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