Deep learning applied to detection, pose estimation, tracking, and birds-eye view in sport videos

This report covers all the key aspects when developing a project making use of deep learning techniques to sports videos in order to apply detection models, pose estimation, tracking and bird's eye view. The documentation begins with the whole process of study and analysis of current systems with similar functionalities and the different techniques and technologies to be applied in the development phase. It then focuses on the explanation of each of the steps necessary for the definition of a processing flow for the videos, with the application of each of the models mentioned above along with some extra functionality. Many of the most relevant aspects of a data science project are also defined, such as the methodology to be used, the motivation of the project, its objectives, the planning and a small ethical assessment of the project. Evidently, the results obtained are also evaluated, in which we will have both the generated flow and some sample videos in which we will see the performance of the models and their behaviour in general. It is from these results that, once analysed, the conclusions of the project and its development can be drawn. ABSTRACT Esta memoria cubre todos los aspectos clave a la hora de desarrollar un proyecto en el que se hace usode de técnicas de Deep Learning para ser aplicar modelos de detección, seguimiento, estimación de pose y la vista aérea de videos de deportes. Esta memoria comienza documentando todo el proceso de estudio y análisis de sistemas con funcionalidades similares junto con las técnicas y tecnologías que han de ser aplicadas en la fase de desarrollo. A continuación, se centra en la explicación de cada uno de los pasos necesarios a la hora de definir un flujo de procesado de los videos en el que se aplican cada uno de los modelos mencionados anteriormente junto con alguna funcionalidad extra. También se definen muchos de los aspectos mas relevante de un proyecto de ciencia de datos, como son la metodología a utilizar, la motivación del proyecto, sus objetivos, la planificación y una pequeña valoración ética del mismo. Evidentemente también se valoran los resultados obtenidos, en los que dispondremos tanto del flujo generado como de algunos videos de muestra en los que veremos el rendimiento de los modelos y su comportamiento en general. De estos resultados es de los cuales una vez analizados, se podrán extraer las conclusiones del proyecto y su desarrollo