原来,应广大不雅观众的需求,我们已经支持中国移动咪咕公司新推出了「AI点亮球星」功能。
怎么点亮?哪里不会点哪里吗?
走,一起去看看!
为了实现一键追踪球星动态,业界之前考试测验了很多种办法。
比如,对回放画面进行智能剖析+殊效包装。
又或者通过在场馆内搭建特种全景摄像机,让球员在身上佩戴传感器等办法,来获取现场比赛数据。
「AI点亮球星」功能的上风在于,不须要支配数据感知系统,基于直播画面剖析,支持实时互动体验。
对付“铁杆球迷”来说,第一韶光知道战况,才能放下悬着的心,以是直播是首选。
在不雅观看直播过程中,任意点击一名球员,你喜好的或者是你不熟习的,都能实时查看该球员的历史战绩、本次比赛得分等信息,直不雅观理解球员的站位及跑动路线。
「AI点亮球星」功能得到了资深球迷的认证:剖析夺冠形势很好用。纵然中途进入直播,也可以根据比赛数据统计,节制赛况。
AI点亮,不太随意马虎在足球比赛的长镜头记录中,这些成分都会给精准识别与稳定跟踪带来寻衅:
变焦会放大或缩小球员的“尺寸”,不同机位也会影响球员在画面中的轮廓和姿态。
高速运动的时候球员会变得模糊。
当球员“控球”时,可能会相互遮挡,比如像这样⬇️。
阴影和光照变革也会遮挡球员的部分身体或面部特色⬇️。
寻衅有点多,是不是汗如雨下了。
没紧要,我们逐一击破✅首先确定利用什么算法识别?
只通过人体特色识别确定球员身份难度大,我们优化了算法模型,领悟人体特色识别、球衣颜色识别、球号识别、人物姿态等多维视觉算法,进行实时定位和身份识别。
✅为理解决运镜拍摄和人物高速运动,带来的球员模糊问题,又引入了相机运动补偿机制。
通过估计摄像机的运动参数,如平移、旋转、缩放,对图像进行相应的几何变换,以补偿由于相机运动引起的图像抖动和错位。
举个例子。假设在某一帧画面中,一个球员正在快速奔跑,但由于相机的水平移动,球员的形象变得模糊,并且位置有一些偏移。此时算法就会根据相邻帧的特色点,对这一帧的图像进行“补偿”。
✅现在还有一个问题,当球员在画面中相互遮挡时,算法如何准确识别?
这就要用到多目标跟踪算法:在每一帧画面中,检测所有目标球员,并标记他们的位置和特色,建立每个球员的运动轨迹。纵然发生遮挡,也可以根据之前的运动轨迹预测当下位置,通过球衣颜色、球号等特色帮助识别和持续追踪。
算法繁芜,性能跟得上吗?
算法多了,实时处理压力也大了。在有限的打算资源下,怎么完成高效的打算,保持性能稳定?
问题的关键是找到——
「关键」问题。
大略来说,便是我们把可以识别出球员的所有特色进行了优先级和可靠性排序,找到关键特色️。
就彷佛做菜时,比较尝味道,通过不雅观察晶体大小和形状可以快速判断出糖和盐,这便是它们的关键特色。
而在球场上,只管赛事画面中涌现了球员的多个可识别特色,但是利用球衣颜色和球号识别时,准确度高且速率快。那就优先调用这些关键特色进行初步识别,并根据赛场变革不断进行结果校准。
这样一来,担保精准识别球员的同时,也降落了算法对性能的花费。
⚽⚽⚽
看球的精确姿势,你Get到了吗
AI点亮球星
哪里不会点哪里