コンテキスト条件付き運動モデルを用いたスポーツ選手の追跡

チームスポーツにおける選手を追跡するために階層的データ関連付けを使用します。選手の動きはしばしば複雑で、近くの選手や遠くの選手とも高い相関を持っています。単一のモデルでは、全ての運動の多様性を表現するために多くの自由度が必要となり、実際の使用が難しくなる可能性があります。そこで、選手が空間的にどのように分布しているかなど、試合の現在の状態を説明するために、ノイズの多い検出から抽出した一連のゲームコンテキスト特徴を導入します。私たちの仮定は、選手が現在の状況に対して有限の数の方法で反応するということです。その結果、現在のトラックとゲームコンテキスト特徴に基づいて、各選手と時間の瞬間に適切な簡略化された親和性モデルを選択することができます。私たちのコンテキスト条件付き運動モデルは、複雑なオブジェクト間の相関を暗黙のうちに組み込みつつ、扱いやすさを保持しています。バスケットボール及びフィールドホッケーのシーケンスにおいて、既存のマルチターゲット追跡アルゴリズムに対して、8分で10人及び20人の選手を含む大幅な性能向上を示します。