“针对这两个核心痛点，我们做了三项专属的算

    “第一，多特征融合的霍夫森林模型：我们没有只用传统的HOG轮廓特征，而是融合了球衣颜色直方图特征、号码区域的LBP纹理特征，让模型不仅能识别球员的人形轮廓，还能区分不同球员的球衣、号码，哪怕球员挤在一起，也能通过专属特征区分ID，不会出现ID混淆”

    “第二，卡尔曼滤波轨迹预测机制：当球员被完全遮挡时，我们会用卡尔曼滤波基于球员之前的运动轨迹，预测他后续的位置、速度、运动方向，哪怕连续30帧完全看不到球员，也能保持ID不丢失，等球员重新出现时，立刻匹配上原来的ID，不会出现跟丢、ID切换的问题”

    “第三，非极大值抑制与轨迹关联优化：我们针对球员密集场景，优化了非极大值抑制算法，不会把相邻的两个球员合并成一个检测框，同时用匈牙利算法做帧间轨迹关联，确保每个球员的ID在整场比赛里全程唯一，哪怕球员全场跑动、频繁交叉，也不会出现ID错乱”

    “同时我们还利用了今年《长三角冠军联赛》的决赛视频做了测试，90分钟的比赛里，22名球员的ID全程无错乱，仅在球员完全离场时出现短暂丢失，重新入场后立刻恢复跟踪，完全满足赛事分析的需求”

    随着何彩娟的回答解释，现场工作人员立即启动了核验。

    他们随即输入了一段半决赛的比赛视频，然后启动了这套跟踪系统，随着大屏幕上密密麻麻显示出各类ID，答辩也进行到了商业化落地的探讨。