MonoClub: Pose-Guided Joint Localisation of Golf Clubhead and Shaft in Monocular Swing Video
تقدم هذه الورقة MonoClub، وهو إطار عمل موجه بالوضعية يعمل على تحديد مواقع رؤوس وعصي الغولف بشكل موثوق في مقاطع الفيديو أحادية العدسة من خلال دمج الأولويات المتعلقة بمقياس الجسم، والإشارات الهندسية والمظهرية، والاتساق الزمني للتغلب على تحديات مثل ضبابية الحركة والانسداد.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تعد مراقبة ضربة الغولف عبر كاميرا فيديو عادية مهمة صعبة بشكل مخادع بالنسبة للكمبيوتر. فبالنسبة للعين البشرية، تبدو الحركة قوساً انسيابياً من القوة، أما بالنسبة للآلة، فهي عبارة عن ضباب فوضوي من الخطوط الرفيعة والأجسام الصغيرة سريعة الحركة. يمثل مضرب الغولف نفسه لغزاً فريداً: فعمود المضرب عبارة عن عصا طويلة ونحيفة غالباً ما تختفي في الخلفية أو تندمج في مسار حركة ضبابي، بينما رأس المضرب الثقيل في نهايته هو شكل داكن صغير يمكن الخلط بينه وبين الظلال أو الأجسام الأخرى بسهولة. في الماضي، كان تحليل هذه الضربات يتطلب مستشعرات باهظة الثمن يرتديها اللاعب أو بيئات استوديو محكومة بكاميرات خاصة. وكان الهدف من أبحاث الرؤية الحاسوبية في الآونة الأخيرة هو تحقيق نفس المستوى من الاستبصار باستخدام كاميرا فيديو عادية واحدة فقط، لكن الضجيج البصري لضربة في العالم الحقيقي جعل هذا تحدياً مستعصياً.
لقد طور فريق من الباحثين الآن نظاماً جديداً يحل هذه المشكلة من خلال التعامل مع جسم لاعب الغولف ومضرب الغولف كوحدة واحدة متصلة بدلاً من شيئين منفصلين يجب العثور عليهما. فبدلاً من محاولة تحديد موقع المضرب بمعزل عن غيره، يبحث أسلوبهم أولاً في وضعية جسم اللاعب لفهم أين يُحتمل أن تكون اليدان ممسكتين بالمضرب. وهذا يخلق نقطة بداية، أو مرساة، توجه عملية البحث. ثم يقوم النظام بتوليد العديد من التخمينات المحتملة لمكان المضرب، واختبار كل منها مقابل الأدلة البصرية في إطار الفيديو. فهو يتحقق مما إذا كان الخط المقترح لعمود المضرب يشبه بالفعل عمود المضرب، وما إذا كان رأس المضرب يطابق شكل المضرب الحقيقي، وما إذا كان الهيكل بأكمله منطقياً من الناحية الفيزيائية بالنظر إلى وضعية يدي اللاعب. وإذا كانت الأدلة قوية ومتسقة، يقبل النظام الملاحظة؛ أما إذا كانت الصورة ضبابية للغاية أو كان المضرب مخفياً، فإن النظام يعترف بصدق بأنه لا يستطيع رؤية المضرب، بدلاً من التخمين وتقديم إجابة خاطئة.
اختبر الباحثون هذا النهج على مجموعة من فيديوهات الغولف الحقيقية التي تم التقاطها من زوايا مختلفة وتحت ظروف إضاءة متنوعة. ووجدوا أنه من خلال ربط موقع المضرب بجسم لاعب الغولف، استطاع النظام تحديد موقع رأس المضرب بدقة ملحوحة، حيث لم يخطئ المركز الحقيقي بمعدل قدره 9.1 بكسل فقط في إطار فيديو قياسي. وفي أكثر من 93 في المائة من الحالات التي كان فيها المضرب مرئياً، وضع النظام رأس المضرب ضمن نطاق 10 بكسل من موقعه الحقيقي. كما أثبت فعالية عالية في قياس زاوية عمود المضرب، حيث قدر الاتجاه بخطأ قدره 3.6 درجة فقط. ولعل الأهم من ذلك هو أن النظام تعلم التعرف على حالات فشله؛ ففي المواقف التي كان فيها المضرب مشوشاً بشدة أو محجوباً بجسم اللاعب نفسه، حقق النظام درجة (F1) للرؤية بلغت 80.0%، مما يشير إلى توازن قوي بين تحديد الإطارات المرئية بشكل صحيح وتجنب الكشوفات الزائفة، بدلاً من مجرد الامتناع عن إبداء الحكم بمعدل ثابت.
يمثل هذا العمل خطوة هامة للأمام لأنه يبتعد عن محاولة إجبار الكمبيوتر على رؤية جسم رفيع في فراغ. وبدلاً من ذلك، فإنه يستخدم سياق جسم الإنسان لجعل البحث عن المضرب أكثر موثوقية. لا يحتاج النظام إلى فهم العمق ثلاثي الأبعاد للضربة أو إعادة بناء فيزياء طيران الكرة؛ بل يحتاج ببساطة إلى وصف دقيق للشكل ثنائي الأبعاد وموقع المضرب كما يظهر على الشاشة. ومن خلال الجمع بين القرائن البصرية لشكل المضرب والقيود المنطقية لقبضة اللاعب، أنشأ الباحثون أداة تتسم بالدقة والأمانة بشأن حدود قدراتها. والنتيستجة هي طريقة يمكن تشغيلها بسرعة كافية لاستخدامها في التطبيقات في الوقت الفعلي، مما يوفر وسيلة قوية لتحليل ضربات الغولف من فيديوهات عادية دون الحاجة إلى معدات أو مستشعرات متخصصة.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.