vdgtuВестник Дагестанского государственного технического университета. Технические наукиHerald of Dagestan State Technical University. Technical Sciences2073-61852542-095XDaghestan State Technical University10.21822/2073-6185-2024-51-2-120-127vdgtu-1527Research ArticleИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИINFORMATION TECHNOLOGY AND TELECOMMUNICATIONSАлгоритм трекинга при управлении соревновательной деятельностью команд в онлайн на основе компьютерного зренияTracking algorithm when managing competitive activities of top level teams online based on computer visioncomputer visionПолозовА. А.PolozovA. A.

Полозов Андрей Анатольевич, доктор педагогических наук, профессор

620014, г. Екатеринбург, ул. Мира 19

Andrey A. Polozov, Dr. Sci. (Pedagogical)

19 Mira St., Ekaterinburg 620014

a.a.polozov@mail.ruМальцеваН. А.MaltcevaN. A.

Мальцева Наталья Анатольевна, инженер

620014, г. Екатеринбург, ул. Мира 19

Natalya A. Maltceva, Engineer

19 Mira St., Ekaterinburg 620014

Natalia.maltseva.susu@gmail.comКрамаренкоГ. С.KramarenkoG. S.

Крамаренко Георгий Сергеевич, студент

620014, г. Екатеринбург, ул. Мира 19

Georgy S. Kramarenko, Student

19 Mira St., Ekaterinburg 620014

goshagks@ya.ruЛипилинМ. А.LipilinM. A.

Липилин Матвей Александрович, студент

620014, г. Екатеринбург, ул. Мира 19

Matvey A. Lipilin, Student

19 Mira St., Ekaterinburg 620014

Matvey.lipilin@gmail.comАхметзяновА. Р.AkhmetzyanovA. R.

Ахметзянов Артур Рахимзянович, преподаватель

628417, г. Сургут, ул. 50 лет ВЛКСМ, 10/2

Artur R. Akhmetzyanov, Teacher

10/2 50 years of the Komsomol St., Surgut 628417

Artur.rahimzyanovich@mail.ruУральский федеральный университетРоссияUral Federal UniversityRussian FederationСургутский государственный педагогический университетРоссияSurgut State Pedagogical UniversityRussian Federation202425072024512120127Copyright © Полозов А.А., Мальцева Н.А., Крамаренко Г.С., Липилин М.А., Ахметзянов А.Р., 20242024Полозов А.А., Мальцева Н.А., Крамаренко Г.С., Липилин М.А., Ахметзянов А.Р.Polozov A.A., Maltceva N.A., Kramarenko G.S., Lipilin M.A., Akhmetzyanov A.R.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.dgtu.ru/jour/article/view/1527

Цель. В статье представлены результаты исследования алгоритмов трекинга для анализа баскетбольной игры. Цель работы заключается в определении оптимального метода для применения отслеживания спортсменов в онлайн режиме.Метод. Исследование основано на методах и алгоритмах решения задач управления в организационных системах.Результат. Рассмотрены алгоритмы с реидентификацией объектов, учитывающие как динамику движения, так и внешний вид. В качестве кандидатов были выбраны наиболее популярные алгоритмы трекинга BYTE, взятого из алгоритма Bytetrack, и алгоритма Deepsort, показавшие высокий результат в задаче отслеживание пешеходов в толпе. Сравнение алгоритмов производилось по метрикам качества оценки трекинга MOTA и MOTP, а также по времени работы алгоритмов. Эксперименты проводились на датасете общей и спортивной направленности - MOT20 и SportMot.Вывод. Проведенное исследование показало, что наилучший результат при онлайн обработки кадров достигается алгоритмом ByteTrack. Он показал сопоставимые метрики качества при быстром времени выполнения. Авторы использовали открытые реализации алгоритмов и написали удобный интерфейс для проведения экспериментов над разными датасетами и источниками детекций.

Objective. The article presents the results of a study of tracking algorithms for analyzing a basketball game. The purpose of the work is to determine the optimal method for using athlete tracking when used online.Method. The research is based on methods and algorithms for solving management problems in organizational systems.Result. Algorithms with object re-identification are considered, taking into account both motion dynamics and appearance. The most popular tracking algorithms, BYTE, taken from the Bytetrack algorithm, and the Deepsort algorithm, which showed high results in the task of tracking pedestrians in a crowd, were selected as candidates. The algorithms were compared using the MOTA and MOTP tracking assessment quality metrics, as well as the operating time of the algorithms. The experiments were carried out on a general and sports dataset - MOT20 и SportMot.Conclusion. The study showed that the best result in online frame processing is achieved by the ByteTrack algorithm. It showed comparable quality metrics with fast turnaround times. The authors used open implementations of the algorithms and wrote a convenient interface for conducting experiments on different datasets and detection sources.

алгоритмбаскетболтрекингреидентификациямногообъектное отслеживаниеalgorithmbasketballtrackingre-identificationmulti-object trackingReferencesYifu Zhang1, Peize Sun2, Yi Jiang3, Dongdong Yu3, Fucheng Weng1, Zehuan Yuan3, Ping Luo2, Wenyu Liu1, and Xinggang Wang. ByteTrack: Multi-Object Tracking by Associating Every Detection Box/ Huazhong University of Science and Technology 2 The University of Hong Kong 3 ByteDance Inc.Yifu Zhang1, Peize Sun2, Yi Jiang3, Dongdong Yu3, Fucheng Weng1, Zehuan Yuan3, Ping Luo2, Wenyu Liu1, and Xinggang Wang. ByteTrack: Multi-Object Tracking by Associating Every Detection Box/ Huazhong University of Science and Technology 2 The University of Hong Kong 3 ByteDance Inc.N. Wojke, A. Bewley and D. Paulus, "Simple online and realtime tracking with a deep association metric," 2017 IEEE International Conference on Image Processing (ICIP), Beijing, China, 2017, pp. 3645-3649, doi: 10.1109/ICIP.2017.8296962.N. Wojke, A. Bewley and D. Paulus, “Simple online and realtime tracking with a deep association metric,” 2017 IEEE International Conference on Image Processing (ICIP), Beijing, China, 2017; 3645-3649, doi: 10.1109/ICIP.2017.8296962.Milan, Anton & Leal-Taixé, Laura & Reid, Ian & Roth, Stefan. (2016). MOT16: A Benchmark for Multi-Object Tracking.Milan, Anton & Leal-Taixé, Laura & Reid, Ian & Roth, Stefan. (2016). MOT16: A Benchmark for MultiObject Tracking.Bernardin, K., Stiefelhagen, R. Evaluating Multiple Object Tracking Performance: The CLEAR MOT Metrics. J Image Video Proc 2008, 246309 (2008). https://doi.org/10.1155/2008/246309Bernardin, K., Stiefelhagen, R. Evaluating Multiple Object Tracking Performance: The CLEAR MOT Metrics. J Image Video Proc 2008, 246309 (2008). https://doi.org/10.1155/2008/246309Punn NS, Sonbhadra SK, Agarwal S, Rai G. Monitoring COVID-19 social distancing with person detection and tracking via fine-tuned YOLO v3 and Deepsort techniques. arXiv; 2021.Punn NS, Sonbhadra SK, Agarwal S, Rai G. Monitoring COVID-19 social distancing with person detection and tracking via fine-tuned YOLO v3 and Deepsort techniques. arXiv; 2021.Wang J. et al. SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes //arXiv preprint arXiv:2211.07173. – 2022.Wang J. et al. SportsTrack: An Innovative Method for Tracking Athletes in Sports Scenes //arXiv preprint arXiv:2211.07173. 2022.M.I.H. Azhar, F.H.K. Zaman, N.M. Tahir and H. Hashim, "People Tracking System Using DeepSORT," 2020 10th IEEE International Conference on Control System, Computing and Engineering (ICCSCE), Penang, Malaysia, 2020, pp. 137-141, doi: 10.1109/ICCSCE50387.2020.9204956.M.I.H. Azhar, F.H.K. Zaman, N.M. Tahir and H. Hashim, "People Tracking System Using DeepSORT," 2020 10th IEEE International Conference on Control System, Computing and Engineering (ICCSCE), Penang, Malaysia, 2020, pp. 137-141, doi: 10.1109/ICCSCE50387.2020.9204956.Y. Du et al., "StrongSORT: Make DeepSORT Great Again," in IEEE Transactions on Multimedia, doi: 10.1109/TMM.2023.3240881.Y. Du et al., “StrongSORT: Making DeepSORT Great Again,” in IEEE Transactions on Multimedia, doi: 10.1109/TMM.2023.3240881.Yutao Cui, Chenkai Zeng, Xiaoyu Zhao, Yichun Yang, Gangshan Wu, and Limin Wang. Sportsmot: A large multi-object tracking dataset in multiple sports scenes. arXiv preprint arXiv:2304.05170, 2023.Yutao Cui, Chenkai Zeng, Xiaoyu Zhao, Yichun Yang, Gangshan Wu, and Limin Wang. Sportsmot: A large multi-object tracking dataset in multiple sports scenes. arXiv preprint arXiv:2304.05170, 2023.Patrick Dendorfer, Hamid Rezatofighi, Anton Milan, Javen Shi, Daniel Cremers, Ian D. Reid, Stefan Roth, Konrad Schindler, Laura Leal-Taixé:MOT20: A benchmark for multi object tracking in crowded scenes. CoRR abs/2003.09003 (2020)Patrick Dendorfer, Hamid Rezatofighi, Anton Milan, Javen Shi, Daniel Cremers, Ian D. Reid, Stefan Roth, Konrad Schindler, Laura Leal-Taixé:MOT20: A benchmark for multi object tracking in crowded scenes. CoRR abs/2003.09003 (2020)Иванов, Ю.С. Анализ нейросетевых алгоритмов трекинга объектов / Ю.С. Иванов // Производственные технологии будущего: от создания к внедрению : Материалы V Международной научно-практической конференции, Комсомольск-на-Амуре, 06–11 декабря 2021 года / Редколлегия: С.И. Сухоруков (отв. ред.), А.С. Гудим, Н.Н. Любушкина. – Комсомольск-на-Амуре: Комсомольский-на-Амуре государственный университет, 2022. – С. 34-37. – EDN LXOWWD.Ivanov, Yu. S. Analysis of neural network algorithms for object tracking / Yu. S. Ivanov // Manufacturing technologies of the future: from creation to implementation: Proceedings of the V International Scientific and Practical Conference, Komsomolsk-on-Amur, December 06–11, 2021 / Editorial Board: S.I. Sukhorukov (ed.), A.S. Gudim, N.N. Lyubushkina. – Komsomolsk-on-Amur: Komsomolsk-on-Amur State University, 2022;34-37. – EDN LXOWWD. ( In Russ)Д.А. Вражнов, А.В. Шаповалов, В.В. Николаев, “О качестве работы алгоритмов слежения за объектами на видео”, Компьютерные исследования и моделирование, 4:2 (2012), 303–313D.A. Vrazhnov, A.V. Shapovalov, V.V. Nikolaev, “On the quality of operation of algorithms for tracking objects on video,” Computer Research and Modeling, 4:2 (2012), 303–313( In Russ)Chen, H. (2023). Appearance Awared Detector for MOT: An Enhanced ReID Branch for Tracking Memorize. Academic Journal of Science and Technology, 5(1), 46–48. https://doi.org/10.54097/ajst.v5i1.5345https://habr.com/ru/articles/514450/Chen, H. (2023). Appearance Awarned Detector for MOT: An Enhanced ReID Branch for Tracking Memorize. Academic Journal of Science and Technology, 5(1), 46–48. https://doi.org/10.54097/ajst.v5i1.5345 Electronic resources https://habr.com/ru/articles/514450/https://habr.com/ru/articles/166693/https://habr.com/ru/articles/166693/

The authors declare that there are no conflicts of interest present.