Human Mesh Recovery (HMR) has achieved significant progress in controlled settings, but its application to real-world sports scenarios remains largely unexplored. This thesis presents a systematic evaluation of state-of-the-art HMR techniques for reconstructing 3D meshes of football players from production-grade stadium camera footage. Unlike standard HMR datasets, football presents unique challenges including rapid player movements, frequent occlusions, loose clothing, low-resolution imagery, and the absence of ground-truth mesh annotations for supervision. Conducted in collaboration with Tracab, a leading sports analytics company, this research employs domain-specific fine-tuning of an HMR model using real multi-view stadium camera images. The methodology addresses the lack of ground-truth annotations through indirect supervision, requiring careful consideration of alignment issues between different keypoint definitions. Experimental results demonstrate good mesh prediction accuracy on typical player poses, varying lighting conditions, and multiple camera perspectives across different stadiums. However, limitations remain in challenging scenarios such as player occlusions and non-standard poses. The findings suggest that domain-specific adaptation of HMR models holds significant promise for commercial sports applications, while highlighting key areas for future research including temporal consistency, multi-player interactions, and computational optimization. 

Återvinning av mänskliga mesh (HMR) har uppnått betydande framsteg i kontrollerade miljöer, men dess tillämpning på verkliga idrottsscenarion förblir till stor del outforskad. Denna avhandling presenterar en systematisk utvärdering av toppmoderna HMR-tekniker för rekonstruktion av 3D-mesh av fotbollsspelare från professionella stadionkamerabilder. Till skillnad från standardiserade HMR-dataset presenterar fotboll unika utmaningar inklusive snabba spelarrörelser, frekventa ocklusioner, löst sittande kläder, lågupplösta bilder och frånvaron av grund-sanning mesh-annoteringer för övervakning. Genomförd i samarbete med Tracab, ett ledande sportanalysföretag, använder denna forskning domänspecifik finjustering av en HMR-modell med hjälp av verkliga flervinkla stadionkamerabilder. Metodiken adresserar bristen på grund-sanning annoteringer genom indirekt övervakning, vilket kräver noggrann hänsyn till justeringsproblem mellan olika keypointdefinitioner. Experimentella resultat visar god mesh-prediktionsnoggrannhet på typiska spelarposer, varierande ljusförhållanden och flera kameraperspektiv över olika stadioner. Begränsningar kvarstår dock i utmanande scenarier såsom spelarocklusioner och icke-standardposer. Resultaten tyder på att domänspecifik anpassning av HMR-modeller har betydande potential för kommersiella sporttillämpningar, samtidigt som de belyser viktiga områden för framtida forskning inklusive temporal konsistens, flerspelarinteraktioner och beräkningsoptimering.