这是我想要实现的：输入是一个足球图像帧
然后，我希望我的模型返回具有以下信息的 2D 模型：
给出了球员在场上的位置；并且玩家的相对距离也得到了很好的保存。
这是我实现这一目标的计划：
首先，使用一些标准的 ML 算法进行玩家检测（大量资源可供研究）
然而，主要的挑战是，在给定输入图像的情况下，我如何计算出该玩家在 2D 模型中的对应位置？同时，非常重要的部分，让摄像机图像中的场部分在 2D 模型场中得到很好的表现（比例很好，可以很好地保持玩家之间的相对距离）
因为我的目的是基于转播视频对 2D 足球比赛进行建模（反映真实转播足球视频的 2D 模型。因此，广播摄像机的一系列事件可以从鸟瞰图建模为 2D）。广播视频正在从一侧移动到另一侧。（目前，我排除了录制观众的框架，或单人游戏的特写镜头）
输入图像中可用作参考的所有线条对于每一帧都不是固定的。很难确定玩家的位置。
（我正在寻找已发表的论文，以便我可以实现算法）
我不知道这方面的出版物。
在我看来，这是一个计算机视觉问题，包括几个较小的问题。您需要一个球场模型，能够分割和跟踪球员，并跟踪摄像机的视线。
理想情况下，相机是经过校准的，所以你有一个从像素到米的映射。问题是识别摄像机覆盖的球场的哪一部分（需要地标检测），检测球员并将他们的位置投影到平面上，最后应用摄像机定义的投影变换，将球场校正为 2d 视图场（或顶部的 3D）。
那么问题来了：
对于第一个问题，有许多方法可以拟合椭圆和其他类型的基元。参见例如（来自平面目标的稳健姿态估计，Schweighofer 等人）。如有必要，这还将允许重新校准或重新调整您的系统。
您可以使用一些标准的角点检测方法来检测角点：Harris（以正确的比例）。有关详细信息，请参阅本讲座（https://ags.cs.uni-kl.de/fileadmin/inf_ags/opt-ss14/OPT_SS2014_lec02.pdf）
对于第二个，我希望基于标准 HOG 的方法能够检测到玩家（请参阅Histograms of Oriented Gradients for Human Detection）。至少在您发布的那种图像中。
当他们相互重叠时，跟踪玩家会变得非常棘手。我不知道解决该跟踪问题的可靠方法。您可能会从 OpenCV ( https://www.learnopencv.com/object-tracking-using-opencv-cpp-python/ )中实现的一种方法中获得一些好的结果