Bowling v3 · YOLO 投球动作检测器(gate)→ YOLO-pose(检测框内投球手)→ bowling 模板匹配

链路

• Gate = 独立 YOLO 投球检测器 bf_event_detector_v3_zhengyu/alpha_0.94.pt(郑宇训练)—— Ultralytics YOLO 单类检测,类别 cricket player bowling the ball,基于 yolo26s,imgsz 640。直接检测"正在投球的球员"bbox + 置信度,不同于 v0-v2 的 GAP 分类头。
• 训练指标:precision 0.863 / recall 0.78 / mAP50 0.865 / mAP50-95 0.776(在其自有 cricket_bowling_20260712 数据集上)。
• 推理:每视频 5fps 跑检测器 → 逐帧最大投球置信度构成 gate 轨 → 时间 NMS(gap 1.5s, thr 0.30)出投球事件峰。
• 峰帧上跑 YOLO11n-pose,取与检测框重叠最大的那个人(即投球手)提 COCO-17 姿态 → 归一化 → 匹配 bowling 模板子库(9 个)。

数据

• 跑 test_data 的 14 个板球视频(Balling 3 投球 / batting 3 广播 / Batting Pose 8)。
• ⚠️ 原始 Balling/Pose 是 HEVC,cv2 解不了,用之前转码的 H.264(640p)版本跑。

检测器特性(冒烟观察)

• 高精度、稀疏:只在真正投球瞬间触发,置信度常 0.7–0.98,其余帧为 0。符合"投球动作检测器"预期(投球时刻很短)。
• Balling 投球视频稳定触发(t_balling_3 触发 64/176 帧);batting 广播里也能抓到投球出手(t_batting_1 max 0.94);batting 练习基本不误报。

看什么

• 橙线=投球检测置信度轨;橙点=NMS 投球峰。点峰帧看是不是真投球出手。
• 峰帧右侧=匹配到的 bowling 模板 + 距离/reject;峰帧上绿/红框=被匹配的投球手(取自检测框内的人)。
• fielding 轨/峰为空(此模型只检投球)。
• 重点评估:① gate 是否在真投球处触发、不乱报;② pose 是否选对投球手;③ bowling 模板匹配的距离(参考库仅 9 个,reject 多属正常)。