The Way Up

The Way Up 数据集包含了22个标注的攀岩视频，提供了用于攀岩中握点使用检测的地面真实标签，包括握点位置、使用顺序和使用时间。数据集旨在解决攀岩中运动员位置检测和握点使用识别的问题，这对于自动化比赛评分、运动和动作分析等攀岩相关应用至关重要。数据集使用基于关键点的2D姿态估计模型来检测攀岩中的握点使用，并评估了多个最先进的模型在其上的准确性，突出了攀岩特有的挑战。数据集和应用结果为攀岩特定姿态估计和未来研究奠定了基础，以开发实时、便携的攀岩辅助工具，特别是为视力障碍的攀岩者。The Way Up Dataset contains 22 annotated climbing videos, providing ground-truth labels for handhold usage detection in climbing, including handhold positions, usage sequences, and usage durations. This dataset aims to address the challenges of climber position detection and handhold usage recognition in climbing, which is critical for climbing-related applications such as automated competition scoring, sports and motion analysis. The dataset employs keypoint-based 2D pose estimation models for handhold usage detection in climbing, and evaluates the accuracy of multiple state-of-the-art models on it, highlighting the challenges unique to climbing. The dataset and its application results lay a foundation for climbing-specific pose estimation and future research aimed at developing real-time, portable climbing assistance tools, particularly for visually impaired climbers.

搜集汇总

数据集介绍

构建方式

The Way Up 数据集构建于室内攀岩场景，通过手持GoPro Hero 9摄像机以90度垂直墙面角度采集22段4K分辨率视频（50FPS），记录10名不同身高（156-183cm）、经验（新手至15年）的攀岩者完成两条难度分别为4c（橙色路线）和5a（绿色路线）的攀爬过程。数据预处理包括降采样至720×1280像素/25FPS、视频稳定化及隐私保护处理，并由专业攀岩教练标注了每个岩点的使用时间区间、肢体部位（左手/右手/左脚/右脚）及遮挡情况。标注标准严格区分了主动抓握与偶然接触，并通过四角标定法生成单应性矩阵以实现二维像素坐标到墙面实际位置的映射。

使用方法

该数据集设计用于支持基于关键点的岩点使用检测算法开发。典型使用流程包括：1) 利用提供的岩点边界框坐标和单应性矩阵建立空间参考系；2) 应用2D姿态估计模型（如ViTPose/YOLOv8-pose/MediaPipe）提取腕部/踝部关键点；3) 通过肢体关键点与岩点的时空重叠判定使用状态（持续0.5秒以上记为有效）。评估指标建议采用时间交并比（tIoU）结合准确率/召回率，需特别注意手部检测在遮挡情况下的性能差异。数据集已开源，适用于攀岩动作分析、实时辅助系统开发等应用场景。

背景与挑战

背景概述

随着攀岩运动在全球范围内的普及，尤其是在2020年奥运会正式成为比赛项目后，攀岩运动的竞技性和技术性研究日益受到重视。然而，攀岩运动中的关键技术问题，如运动员在路线上的位置检测和抓握点的使用识别，长期以来依赖人工或专用硬件设备，限制了其可扩展性和普及性。为此，奥地利上奥地利应用科学大学的Anna Maschek和David C. Schedl于2025年提出了名为'The Way Up'的数据集，旨在填补这一研究空白。该数据集包含22段标注详细的攀岩视频，提供了抓握点位置、使用顺序和使用时间的真实标签，为攀岩运动中的姿势估计和动作分析奠定了重要基础。

当前挑战

在攀岩运动领域，准确识别运动员使用的抓握点是一个极具挑战性的任务。首先，攀岩运动中的自遮挡现象频繁，运动员的身体常常会遮挡抓握点，导致视觉识别困难。其次，攀岩动作的非标准化特性使得传统的姿势估计模型难以准确捕捉关键点。在数据集构建过程中，研究人员还面临标注复杂性的挑战，例如需要精确区分抓握点的有意使用和无意接触。此外，由于攀岩路线的高度和角度变化，如何在不同的拍摄条件下保持数据的一致性和准确性也是一个重要问题。这些挑战不仅影响了数据集的构建质量，也对后续的姿势估计算法提出了更高的要求。

常用场景

经典使用场景

The Way Up数据集在运动攀岩领域的研究中具有广泛的应用价值，特别是在攀岩者的姿势估计和抓握检测方面。该数据集通过22个标注视频，详细记录了攀岩者在攀爬过程中抓握点的位置、使用顺序和使用时间，为研究者提供了丰富的数据支持。其经典使用场景包括攀岩动作分析、自动化比赛评分系统以及攀岩训练辅助工具的研发。

解决学术问题

The Way Up数据集解决了攀岩研究中缺乏详细抓握使用标注数据的问题。通过提供精确的抓握点位置和使用时间，该数据集支持了基于关键点的2D姿势估计模型在攀岩中的应用。这不仅填补了攀岩领域数据集的空白，还为研究者提供了一个标准化的评估平台，促进了攀岩动作分析和自动化评分系统的研究。

实际应用

在实际应用中，The Way Up数据集可以用于开发攀岩辅助工具，特别是针对视觉障碍攀岩者的实时导航系统。通过分析攀岩者的抓握动作和姿势，系统可以提供实时反馈和建议，帮助攀岩者优化动作和提高训练效果。此外，该数据集还可用于攀岩馆的自动化管理系统，提升攀岩体验和安全性。

数据集最近研究

最新研究方向

随着计算机视觉技术在体育科学中的深入应用，The Way Up数据集的推出为攀岩运动分析开辟了新的研究方向。该数据集通过标注22段攀岩视频中的抓握手点位置、使用顺序及时间信息，为基于关键点的2D姿态估计模型在攀岩运动中的应用提供了基准测试平台。当前研究热点集中在三个方面：首先是通过改进姿态估计算法来解决攀岩特有的自遮挡问题，如ViTPose和MediaPipe等模型在手腕关键点检测上的优化；其次是探索时序信息在攀岩动作分析中的应用，如利用0.5秒阈值来区分有效抓握与瞬时接触；最后是面向视障攀岩者的辅助系统开发，通过实时检测手点使用情况来提供触觉或听觉反馈。这些研究不仅推动了竞技攀岩的自动化评分系统发展，也为大众攀岩训练提供了智能分析工具。

相关研究论文

• The Way Up: A Dataset for Hold Usage Detection in Sport Climbing

  奥地利上奥地利应用科学大学 · 2025年