正在创建的数字视频数量呈指数级增长，例如，YouTube已达到每分钟100小时视频的上传速度。这种增长很大程度上是由于智能手机的普及和无处不在的互联网接入。这意味着业余用户生成的视频形成了内容生成的新趋势。因此，迫切需要鲁棒算法来自动分析和检索这些视频。另一方面，许多计算机视觉问题都是由数据驱动的，而具有代表性和真实性的数据集的存在对于开发鲁棒算法是必要的。因此，我们提出了一个高度无约束的体育视频数据集，称为野外体育视频（SVW）。
SVW由4200个视频组成，这些视频由Coach's Eye智能手机应用程序的用户单独使用智能手机拍摄，该应用程序是TechSmith公司开发的一款领先的体育训练应用程序。SVW包括30类运动和44种不同的动作。由于业余玩家的不完善练习和业余用户的不专业捕捉，SVW对于自动化分析非常具有挑战性。
SVW的潜在应用包括：类型分类、动作识别、动作检测和时空对齐。

Labelling

1、每个视频都附有运动类型的注释。此外，对于40%的视频，还指定了每个动作的时间跨度以及在动作的开始和结束帧显示动作的空间范围的边界框。

2、在SVW中，与现有数据集不同，存在来自同一运动类型的多个动作，使得基于外观的识别不可行。

排球流派类别视频中的注释动作类别（[343，359，前臂]，[380，400，布景]，[438，454，扣球]）。

Comparison with existing datasets

Statistics

evaluation protocol

• 
  

  The genre categorization accuracy is used as the performance metric and is defined as the fraction of testing videos whose genres are correctly classified.Three splits of 70% training and 30% testing are generated for this purpose.

  
  

For questions regarding this dataset please contact Morteza Safdarnejad (safdarne [at] egr.msu.edu).

Citation

If you use SVW dataset, please refer to this paper in your publications:        

Publications

• Sports Videos in the Wild (SVW): A Video Dataset for Sports Analysis
         Seyed Morteza Safdarnejad,        Xiaoming Liu,        Lalita Udpa,        Brooks Andrus,        John Wood,        Dean Craven
         Proc. International Conference on Automatic Face and Gesture Recognition (FG 2015), Ljubljana, Slovenia, May. 2015        (Acceptance rate 84/221 = 38%)    
     Bibtex        | PDF