Discovering Cricket Stroke Classes in Trimmed Telecast Videos

Im Allgemeinen führen Kamerabewegungen wie Zoom, Schwenken und Neigen zu Rauschen in den niedrigen Bewegungsmerkmalen, wodurch die Erkennungsgenauigkeit erreicht wird, aber in einigen Fällen können solche Kamerabewegungen ein Muster aufweisen, das für die Aktionserkennung in getrimmten Videos nützlich sein kann. In dieser Arbeit entdecken wir experimentell die Arten von Schlägen in einem Cricket-Schlagabtausch-Datensatz mithilfe von Richtungsinformationen dichten optischen Flusses. Wir zeigen, dass eine derart quantifizierte Darstellung der Cricket-Schläge aus Cricket-Fernsehvideos von Match-Highlights stammt. Die vorherrschende Bewegungsrichtung wird ermittelt, indem wir die Histogramme der optischen Flußrichtungen, die für signifikante Pixel genommen wurden, über den gesamten Cricket-Schlaganfall-Clip zusammenfassen. Wir zeigen, dass eine solche quantifizierte Darstellung der optischen Flußrichtung für den kompletten Videoclip als Kricket-Schlaganfall-Erkennung verwendet werden kann. Unsere Methode verwendet eine unkontrollierte K-Means-Anhäufung der extrahierten Clip-Merkmale und die Ergebnisse der Stroker, die wir für die Cluster-3-Magnetfelder auswerten.