基於運動與外觀線索的高速微小物體軌跡復原架構

想解決什麼問題

高爾夫球被擊出後，先因高速而模糊成一道亮線，飛遠後只剩約 3 到 7 個像素，一般的偵測模型與追蹤器很容易跟丟。

怎麼做

1. Stage 1 發射判斷：用影格差分與短時間運動歷史，加上方向線帶與跨影格連續性，建立擊球後的初段軌跡
2. Stage 2 微小目標追蹤：在動態搜尋區內融合外觀、運動、方向與位置分數；比較 LBP、LTP、CSWC 三種局部外觀特徵，LTP 最好
3. Stage 3 軌跡補足：以下落段的可靠點擬合曲線，補上看不清楚的影格
4. 每一格都標記 OK、HOLD 或 MISS，輸出結果可以追溯來源

做出了什麼

• Stage 1 平均誤差 2.19 像素（扣除初始化前 3 點為 0.75 像素），96.4% 落在 5 像素內；交接點誤差 0.81 像素
• Stage 2（LTP）平均誤差 1.28 像素，95.5% 在 2 像素內；Stage 3 平均 1.19 像素，98.3% 在 5 像素內
• 比較方法只完成 7 到 11 部影片，本方法 15 部全部完成
• 坦白的限制：目前只到 2D 影像座標，還不能算出球速、發射角與落點

成果圖