Lekim89/sportsmot

SportsMOT是一个用于体育视频中单摄像头多目标跟踪（MOT）的大规模数据集，专注于跟踪专业体育场景中的运动员（如球员）。数据集旨在解决目标快速变速运动、频繁遮挡、运动模糊、相机移动以及相似队服等挑战。它包含240个体育视频片段，涵盖篮球、足球/英式足球和排球，具有超过15万帧图像、超过160万个边界框和3401个轨迹。数据以MOTChallenge风格的结构组织，包括训练、验证和测试子集，并提供了详细的注释格式（如边界框坐标、身份ID等）。数据集用于多目标跟踪、运动员检测、体育视频分析等任务，支持研究和基准测试。SportsMOT is a large-scale dataset for single-camera multi-object tracking (MOT) in sports videos. It focuses on tracking players in professional sports scenes, where targets exhibit fast and variable-speed motion, frequent occlusion, motion blur, camera motion, and similar team uniforms. The dataset contains 240 sports video clips from basketball, football/soccer, and volleyball, with over 150K frames, over 1.6M bounding boxes, and 3,401 tracks. It is structured in a MOTChallenge-style format, including training, validation, and test subsets, with detailed annotations (e.g., bounding box coordinates, identity IDs). The dataset is intended for tasks such as multi-object tracking, player detection, and sports video analytics, supporting research and benchmarking.

搜集汇总

数据集介绍

构建方式

SportsMOT数据集源于对职业体育赛事视频的精心采集与标注，覆盖篮球、足球（英式）和排球三大运动类别。原始素材取自NCAA、英超联赛、奥运会及NBA等高清晰度赛事转播，所有视频片段均以720p分辨率、25帧每秒的规格保存，并通过人工筛选确保每个片段内无镜头切换。标注过程严格遵循以运动员为中心的多目标追踪准则：标注员需描绘运动员可见的肢体与躯干，排除球等接触物体，在部分遮挡时预测完整边界框，仅当躯干大部分移出视野时才跳过该目标。每位运动员在片段内保持唯一身份标识，且剔除宽或高低于5像素的极小框，最终构建出包含240个视频片段、逾15万帧、超过160万边界框及3401条完整轨迹的高质量数据集。

特点

SportsMOT的核心特点在于其针对体育场景中独特挑战的专门设计。数据集中运动员呈现出高速且变速的运动模式，伴随频繁的相互遮挡、运动模糊、摄像机运动以及高度相似的队服外观，这极大加剧了目标关联的难度。不同运动类别呈现出差异化的统计特性：篮球片段平均帧数最长（845.4帧）但轨迹长度最高（767.9帧），足球片段平均轨迹数最多（20.5条），而排球片段平均每帧边界框密度最高（11.2个）。这些多样性使得数据集能够全面评估追踪算法在快速运动、摄像机移动、遮挡和外观相似性等极端条件下的鲁棒性，特别强调对运动员而非裁判、教练或球的精准追踪。

使用方法

使用SportsMOT数据集时，研究人员可通过Hugging Face的`snapshot_download`函数直接获取完整资源，数据集采用MOTChallenge标准布局，训练与验证集包含`gt/gt.txt`格式的标注文件，测试集仅提供图像序列用于基准评测。典型使用流程包括：利用Pandas读取标注文件，将边界框从`bb_left, bb_top, bb_width, bb_height`格式转换为`xyxy`坐标，按帧索引遍历图像与对应标注进行模型训练或评估。数据集提供`scripts/`目录下的`mot_to_coco.py`和`sportsmot_to_trackeval.py`转换脚本，便于将数据适配至COCO格式或TrackEval评估框架。研究者应严格区分训练集、验证集与测试集，仅使用前两者进行模型调优，并确保追踪器输出符合MOTChallenge标准的帧索引与身份标识格式。

背景与挑战

背景概述

SportsMOT数据集由南京大学多媒体计算组于2023年创建，旨在解决体育视频中的单摄像头多目标跟踪（MOT）问题。核心研究聚焦于职业体育场景中运动员的快速与变速运动、频繁遮挡、运动模糊、相机抖动及相似队服等复杂条件下的稳健跟踪。该数据集涵盖篮球、足球与排球三大体育项目，包含240个视频片段、超过15万帧图像、160万个边界框及3401条轨迹，显著推动了体育视频分析与MOT领域的发展，为运动员检测、身份关联及运动与外观建模等研究提供了标准化基准。

当前挑战

领域方面，SportsMOT解决了体育场景中多目标跟踪的独特挑战，如运动员间因相似队服导致的视觉混淆、高速运动下的轨迹关联困难以及相机运动造成的背景变化，这些因素显著增加了目标重识别与长期跟踪的难度。构建过程中，数据集的标注需精确区分运动员与非运动员对象（如裁判、球类），并遵循严格的遮挡处理规则——仅标注可见肢体部分，而对部分遮挡物体预测完整边界框。此外，从职业体育视频中手动筛选无镜头切换的片段，并剔除过小边界框，确保了数据质量与一致性，但过程耗时且需专业领域知识。

常用场景

经典使用场景

在体育视频分析领域，SportsMOT数据集以其涵盖篮球、足球和排球三大主流竞技项目的240段高清视频剪辑，成为多目标跟踪（MOT）研究的标杆性基准。该数据集聚焦于运动员在快速变向移动、频繁遮挡、运动模糊、镜头抖动以及队服高度相似等复杂场景下的跟踪任务，共包含超过15万帧图像、162万多个标注框和3401条完整轨迹。其经典使用场景在于为基于检测的跟踪范式提供性能测试平台，研究者可利用其MOTChallenge格式的标注文件，在统一框架下评估检测器与数据关联模块的协同效果，尤其对运动场上的目标关联算法提出了严峻挑战。

衍生相关工作

SportsMOT数据集的发布催生了一系列具有代表性的衍生工作，其中最具影响力的是基于Transformer架构的端到端跟踪方法，如将检测与特征关联统一到可变形注意力机制中的模型，显著提升了在快速移动下的目标匹配精度。同时，研究者借鉴其多运动类别划分思路，开发了跨模态的球员重识别网络，通过融合姿态关键点与视觉语义特征以应对队服颜色相似带来的身份混淆。此外，该数据集还引导了时序运动预测模型的创新，例如利用图神经网络在轨迹间构建关系推理模块，有效减少了因遮挡导致的ID切换问题，这些工作共同拓展了体育智能分析领域的技术边界。

数据集最近研究

最新研究方向

SportsMOT数据集的问世为多目标跟踪领域注入了竞技体育场景下的新挑战，当前前沿研究聚焦于利用该数据集攻克快速运动、频繁遮挡及相似外观运动员的鲁棒关联难题。结合2023年体育赛事智能分析的热潮，研究者们正探索将Transformer架构与运动一致性约束相融合，以提高在篮球、足球和排球等高速对抗场景中运动员身份保持的稳定性。该数据集提供的超过150万帧标注和3401条轨迹，不仅推动了基于检测-跟踪范式的模型迭代，更催生了针对团队运动策略挖掘的跨帧时空建模方法，其深远意义在于确立了体育视频智能解析的评价基准，加速了从动作识别到战术理解的全链路技术落地。