Resumen

El videojuego de deportes de equipo presenta un fondo complejo, movimientos rápidos de objetivos y oclusión mutua entre objetivos, lo que plantea grandes desafíos para el análisis de video colaborativo multipersonal. Este artículo propone un método de extracción semántica de video que integra conocimientos de dominio y características en profundidad, que se pueden aplicar al análisis de un video de juego de baloncesto colaborativo multipersonal, donde el evento semántico se modela como una relación adversaria entre dos equipos de jugadores. Primero diseñamos un esquema que combina una red de doble flujo y una agregación de características espacio-temporales aprendibles, que se pueden utilizar para el entrenamiento de extremo a extremo de la extracción semántica de video para cerrar la brecha entre características de bajo nivel y eventos semánticos de alto nivel. Luego, se propone un algoritmo basado en el conocimiento de diferentes fuentes de video para extraer la semántica de acciones. El algoritmo reúne características convolucionales locales en todo el rango espacio-temporal, que se

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Videojuego de deportes en equipo; Análisis de video colaborativo multipersonal; Método de extracción semántica de video; Video de juego de baloncesto; Evento semántico; Relación adversaria; Red de doble flujo; Agregación de características espacio-temporales; Entrenamiento de extremo a extremo; Semántica de acciones; Características convolucionales; Extracción semántica automática; Videos de juego de baloncesto; Eventos de puntuación; Acciones de atletas
• Keywords:Team sports game video; Multiperson collaborative video analysis; Video semantic extraction method; Basketball game video; Semantic event; Adversarial relationship; Dual-stream network; Spatiotemporal feature aggregation; End-to-end training; Action semantics; Convolutional features; Automatic semantic extraction; Basketball game videos; Scoring events; Athletes actions