| Form of studies |
Bachelor |
| Title of the study programm |
Computer Systems |
| Title in original language |
Ilglaicīgas daudzobjektu izsekošanas algoritmu salīdzinājums dinamiskos sporta video scenārijos |
| Title in English |
Comparison of Long-Term Multi-Object Tracking Algorithms in Dynamic Sports Video Scenarios |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Artjoms Supoņenkovs |
| Reviewer |
Olga Krutikova |
| Abstract |
Sportam attīstoties, pieaug nepieciešamība pēc automatizētas spēlētāju kustības analīzes video ierakstos, ko nodrošina daudzobjektu izsekošanas algoritmi. Tomēr sporta video rada specifiskus izaicinājumus - strauja kustība, vizuāli identiskas spēlētāju formas un aktīva kameras kustība - kas pazemina vispārējo izsekošanas algoritmu veiktspēju. Bakalaura darba mērķis ir salīdzināt daudzobjektu izsekošanas algoritmus dinamiskos sporta video scenārijos un analizēt to darbības īpatnības. Mērķa sasniegšanai tika apskatīti pieci izsekošanas algoritmi - SORT, DeepSORT, ByteTrack, OC-SORT un BoT-SORT - un veikti eksperimenti uz SportsMOT datu kopas, kas aptver basketbola, volejbola un futbola secības, izmantojot trīs YOLOv8 detektora versijas (nano, small, medium). Eksperimentu rezultāti norāda, ka BoT-SORT uzrāda labākos rezultātus, sasniedzot HOTA 47,72 % ar YOLOv8m detektoru - par 10,47 punktiem pārsniedzot pamata SORT algoritmu - kas skaidrojams ar tā kameras kustības kompensācijas komponenti. DeepSORT uzrāda anomāli sliktus rezultātus ar negatīvu MOTA vērtību, ko izraisa MobileNet pazīmju ekstrakcijas modeļa apmācības domēna neatbilstība sporta video kontekstam. Galvenais secinājums - vispārēji izsekošanas algoritmi, neatkarīgi no to modernitātes, nesasniedz sporta video specifikai pielāgotu metožu veiktspēju, kas norāda uz domēna pielāgošanas nepieciešamību. Darbs sniedz praktisku ieguldījumu, piedāvājot detalizētu salīdzinošu analīzi par populāru izsekošanas algoritmu darbību sporta video kontekstā un identificējot to ierobežojumus.
Bakalaura darbā ir 63 lappuses, 10 attēli, 17 tabulas, 1 pielikums un 23 informācijas avoti. |
| Keywords |
DAUDZOBJEKTU IZSEKOŠANA, SPORTA VIDEO ANALĪZE, SPORTSMOT, IZSEKOŠANAS ALGORITMU SALĪDZINĀJUMS, SORT |
| Keywords in English |
MULTI-OBJECT TRACKING, SPORTS VIDEO ANALYSIS, SPORTSMOT, TRACKING ALGORITHM COMPARISON, SORT |
| Language |
lv |
| Year |
2026 |
| Date and time of uploading |
26.05.2026 10:19:21 |
