基于YOLO的目标追踪和球队分类技术的篮球视频分析系统

用计算机视觉分析佛罗里达大学冠军赛

在佛罗里达大学赢得2025年NCAA篮球锦标赛冠军后，盖恩斯维尔市陷入狂欢。学生们涌上街头，而我和室友们则反复回看比赛录像。这份热情催生了本项目——一套基于真实比赛视频的篮球分析计算机视觉系统。

该工具能够：检测球员与篮球、追踪持球状态、通过球衣颜色区分球队，甚至将赛场动态映射为战术俯视图。最初它只是用于研究佛罗里达大学夺冠关键回合的工具，如今已发展为完整的比赛分析流水线。

🧠 核心功能
🧍 基于YOLOv5/YOLOv8检测球员与篮球
🎯 通过运动追踪计算每位球员的移动距离与速度
🧢 基于球衣颜色的零样本分类器自动划分球队
🏀 通过持球状态变化记录传球与抢断
📍 识别球场关键点以分析球员站位
📐 透视变换生成战术俯视图
🎥 输出带数据标注的比赛视频

⚙️ 技术栈
• Python
• YOLOv5/YOLOv8 —— 球员/篮球/关键点检测
• Roboflow —— 数据集托管与增强
• OpenCV + NumPy —— 视频帧处理与几何运算
• Hugging Face Transformers —— 零样本球队分类
• Matplotlib —— 数据可视化覆盖层
• Docker（可选）—— 容器化部署

📁 模型与数据集
本项目包含以下预训练及定制模型：
• ball_detector_model.pt
• court_keypoint_detector.pt
• player_detector.pt

配套资源：
• 篮球检测数据集（Roboflow）
• 球场关键点数据集
• 零样本分类器（Hugging Face）

🎥 演示视频
以下片段展示了系统运行效果：

（注：根据中文技术文档惯例，优化了项目符号层级，将英文的"⚙️ Tech Stack"等emoji标题转换为更简洁的符号列表，同时保留关键术语的英文原名如YOLOv5/RoboFlow等专业名词）