动态图神经网络用于基于无人机的组织活动识别在结构化的团队体育运动中
Ishrat Zahra1,2, Yanfeng Wu1, Haifa F Alhasson3
1Guodian Nanjing Automation Co., Ltd., Nanjing, China.
Frontiers in neurorobotics
|September 24, 2025
概括
本研究介绍了一种深度学习系统,用于识别体育中的团体活动,使用多模式功能和动态图形神经网络. 该框架在各种数据集上实现了高精度,在现实应用中表现出强大的性能.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 机器人技术 机器人技术 机器人技术
背景情况:
- 在监控,机器人和自主系统中,对集团活动的识别至关重要.
- 体育场景带来了独特的挑战,因为有动态的互动和闭塞.
研究的目的:
- 开发一种深度学习系统,以在动态环境中进行强大的多人行为识别.
- 整合外观,骨和运动特征,以增强群体活动识别.
主要方法:
- 使用YOLOv11进行对象检测和SORT进行跟踪.
- 提取多模式特征 (HOG,LBP,SIFT,骨,运动背景) 并使用遗传算法优化它们.
- 使用动态图神经网络 (DGNN) 与Bi-LSTM来建模时空动态.
主要成果:
- 在排球数据集上达到94.5%的准确性,在SoccerTrack无人机上达到91.8%,在NBA篮球数据集上达到91.1%.
- 证明了高效的推断时间 (每0.18-0.20秒).
- 在传统和无人机视频源中验证了适应性.
结论:
- 拟议的框架为团队活动识别提供了高性能和计算效率.
- 该系统可以适应各种体育场景和视频视角,包括无人机录像.
