Estimation bayésienne séquentielle basée sur la vidéo pour l'enregistrement du terrain de football

Un nouveau cadre bayésien est proposé, qui établit explicitement la relation d'homographie entre deux images consécutives d'une vidéo par le biais d'une transformation affine tout en modélisant explicitement l'incertitude des points clés. La littérature a précédemment utilisé l'homographie différentielle entre les images successives, mais pas dans un contexte bayésien. Dans les cas où des méthodes bayésiennes ont été appliquées, le mouvement de la caméra n'est pas modélisé de manière adéquate et les points clés sont traités comme déterministes. La méthode proposée, Bayesian Homography Inference from Tracked Keypoints (BHITK) (Inférence Bayésienne d'Homographie à partir de Points Clés Traqués), utilise un filtre de Kalman en deux étapes et améliore considérablement les méthodes existantes. Les méthodes actuelles de détection de points clés peuvent être facilement augmentées avec BHITK. Elle permet à des méthodes moins sophistiquées et moins coûteuses en termes de calculs d'égaler ou même surpasser les approches de pointe dans la plupart des métriques d'évaluation de l'homographie. De plus, les annotations d'homographie des jeux de données WorldCup et TS-WorldCup ont été affinées à l'aide d'un outil personnalisé d'annotation d'homographie mis à disposition pour une utilisation publique. Les jeux de données affinés sont consolidés et publiés sous forme du jeu de données WorldCup consolidé et affiné (CARWC).