Использование расширенного CV (или приложений «компьютерного зрения») в спорте в конечном итоге позволяет проводить высокоэффективный, быстрый и точный анализ действий, условий и окружающей среды во всех возможных спортивных мероприятиях. Невооруженный человеческий глаз постепенно заменяется умными алгоритмами, которые автоматически выполняют всю громоздкую аналитику. Эти возможности могут помочь лучше анализировать ключевые моменты спортивных событий, позволяя нам получать более точные оценки и более эффективно судить в целом.

Хотя использование CV в профессиональном спорте в основном требует предварительно записанного контента видео высокой четкости, эта технология является довольно глубокой и эффективной при обработке видео любого формата с любого устройства. Имея это в виду, интересно задаться вопросом, где лучше всего применить эту форму машинной обработки. Давайте углубимся в тему использования обработки контента с помощью компьютерного зрения в спортивной индустрии.

Общие моменты, эффективно анализируемые с помощью резюме

Технологии машинного зрения используются не только в системах безопасности, где качество изображения имеет решающее значение (для распознавания лиц, опасных объектов и т. Д.), Но и во многих других случаях в спорте, в том числе:

  • Тренировочный процесс - глубокий анализ действий, который может предоставить CV, делает его невероятно полезным во время тренировок, когда спортсмены могут проверить свою технику с помощью видео.
  • Судейство —CV позволяет проводить трехмерное моделирование и видеоинспекцию офсайдов, аутов, голов, фотофиниша в массовых гонках и т. Д.
  • Темпы активности игроков во время соревнований - например, в теннисе динамика игроков может быть зафиксирована и проанализирована на основе их движений и даже легкого движения на площадке.
  • Траектории мяча (шайбы, дротика, удара, вы называете это) - их можно проанализировать и спрогнозировать для дальнейшей углубленной аналитики.
  • Стабилизация экшн-камеры и интеллектуальный фокус - искусственный интеллект в спорте позволяет в реальном времени сглаживать кадры действий и автоматическую фокусировку в зависимости от интенсивности активности и целевых действий в поле.

Это лишь некоторые общие возможности, которые современные организаторы спортивных мероприятий получают благодаря CV. Давайте рассмотрим несколько конкретных случаев более подробно.

Приложения компьютерного зрения в спорте

Распознавание действий в режиме реального времени в хоккее

Специалисты из Университета Шираза и Университета Ватерлоо посвятили целую статью эффективному распознаванию действий в хоккее. Основная суть этой статьи заключается в том, что эксперты разработали так называемую Сеть песочных часов распознавания действий (ARHN), которая представляет собой сложную многокомпонентную модель обработки визуальных данных.

Проще говоря, сложный алгоритм берет кусок движущегося видеоконтента и преобразует его в серию изображений. Другой алгоритм, лежащий в основе сети песочных часов, затем анализирует позиции игроков (прямое и кроссоверное катание, позы до и после выстрела) и классифицирует их.

Эти модели использовались в течение долгого времени, чтобы помочь выставить самые справедливые и точные результаты в хоккее и других видах спорта.

Системы слежения за мячом в теннисе

Точные траектории мяча для тенниса (а также для бадминтона и крикета) отслеживаются в спорте с середины 2000-х годов. Таким образом, специализированные системы фокусируются на нескольких объектах изображения, которые по форме похожи на мяч. После их обнаружения создается трехмерная траектория, соединяющая схему движения мяча кадр за кадром.

Вот где важны несколько ракурсов камеры и гибкий захват движения. Основная цель здесь - точное определение того, приземлился ли мяч в пределах или за пределами игровой площадки во время игры. На самых глубоких и сложных уровнях лежащие в основе алгоритмы могут строить прогнозы траекторий мяча на основе различных условий (например, промаха игрока).

На основе таких решений в режиме реального времени создается интеллектуальная статистика для 100% честного судейства и авторитетной аналитики спортивных результатов.

Аналитика учебной деятельности

Современный спорт предъявляет повышенные требования не только к спортсменам, но и к тренерской команде. Ключевым преимуществом в командных видах спорта является не столько наличие «звезд», сколько правильная организация командной игры, оценка действий каждого игрока, их взаимодействия. В связи с этим очень важно, чтобы тренер разработал эффективную тактику и стратегию игры.

Компьютерное зрение в спортивной аналитике - отличный инструмент для получения объективной актуальной информации в условиях, когда одной только записи видео игрового поля недостаточно. Математическая обработка видеопотоков позволяет анализировать позицию каждого игрока на протяжении всей игры.

Для многих спортивных арен и клубов системы спортивной видеоаналитики стали очень прибыльным бизнесом. Несмотря на то, что создание таких систем требует организации синхронной работы десятков камер и мощных вычислительных мощностей, в долгосрочной перспективе эти усилия обычно окупаются.

Предупреждение опасных для жизни ситуаций

В гонках NASCAR и подобных видах спорта, где игроки испытывают потенциальную опасность для жизни, компьютерное зрение используется для своевременного обнаружения и предотвращения неисправностей транспортного средства. Вот где такие системы могут спасти жизни.

Обычно большие базы данных моделей транспортных средств на основе больших данных реализуются для распознавания конкретных автомобилей, анализа их мельчайших деталей во время мероприятия. Таким образом, эксперты получают доступ к статистике автомобиля в режиме реального времени, чтобы отслеживать любые мелкие неисправности, которые могут привести к серьезным последствиям.

Анализ настроения и вовлеченности фанатов

Не столь очевидным применением машинного обучения в спортивной аналитике является то, что оно дает организаторам возможность распознавать лица на трибунах и определять эмоции, которые болельщики испытывают во время спортивного мероприятия. Это сделано для того, чтобы стимулировать ажиотаж на трибунах и собрать статистику по вовлечению фанатов, а также по общему влиянию мероприятия.

Умная спортивная журналистика

В дополнение к предыдущему пункту и расширению влияния спортивного мероприятия на болельщиков, компьютерное зрение также может быть полезно для создания впечатляющего медиа-контента и более точного отчета об основных моментах игры. Анализируя наиболее выдающиеся, динамичные действия, происходящие в поле (или на трассе, в ринге, на корте и т. Д.) С использованием вышеупомянутых алгоритмов, журналисты могут сосредоточиться на самых захватывающих событиях в этой среде.

Это очень важная возможность, когда речь идет о живых мероприятиях, поскольку она помогает держать всех зрителей в напряжении. Помимо визуальных функций, ИИ даже помогает автоматически комментировать события без помощи живых выступающих (например, с помощью автоматизированного анализа данных было разработано решение для повествования в реальном времени на основе возможностей «распознавания естественного языка»).

Особенности программного обеспечения для компьютерного зрения в спорте

Вышеупомянутые и многие другие приложения делают мир спорта очень интересным и интересным для организации соревнований. В нише есть разные варианты решений. Некоторые из ведущих примеров включают системы интеллектуального отслеживания и аналитики Sentio; SportVU 2.0 от Stats Perform с глубокими алгоритмами компьютерного зрения; GAMEFACE.AI с его глубоким анализом стратегических идей и других моментов отснятого материала; и более.

Доступные решения представляют собой сложные системы, которые должны быть интегрированы посредством аппаратного и программного обеспечения специализированным специалистом-интегратором. Роль интегратора ограничивается адаптацией системы на основе готовых стандартных компонентов под требования конкретного заказчика, привязкой ее к конкретному объекту, инсталляцией и вводом услуги. Таким образом, разрешение и скорость работы камер ограничены возможностями человека-оператора, и основной упор делается на минимизацию объема видеозаписей и удобство работы с ними.

Ключевые моменты для получения аналитики высочайшего качества

Индустрия систем компьютерного зрения для отслеживания игроков в спортивных играх имеет несколько иные приоритеты, связанные с гораздо более широким кругом задач, что приводит к очень ограниченному распространению и использованию «коробочных» продуктов. Из-за разнообразия объектов и задач для наблюдения требования к системам захвата изображений сильно различаются.

Прежде всего предполагается, что машинная обработка изображений повлечет за собой требования по максимальной передаче деталей, разнообразию и единообразию условий съемки для повышения эффективности (отображение деталей), скорости и надежности (условий съемки) алгоритмов. Основываясь на опыте нашей команды, основные моменты при выборе компонентов машинного зрения заключаются в следующем:

  • Качество изображения, степень детализации и скорость (частота кадров) должны соответствовать математическим алгоритмам, используемым для решения различных прикладных задач.
  • Условия освещения должны быть максимально стабильными и / или контролируемыми. В большинстве случаев используется искусственное освещение.
  • Ограниченное использование или полное отсутствие автоматических функций, таких как автоэкспозиция или автофокусировка в камере. Все контролируется внешним ПО.
  • Основная обработка информации осуществляется на отдельных вычислителях, поскольку сложность алгоритмов не позволяет разместить необходимую вычислительную мощность в компактном корпусе камеры. В некоторых случаях требуется совместная обработка изображений с нескольких камер. Тип и мощность калькулятора определяются требованиями конкретной задачи и используемой математики.
  • Требуются высокоскоростные интерфейсы для передачи изображений с высоким разрешением (детализация) и высокой частотой кадров (фиксация быстрых процессов).
  • Программная функциональность от производителей камер ограничивается набором драйверов для гибкой настройки оборудования. Мы разрабатываем прикладные программы для каждого конкретного проекта.

Наши сценарии использования компьютерного зрения

Рекрутинговая аналитическая платформа для отслеживания скорости футболистов. Дизайн и разработка Requestum

Наша команда имеет опыт использования компьютерного зрения в американском футболе. Система в основном использовалась при найме на работу. Требования заказчика к функциональности включали:

  • Возможность отслеживать скорость игрока,
  • Отслеживание и мониторинг эффективности игроков,
  • Визуальная информация для дальнейшего анализа игровых ситуаций с командой.

В результате при отборе спортсменов рекрутеру не нужно посещать соревнования или путешествовать, чтобы оценить их способности. Им достаточно посмотреть видео со всей необходимой аналитикой в ​​офисе или дома.

Заключение

Искусственный интеллект в спорте делает судейство, анализ, выделение и удовлетворение болельщиков более понятным и более эффективным в долгосрочной перспективе. Когда дело доходит до внедрения системы на основе искусственного интеллекта для спортивных мероприятий, у вас есть окончательный выбор: воспользоваться известными, но дорогостоящими решениями или заказать экономичную индивидуальную локальную систему.

Первоначально опубликовано на https://requestum.com.