MonoClub: Pose-Guided Joint Localisation of Golf Clubhead and Shaft in Monocular Swing Video
Cet article présente MonoClub, un cadre guidé par la pose qui localise de manière fiable les têtes et les manches de clubs de golf dans des vidéos monoculaires en intégrant des priors d'échelle corporelle, des indices géométriques et d'apparence, ainsi qu'une cohérence temporelle pour surmonter des défis tels que le flou de mouvement et l'occlusion.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Observer un swing de golf sur une caméra vidéo standard est une tâche d'une difficulté trompeuse pour un ordinateur. Pour l'œil humain, le mouvement est un arc de puissance fluide, mais pour une machine, c'est un flou chaotique de lignes fines et d'objets petits et rapides. Le club de golf lui-même présente un puzzle unique : le manche est un bâton long et mince qui disparaît souvent dans l'arrière-plan ou se transforme en une traînée de mouvement, tandis que la tête du club, plus lourde à l'extrémité, est une forme petite et sombre qui peut facilement être confondue avec des ombres ou d'autres objets. Par le passé, l'analyse de ces swings nécessitait des capteurs coûteux portés par le joueur ou des environnements de studio contrôlés avec des caméras spéciales. L'objectif de la recherche récente en vision par ordinateur a été d'atteindre le même niveau de compréhension en utilisant uniquement une seule caméra vidéo ordinaire, mais le bruit visuel d'un swing en conditions réelles en a fait un défi tenace.
Une équipe de chercheurs a maintenant développé un nouveau système qui résout ce problème en traitant le corps du golfeur et le club de golf comme une seule unité connectée plutôt que comme deux entités distinctes à trouver. Au lieu d'essayer de localiser le club de manière isolée, leur méthode examine d'abord la posture du joueur pour comprendre où les mains sont susceptibles de tenir le club. Cela crée un point de départ, ou une ancre, qui guide la recherche. Le système génère ensuite de nombreuses suppositions possibles sur l'endroit où le club pourrait se trouver, en testant chacune d'elles par rapport aux preuves visuelles dans la trame vidéo. Il vérifie si une ligne proposée pour le manche ressemble réellement à un manche de club, si la tête du club correspond à la forme d'un vrai club, et si l'ensemble de la configuration est physiquement cohérent compte tenu de la position des mains du golfeur. Si les preuves sont fortes et cohérentes, le système accepte l'observation ; si l'image est trop floue ou si le club est caché, le système admet honnêtement qu'il ne peut pas voir le club, plutôt que de deviner et de fournir une mauvaise réponse.
Les chercheurs ont testé cette approche sur une collection de vidéos de golf réelles prises sous différents angles et dans différentes conditions d'éclairage. Ils ont constaté qu'en liant la position du club au corps du golfeur, le système pouvait localiser la tête du club avec une précision remarquable, manquant le centre réel de seulement 9,1 pixels en moyenne sur une trame vidéo standard. Dans plus de 93 % des cas où le club était visible, le système plaçait la tête du club à moins de 10 pixels de son emplacement réel. Il s'est également révélé très efficace pour mesurer l'angle du manche du club, estimant la direction avec une erreur de seulement 3,6 degrés. Plus important encore, le système a appris à reconnaître quand il échouait. Dans les situations où le club était fortement flou ou bloqué par le corps même du joueur, le système a obtenu un score F1 de visibilité de 80,0 %, indiquant un bon équilibre entre l'identification correcte des trames visibles et l'évitement des fausses détections, plutôt que de simplement s'abstenir de juger à un taux fixe.
Ce travail représente une avancée significative car il s'éloigne de la tentative de forcer un ordinateur à voir un objet fin dans le vide. Au lieu de cela, il utilise le contexte du corps humain pour rendre la recherche du club beaucoup plus fiable. Le système n'a pas besoin de comprendre la profondeur tridimensionnelle du swing ou de reconstruire la physique de la trajectoire de la balle ; il doit simplement décrire avec précision la forme et la position bidimensionnelles du club telles qu'elles apparaissent à l'écran. En combinant les indices visuels de la forme du club avec les contraintes logiques de la prise du golfeur, les chercheurs ont créé un outil qui est à la fois précis et honnête quant à ses limites. Le résultat est une méthode capable de s'exécuter assez rapidement pour être utilisée dans des applications en temps réel, offrant un moyen robuste d'analyser les swings de golf à partir de vidéos ordinaires sans avoir besoin d'équipement ou de capteurs spécialisés.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.