力(LA)模块替代传统前馈神经网络(FFN)层。通过全局注意力和局部卷积的结合,得到更全面的特征表示。记忆网络由记忆编码模块和时空记忆解码器组成。记忆编码模块负责聚合目标嵌入信息,其中,短时互注意力(CA)模块关注即时状态,而长时记忆CA模块则挖掘了记忆涵盖的时间跨度内的显著特征,捕捉长时间间隔内的依赖关系和关联,从而有效保留了跟踪对象的时间上下文信息。时空记忆解码器在嵌入融合过程中综合考虑了编码帧、候选嵌入和轨迹嵌入信息,解决了MOT中的多目标检测和身份关联。时空记忆机制能够有效地保留目标历史状态的观察结果,并结合注意力机制对目标状态进行准确预测。实验结果表明,所提框架在团队体育视频公开数据集SportsMOT上实现了75.7%的HOTA和98.5%的MOTA结果,优于其他先进的MOT方法。此外,所提框架在通用公开数据集MOT17和MOT20上的多个指标取得了最优或次优性能,进一步验证了所提方法的有效性和鲁棒性。
- 曹伟王晓勇刘咸祥
- 关键词：多目标跟踪
- 基于改进YOLOX和自适应运动关联的团队体育视频多目标跟踪框架
- 2024年
- 当前主流多目标跟踪(MOT)方法主要针对行人或车辆等目标的规则运动模式,不适用于团队体育视频中非线性、不规则运动的目标跟踪。针对该问题,提出了基于改进YOLOX和自适应运动状态关联的团队体育多目标跟踪(TS-MOT)深度学习框架。对原YOLOX检测网络进行改进,在主干网络末端集成相似度注意力模块(SimAM),提高特征提取的表征能力,改善颈部组件中特征融合过程。在损失函数中使用变焦损失和广义交并比损失,提高对目标姿态变化和相互重叠的检测能力。此外,在数据关联中,使用具有弱相关性的多个运动状态对目标运动进行表征,通过运动状态相似度计算关联每个目标和轨迹,动态提高轨迹连续性和对意外运动变化的鲁棒性。实验结果表明,所提方法在团队体育MOT任务中表现较好,在SportsMOT数据集上取得了89.4%和78.2%的IDP和IDF1,优于其他先进的MOT方法。
- 曹伟王晓勇刘咸祥
- 关键词：多目标跟踪
- 论高校篮球教师裁判能力培养和提高的必要性
- 2008年
- 篮球规则的每一次修改对篮球运动技、战术的发展都产生了深远的影响,促进了一些新的技、战术的产生与发展。篮球教师通过裁判学习与实践,能更多的了解、掌握先进技术与战术。这样才能在篮球教学中把正确实用的篮球技战术传授给学生,在业余比赛中正确顺利吹罚,并培养学生具有基础的篮球裁判知识和实践能力。
- 曹伟
- 关键词：高校篮球教师裁判能力
