MonoClub: Pose-Guided Joint Localisation of Golf Clubhead and Shaft in Monocular Swing Video
本文介绍了 MonoClub，这是一个通过整合人体尺度先验、几何与外观线索以及时间一致性，来克服运动模糊和遮挡等挑战，从而在单目视频中可靠地定位高尔夫球杆头部和杆身的姿态引导框架。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
用标准摄像机观察高尔夫挥杆动作对于计算机来说是一项具有欺骗性的困难任务。在人眼看来，这一动作是充满力量的流畅弧线，但对机器而言，它却是细线和快速移动的小物体的混乱模糊。高尔夫球杆本身就是一个独特的谜题：球杆是一个长而纤细的杆状物，经常消失在背景中或模糊成一道运动轨迹，而末端的沉重球头则是一个小巧、深色的形状，很容易与阴影或其他物体混淆。过去，分析这些挥杆需要球员佩戴昂贵的传感器，或者在配备特殊摄像机的受控摄影棚环境中进行。近期的计算机视觉研究目标是仅使用单个普通摄像机就达到同样水平的洞察力，但现实世界挥杆中的视觉噪声使得这成为一个棘手的挑战。
一组研究人员现在开发了一种新系统，通过将高尔夫球员的身体和高尔夫球杆视为一个单一的、连接的整体，而非两个需要分别寻找的独立部分，从而解决了这个问题。该方法不再试图孤立地定位球杆，而是首先观察球员的姿态，以了解手部可能握持球杆的位置。这创造了一个起点，或称为“锚点”，用以引导搜索。随后，系统会针对球杆可能出现的位置生成许多可能的猜测，并将每一个猜测与视频帧中的视觉证据进行比对。它会检查所提议的球杆轴线是否看起来确实像一根球杆，球头是否符合真实球头的形状，以及整个设置在给定球员手部位置的情况下是否符合物理逻辑。如果证据强有力且一致，系统就会接受该观测结果；如果图像过于模糊或球杆被遮挡，系统会诚实地承认无法看到球杆，而不是进行猜测并提供错误答案。
研究人员在收集了来自各种角度和不同光照条件的真实高尔夫视频后，对这种方法进行了测试。他们发现，通过将球杆的位置与球员的身体联系起来，该系统能够以极高的精度定位球头，在标准视频帧中，平均偏离真实中心仅 9.1 像素。在超过 93% 的球杆可见情况下，系统将球头定位在距离真实位置 10 像素以内的范围内。它在测量球杆轴线角度方面也表现得非常出色，估计方向的误差仅为 3.6 度。或许最重要的一点是，该系统学会了识别自身的失败。在球杆严重模糊或被球员自身身体遮挡的情况下，系统的可见性 F1 分数达到了 80.0%，这表明它在正确识别可见帧与避免错误检测之间取得了良好的平衡，而不是仅仅以固定的比例拒绝判断。
这项工作代表了一个重要的进步，因为它不再试图强迫计算机在真空中去观察一个细长的物体。相反，它利用人体作为上下文，使对球杆的搜索变得更加可靠。该系统不需要理解挥杆的三维深度或重建球的飞行物理过程；它只需要准确描述出现在屏幕上的二维形状和位置。通过将球杆形状的视觉线索与球员握杆的逻辑约束相结合，研究人员创造了一个既准确又对其局限性保持诚实的工具。结果表明，该方法运行速度足够快，可以用于实时应用，为无需专门设备或传感器的普通视频分析提供了一种稳健的方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。