Video analīze, riteņbraukšanas sacensību laika kontroles automatizācijai

Abstract

Pēdējo gadu laikā ir novērots ievērojams progress datorredzes jomā, aparatūras un mašīnmācīšanās rīku uzlabojumi ļauj apmācīt pat ļoti dziļus neironu tīklus, kuri spēj atpazīt ievērojami vairāk pazīmes nekā neironu tīkli ar nelielu slāņu skaitu. Attēlu klasifikācijas un objektu atrašanas uzdevumos iespaidīgus rezultātus uzrāda konvolucionālie neironu tīkli. Dažādu sporta sacensību nozīmīga sastāvdaļa ir laika kontrole, šajā darbā tiks sīkāk apskatītas metodes, ar kurām ir iespējams automatizēt riteņbraukšanas sacensību laika kontroles sistēmu, kura ir balstīta uz foto finišu. Sportistu rezultāts tiek noteikts izmantojot kadrus no video materiāla ar lielu kadru skaitu sekundē, tāpēc šī darba galvenais mērķis ir izpētīt vai ir iespējams izmantot mašīnmācīšanās algoritmus šīs sistēmas automatizēšanai.

In the last few years computer vision there have been major progress in image classification and object detection performance and accuracy. Deep learning is becoming more popular and available, because of advancements in computing hardware and machine learning tools now allow to train deeper networks, which can recognize more subtle features and lead to better accuracy. Convolutional Neural Networks is the leading method for different image processing tasks. Timing is one of techniques to measure performance in sports events, in this paper will describe how to automate cycling competition timing system, which is based on photo finish. Athlete’s result is determined using video with high frame rate, thus the goal of this paper is to investigate if it possible to use machine learning algorithms to automate this kind of timing system.