第9名解决方案

首先，我要感谢主办方举办了如此精彩的比赛！这个问题非常有趣，让我在整整3个月的时间里全身心投入其中。

在这里，我将展示我是如何解决这个问题的。解决方案流程由4个部分组成：

1. YOLO-v5 头盔检测
2. 追踪数据 <-> 边界框 单应性矩阵估计
   1. 使用形状上下文估计第1帧的单应性矩阵
   2. 修改前一帧的单应性矩阵以获取当前帧的矩阵
3. 使用估计的单应性矩阵进行第一次头盔分配
4. 使用 DeepSort 和先前获得的单应性矩阵进行第二次头盔分配

1. YOLO v5 头盔检测

众所周知，主办方提供了基准头盔检测结果。起初，我认为检测性能已经足够，并使用了一段时间。然而，我注意到一些涉及撞击的头盔缺失了。因此，我尝试训练一个 YOLO 检测器来减少这种漏检。训练设置如下：

• 训练数据："images" 文件夹中的 jpg 图像，分辨率为 1280px
• 模型：yolov5x
• Batch size：16
• Epochs：20（固定）
• 混合精度：开启
• 环境：AWS SageMaker p3.8xlarge
• 无验证集
• 其他设置（学习率、优化器等）：默认

效果非常显著，当时分数跃升了约 0.1。

编辑：我在最终提交中用基准检测替换了我的检测结果，并进行了延迟提交。我得到了 0.803（私有）/ 0.841（公有）的成绩，这表明 YOLO 使分数提高了 0.057。

2.1 使用形状上下文估计初始帧单应性矩阵

为了将传感器数据与第1帧中的边界框匹配，我使用了形状上下文。形状上下文是点相对位置的直方图。它可以为每个点计算，并用于点集配准。关于形状上下文的详细信息，请自行搜索。详细过程如下：

1. 归一化边界框（置信度 > 0.25）和传感器数据的坐标。作为归一化因子，我使用了 np.median(np.sort(cdist(points,points),axis=1)[:,1])。这个量表示最近球员之间的中位数距离。
2. 按一定比例缩放和旋转传感器数据坐标（稍后提及）。
3. 计算追踪数据中每个点的形状上下文和边界框质心的形状上下文。
4. 计算传感器描述符和边界框描述符之间的余弦距离矩阵。
5. 使用 scipy.optimize.linear_sum_assignment 进行匈牙利算法匹配。此时，匹配结果通常包含错误分配的对。
6. 使用 cv2.findHomography 计算单应性矩阵。我像迭代最近点（ICP）算法一样进行此计算。在前几次迭代中，我使用 cv2.LMEDS 来修复错误分配的对。如果代价函数停止改善，则关闭 LMEDS 并切换到正常的单应性估计。
7. 如果代价函数停止改善，停止迭代。

下图描述了从 2.3 到 2.7 的流程。

代价函数

我使用以下代码评估单应性变换的拟合度。这个代价函数可以解释为边界框与变换后追踪坐标之间的均方根（RMS）距离。

dist=cdist(homography_transformed_tracking_points,bbox_points)**2
row_ind,col_ind=linear_sum_assignment(dist)
score=np.sqrt(dist[row_ind,col_ind].sum()/len(row_ind))

旋转/缩放因子的暴力优化

我优化了 2.1.2 中使用的旋转/缩放因子。换句话说，我多次改变旋转/缩放因子执行上述过程，并选择最佳因子。优化范围如下：

• 旋转角度：[0, 2pi]，分辨率为 pi/500
• X 缩放因子：{0.5, 1.25, 3}
• Y 缩放因子：{0.5, 1.25, 3}

2.2 修改前一帧的单应性变换以获取当前帧的变换

由于相邻帧的球员位置相似，