Change search
ReferencesLink to record
Permanent link

Direct link
Real-time Head Pose Estimation inLow-resolution Football Footage UsingRandom Forests
KTH, School of Computer Science and Communication (CSC).
2013 (English)Independent thesis Advanced level (degree of Master (Two Years)), 20 credits / 30 HE creditsStudent thesisAlternative title
Realtidsestimering av huvudets vridning ilågupplöst fotbollsvideo (Swedish)
Abstract [en]

This report presents a method for real-time head pose estimation in low resolution football footage. The presented method uses a random forest trained on synthetically generated head images. The use of synthetic training images is shown to be a good substitute for the use of manually labelled images. The presented method compares favourably to support vector machines trained for the same task, both in terms of accuracy and speed. It is noted that the method relies on a good head detection to perform well. The report also examines ways of combining the image based head pose estimation with contextual features such as ball position and player position. It is shown that the relative direction to the ball can improve the accuracy of the pose estimate in certain situations. Furthermore, it is found that the random forest method can easily be extended to incorporate images from multiple cameras to improve accuracy.

Abstract [sv]

Denna rapport presenterar en metod för realtidsestimering av huvudets vridning i lågupplöst fotbollsvideo. Den presenterade metoden använder sig av en random forest tränad på syntetiskt skapade huvudbilder. Användandet av syntetisk data visar sig vara ett gott substitut för användandet av handmärkta bilder. Den presenterade metoden jämförs positivt mot stödvektormaskiner tränade för samma ändamål, både i avseende på precision och snabbhet. Det visas att metoden förlitar sig på god huvuddetektering för att prestera väl. Rapporten undersöker också sätt att kombinera den bildbaserade estimeringen med kontextuella faktorer så som bollposition och spelarposition. Det visas att den relative riktiningen till bollen kan förbättra precisionen i vissa lägen. Vidare visas att random forest-metoden enkelt kan utökas till att använda sig av bilder från flera kameror för att förbättra precisionen.

Place, publisher, year, edition, pages
National Category
Computer Science
URN: urn:nbn:se:kth:diva-142449OAI: diva2:702207
Educational program
Master of Science in Engineering - Computer Science and Technology
Available from: 2014-03-11 Created: 2014-03-04 Last updated: 2014-03-11Bibliographically approved

Open Access in DiVA

fulltext(6422 kB)171 downloads
File information
File name FULLTEXT01.pdfFile size 6422 kBChecksum SHA-512
Type fulltextMimetype application/pdf

By organisation
School of Computer Science and Communication (CSC)
Computer Science

Search outside of DiVA

GoogleGoogle Scholar
Total: 171 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 1372 hits
ReferencesLink to record
Permanent link

Direct link