| Studiju veids |
bakalaura akadēmiskās studijas |
| Studiju programmas nosaukums |
Datorsistēmas |
| Nosaukums |
Ilglaicīgas daudzobjektu izsekošanas algoritmu salīdzinājums dinamiskos sporta video scenārijos |
| Nosaukums angļu valodā |
Comparison of Long-Term Multi-Object Tracking Algorithms in Dynamic Sports Video Scenarios |
| Struktūrvienība |
33000 Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte |
| Darba vadītājs |
Artjoms Supoņenkovs |
| Recenzents |
Olga Krutikova |
| Anotācija |
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. |
| Atslēgas vārdi |
DAUDZOBJEKTU IZSEKOŠANA, SPORTA VIDEO ANALĪZE, SPORTSMOT, IZSEKOŠANAS ALGORITMU SALĪDZINĀJUMS, SORT |
| Atslēgas vārdi angļu valodā |
MULTI-OBJECT TRACKING, SPORTS VIDEO ANALYSIS, SPORTSMOT, TRACKING ALGORITHM COMPARISON, SORT |
| Valoda |
lv |
| Gads |
2026 |
| Darba augšupielādes datums un laiks |
26.05.2026 10:19:21 |
