Transforming the perspective of a floorball game recorded with a moving camera into a top view
Transformácia perspektívy záznamu florbalového zápasu pohyblivou kamerou do pohľadu zhora
bakalářská práce (OBHÁJENO)
Zobrazit/ otevřít
Trvalý odkaz
http://hdl.handle.net/20.500.11956/202360Identifikátory
SIS: 269221
Kolekce
- Kvalifikační práce [11982]
Autor
Vedoucí práce
Oponent práce
Safko, Martin
Fakulta / součást
Matematicko-fyzikální fakulta
Obor
Informatika se specializací Umělá inteligence
Katedra / ústav / klinika
Katedra softwaru a výuky informatiky
Datum obhajoby
4. 9. 2025
Nakladatel
Univerzita Karlova, Matematicko-fyzikální fakultaJazyk
Angličtina
Známka
Výborně
Klíčová slova (česky)
počítačové videnie|detekcia objektov|YOLOv11|TrackNet|homografia|florbalKlíčová slova (anglicky)
computer vision|object detection|YOLOv11|TrackNet|homography|floorballTáto práca predstavuje systém pre automatickú analýzu florbalových záznamov po- mocou techník počítačového videnia. Navrhovaný proces pozostáva z viacerých kľúčových modulov: odhad homografie pre mapovanie pohľadu kamery na schematické zobrazenie florbalového ihriska pri pohľade zhora nadol, detekcia hráčov modelom pre detekciu objek- tov založenom na YOLOv11 a detekcia loptičky spôsobom založeným na modeli TrackNet. Spolu tieto komponenty umožňujú generovanie vizualizácie zápasu z videa štandardného prenosu. Pre podporu trénovania a vyhodnocovania bol vytvorený a anotovaný dáta- set florbalových obrázkov. Experimentálne výsledky demonštrujú uskutočniteľnosť tohto prístupu avšak zároveň poukazujú na výzvy špecifické pre florbal, ako je pohyb kamery a zakrytie loptičky. Systém slúži ako základ pre ďalší výskum a praktické aplikácie pri automatickej analýze florbalových videí.
This thesis presents a system for automatic analysis of floorball footage using com- puter vision techniques. The proposed pipeline is composed of several key modules: estimation of homography for mapping the camera view to a top-down schematic of the floorball court, detection of players using a YOLOv11-based object detection model, and detection of the ball using a TrackNet-based approach. Together, these components en- able the generation of a top-down visualization of the game from standard broadcast video. To support training and evaluation, a custom floorball dataset was created and annotated. Experimental results demonstrate the feasibility of the approach, while also highlighting challenges specific to floorball, such as camera motion and ball occlusion. The system serves as a solid foundation for further research and practical applications in automated floorball analysis.
