摘要
本研究聚焦于团队运动广播视频中的球员重识别任务。具体而言，我们致力于在比赛任意时刻，从不同摄像机视角捕捉到的图像中识别出同一球员。该任务与传统行人重识别（person re-id）应用存在若干关键差异。首先，同一球队的球员穿着高度相似的服装，导致区分难度显著增加；其次，每个身份的样本数量极为有限，这给重识别系统的训练带来了挑战；第三，图像分辨率通常较低且差异较大，加之球员频繁出现遮挡和快速运动，进一步加剧了重识别的难度。本文提出了一种简单但高效的分层数据采样策略，以及一种基于中心点（centroid）的损失函数。二者结合使用后，在不改变网络结构或超参数的前提下，使平均精度均值（mAP）提升了7至11.5个百分点，排名1准确率（R1）提升了8.8至14.9个百分点。所提出的采样方法有效提升了训练集与测试集分布的相似性，从而有助于更准确地估计嵌入特征（或特征向量）的中心点。令人意外的是，我们的研究表明，在数据严重受限的情况下（如本研究所涉及的应用场景），基于欧几里得距离的简单中心点损失函数，显著优于当前流行的三元组-中心点损失函数。该方法在卷积神经网络与视觉Transformer模型上均取得了相当的性能提升。在SoccerNet重识别挑战赛2022年的公开测试集排行榜中，我们的方法位列前列，取得mAP为86.0、R1为81.5的优异成绩；在封闭的挑战测试集上，亦达到了mAP 84.9和R1 80.1的性能表现。目前，面向体育应用的重识别研究仍十分有限，本工作为该领域提供了文献中最早的系统性探讨之一。