MonoClub: Pose-Guided Joint Localisation of Golf Clubhead and Shaft in Monocular Swing Video
Dit artikel introduceert MonoClub, een houdingsgestuurd framework dat betrouwbaar golfclubkoppen en -schachten lokaliseert in monoculaire video's door het integreren van lichaamsgrootte-prioriteiten, geometrische en uiterlijke aanwijzingen, en temporele consistentie om uitdagingen zoals bewegingsonscherpte en occlusie te overwinnen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Het bekijken van een golfswing op een standaard videocamera is voor een computer een verraderlijk moeilijke taak. Voor het menselijk oog is de beweging een vloeiende boog van kracht, maar voor een machine is het een chaotische waas van dunne lijnen en kleine, snel bewegende objecten. De golfclub zelf vormt een unieke puzzel: de schacht is een lange, slanke stok die vaak verdwijnt in de achtergrond of vervaagt tot een veeg van beweging, terwijl de zware clubkop aan het uiteinde een klein, donker object is dat gemakkelijk kan worden verward met schaduwen of andere objecten. In het verleden vereiste het analyseren van deze swings dure sensoren die door de speler gedragen werden of gecontroleerde studio-omgevingen met speciale camera's. Het doel van recent computer vision-onderzoek is geweest om hetzelfde niveau van inzicht te bereiken met behulp van slechts één gewone videocamera, maar de visuele ruis van een echte swing heeft dit tot een hardnekkige uitdaging gemaakt.
Een team van onderzoekers heeft nu een nieuw systeem ontwikkeld dat dit probleem oplost door het lichaam van de golfer en de golfclub te behandelen als één verbonden eenheid, in plaats van twee afzonderlijke zaken die gevonden moeten worden. In plaats van te proberen de club in isolatie te lokaliseren, kijkt hun methode eerst naar de houding van de speler om te begrijpen waar de handen de club waarschijnlijk vasthouden. Dit creëert een startpunt, of een anker, dat de zoektocht begeleidt. Het systeem genereert vervolgens vele mogbare gissingen voor waar de club zich zou kunnen bevinden, waarbij elke gok wordt getoetst aan het visuele bewijs in het videokader. Het controleert of een voorgestelde lijn voor de schacht er daadwerkelijk uitziet als een clubschacht, of de kop van de club overeenkomt met de vorm van een echte club, en of de gehele opstelling fysiek logisch is gezien de positie van de handen van de golfer. Als het bewijs sterk en consistent is, accepteert het systeem de waarneming; als het beeld te wazig is of de club verborgen is, geeft het systeem eerlijk toe dat het de club niet kan zien, in plaats van te gokken en een foutief antwoord te geven.
De onderzoekers testten deze aanpak op een collectie echte golfvideo's, opgenomen vanuit verschillende hoeken en onder verschillende lichtomstandigheden. Ze ontdekten dat het systeem, door de positie van de club te koppelen aan het lichaam van de golfer, de clubkop met opmerkelijke precisie kon lokaliseren, waarbij het het werkelijke middelpunt gemiddeld slechts 9,1 pixels miste op een standaard videokader. In meer dan 93 procent van de gevallen waarin de club zichtbaar was, plaatste het systeem de clubkop binnen 10 pixels van de werkelijke locatie. Het bleek ook zeer effectief bij het meten van de hoek van de clubschacht, waarbij de richting werd geschat met een fout van slechts 3,6 graden. Misschien wel het belangrijkste is dat het systeem leerde te herkennen wanneer het faalde. In situaties waarin de club sterk bewogen of geblokkeerd werd door het eigen lichaam van de speler, behaalde het systeem een visibility F1-score van 80,0%, wat wijst op een sterke balans tussen het correct identificeren van zichtbare frames en het vermijden van valse detecties, in plaats van simpelweg het oordeel op een vaste frequentie te onthouden.
Dit werk vormt een belangrijke stap voorwaarts omdat het afwijkt van het proberen dwingen van een computer om een dun object in een vacuüm te zien. In plaats daarvan gebruikt het de context van het menselijk lichaam om de zoektocht naar de club veel betrouwbaarder te maken. Het systeem hoeft de driedimensionale diepte van de swing niet te begrijpen of de fysica van de vlucht van de bal te reconstrueren; het hoeft alleen maar de tweedimensionale vorm en positie van de club accuraat te beschrijven zoals deze op het scherm verschijnt. Door de visuele aanwijzingen van de vorm van de club te combineren met de logische beperkingen van de grip van de golfer, hebben de onderzoekers een hulpmiddel gecreëerd dat zowel nauwkeurig als eerlijk is over zijn beperkingen. Het resultaat is een methode die snel genoeg kan draaien om te worden gebruikt in real-time toepassingen, wat een robuuste manier biedt om golfswings te analyseren vanuit gewone video zonder de noodzaak van gespecialiseerde apparatuur of sensoren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.