本文的第（一）部分介绍了SoccerNet数据集、SoccerNet 2025挑战赛、以及SoccerNet 2025挑战赛的赛题一；第（二）部分介绍了SoccerNet 2025挑战赛的赛题二；第（三）部分介绍了SoccerNet 2025挑战赛的赛题三。以下是本文的最后一部分，将介绍SoccerNet 2025挑战赛的赛题四。
赛题四：比赛状态重建
基于足球比赛视频实现的球员定位与识别，能用来支撑多类下游应用，包括估计球员的跑动距离、理解球队的战术、支持教练员和球员训练、提升观众观看比赛的视觉效果等[1]。场上球员的定位与识别可以由人工来进行标注，不过费时费力，成本较高；而采用计算机视觉技术来自动、可靠地从比赛视频中抽取球员的定位和识别信息，正受到越来越多的关注。
SoccerNet 2025挑战赛的“比赛状态重建”（Game State Reconstruction）赛题要求仅根据单个摄像机的拍摄，来定位、识别出足球赛场上的球员，并生成俯视角度的小地图（Minimap，如下图底部所示）[2]。
该赛题中，具体需要从比赛视频中定位、识别的信息包括[2]：
- 足球场上所有人员的位置；
- 上述人员的角色分类，包括球员、守门员、裁判员、以及其它（教练员、队医等不属于前三个类别的人员）四类；
- 上述球员和守门员的球衣号码；
- 每个球员和守门员所属的球队（摄像画面中的左方球队还是右方球队）。
该赛题的训练数据、公开测试数据、以及不公开的挑战赛数据均出自于SoccerNet-GSR数据集[1]。SoccerNet-GSR数据集围绕上述的“比赛状态重建”任务，收集并标注了200个足球比赛视频片段，每片段视频的时长为30秒。
该赛题的数据集和代码库都放在了GitHub上（https://github.com/SoccerNet/sn-gamestate）。
“比赛状态重建”任务可以分解成以下多个子任务[1]：
- 场地定位（Pitch Localization）、相机标定（Camera Calibration）；
- 人员的检测（Detection）、重识别（Re-Identification）、跟踪（Tracking）；
- 人员角色分类（Role Classification）、球队归属（Team Affiliation）、球衣号码识别（Jersey Number Recognition）。
评测指标
“比赛状态重建”任务有点类似于“多目标跟踪”（Multi-Object Tracking）任务。然而“多目标跟踪”任务的评测指标（如MOTA和HOTA）无法用来衡量“比赛状态重建”任务中球员所属球队、球员球衣号码、场上人员角色等的信息抽取的准确性。此外，“多目标跟踪”的评测指标中常用IoU来衡量人员等目标的边界框预测的准确程度，而在“比赛状态重建”任务中，人员用场地坐标系中的点来表示，无法使用IoU来衡量位置预测的准确程度。
基于上述原因，SoccerNet-GSR数据集的论文[1]提出了专用于“比赛状态重建”这一任务的GS-HOTA评测指标。本届挑战赛的“比赛状态重建”赛题也采用了GS-HOTA这一指标来进行评测。
GS-HOTA指标是“多目标跟踪”的评测指标HOTA[3]的一个改进版。HOTA指标的公式是：
其中，DetA和AssA分别是检测和关联的准确度，α是预测值与真实值之间相似度的阀值。
在HOTA指标的计算中，预测值与真实值之间相似度的计算涉及到目标的边界框的IoU值。在GS-HOTA指标中，有关相似度的计算得到了改进（计算公式稍后列出）；使用改进后的相似度、以及上述原始的HOTA指标的计算公式，就能计算出GS-HOTA评测指标。改进后的相似度计算公式为：
其中，
LocSim(P, G)根据预测的点P和真实的点G之间在场地坐标系中的欧氏距离，计算出人员位置预测的准确程度。
IdSim(P, G)的值是1或者0，1表示球员所属球队、球员球衣号码、人员角色等人员属性的预测值P与真实值G完全匹配，0表示人员属性的预测值P中至少有一项不准确。
基线方案
赛题的基线方案采用了SoccerNet-GSR数据集论文[1]中的GSR-Baseline方案。该方案将“比赛状态重建”任务分解成多个子任务，每个子任务均采用了SOTA的开源解决方法。为了支撑复杂流程的开发，该方案使用了多目标跟踪框架TrackLab（https://github.com/TrackingLaboratory/tracklab）。
比赛结果
经评测，有十余支参赛队的方案表现优于基线方案[2]。
在目标检测子任务中，采用微调后的检测模型成为了标准做法，较多采用的模型包括YOLO-X、YOLOv8、YOLOv11、RF-DETR等。
在人员跟踪子任务中，通过检测进行跟踪（Tracking-by-Detection）是各参赛队的主流做法，较多采用的算法包括Deep-EIoU、BoT-SORT和GTA（Global Tracklet Association）。
在相机标定子任务中，较多涉及的方法包括特征点检测、单应性估计（Homography Estimation）等，较多涉及的Pipeline包括NBJW、PnLCalib和Broadtrack。
在人员特征提取子任务中，基于CLIP和OSNet的特征提取表现良好。LLaMA-Vision、Qwen2 VL Instruct等视觉-语言模型用于球衣号码识别较为成功。
参考文献
[1] SoccerNet Game State Reconstruction: End-to-End Athlete Tracking and Identification on a Minimap
https://arxiv.org/abs/2404.11335
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[2] SoccerNet 2025 Challenges Results
https://arxiv.org/abs/2508.19182
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[3] HOTA: A Higher Order Metric for Evaluating Multi-Object Tracking
https://arxiv.org/abs/2009.07736
封面图：Riccardo、pexels
