Deep HM-SORT: Verbesserung der Mehrfachobjektverfolgung im Sport durch Tiefenfeatures, harmonisches Mittel und erweiterte IOU

Dieses Papier stellt Deep HM-SORT vor, einen neuen Online-Multi-Objekt-Verfolgungsalgorithmus, der speziell entwickelt wurde, um die Verfolgung von Athleten in Sportumgebungen zu verbessern. Traditionelle Multi-Objekt-Verfolgungsverfahren haben oft Schwierigkeiten in Sportumgebungen aufgrund der ähnlichen Erscheinungen der Spieler, unregelmäßiger und unberechenbarer Bewegungen sowie erheblicher Kamerabewegungen. Deep HM-SORT begegnet diesen Herausforderungen durch die Integration von tiefen Merkmalen (deep features), harmonischem Mittel (harmonic mean) und Erweiterungs-IOU (Expansion IOU). Durch die Nutzung des harmonischen Mittels balanciert unser Verfahren effektiv Erscheinungs- und Bewegungshinweise, was ID-Tauschfehler erheblich reduziert. Zudem behält unser Ansatz alle Tracklets dauerhaft bei, was die Wiedererkennung von Spielern, die das Bild verlassen und wieder betreten, verbessert. Experimentelle Ergebnisse zeigen, dass Deep HM-SORT den Stand der Technik auf zwei großen öffentlichen Benchmarks erreicht: dem SportsMOT-Datensatz und dem SoccerNet Tracking Challenge 2023. Insbesondere erreicht unsere Methode einen HOTA-Wert von 80,1 auf dem SportsMOT-Datensatz und 85,4 HOTA auf dem SoccerNet-Tracking-Datensatz, wodurch sie bestehende Tracker in wichtigen Metriken wie HOTA, IDF1, AssA und MOTA übertrifft. Diese robuste Lösung bietet erhöhte Genauigkeit und Zuverlässigkeit für automatisierte Sportanalysen und bringt signifikante Verbesserungen gegenüber früheren Methoden ohne zusätzliche Rechenkosten ein.