Дата публикации: 19 июня 2020 г.

Университет Лафборо: лучших футболистов определит искусственный интеллект

Технология искусственного интеллекта, разработанная в Университете Лафборо, может выявить крупные имена в футболе, поскольку она выводит анализ производительности игроков на новый уровень.

Специалисты по информатике в Университете Лафборо (Loughborough University) разработали новые алгоритмы искусственного интеллекта (ИИ), которые должны изменить способ, которым футбольные клубы анализируют выступления команд и отдельных игроков на поле.

По словам руководителя проекта доктора наук Байхуа Ли, (Baihua Li), технология может привести к серьезным изменениям в спорте, поскольку она позволит клубам эффективно выявлять и быстро набирать талантливых игроков.

В настоящее время анализ производительности игрока является трудоемким процессом и вовлекает того, кто просматривает видеозаписи матчей и вручную регистрирует действия отдельных игроков. Это включает в себя запись того, сколько пасов и ударов было сделано игроком, где происходило действие, и был ли у него успешный результат.

На рынке уже представлены  автоматизированные технологии, но они способны только отслеживать игроков на поле, для определения пройденного расстояния и скорости, но они не могут предоставить подробную информацию о действиях, предпринятых игроками.

Чтобы решить эту проблему, доктор Ли и ее команда стремились разработать гибридную систему, в которой ввод человеческих данных может быть ускорен и дополнен автоматизированными методами на основе камер, чтобы удовлетворить высокий спрос на своевременные данные о производительности, генерируемые из большого количества футбольных видеороликов. 

Финансируемые Innovate UK и в сотрудничестве Statmetrix (компания, которая специализируется на изучении футбольных данных), исследователи использовали последние достижения в области компьютерного зрения, глубокого обучения и искусственного интеллекта для достижения трех основных результатов.

1. Определение позы тела и конечностей для определения действий

Основываясь на современных достижениях в области искусственного интеллекта и глубокого обучения, доктор Ли и команда использовали модель искусственного интеллекта для определения конечностей и поз тела игроков, чтобы их движения можно было распознать и затем проанализировать.

Технология обрабатывает видеозаписи, обнаруживает отдельных игроков и определяет, бегут ли они, ходят или прыгают, и с какой ноги бьют по мячу.

Исследователи использовали глубокое обучение (новейшая современная технология машинного обучения) и компьютерное зрение, чтобы обучить систему искусственного интеллекта делать это.

Глубокое обучение включает в себя получение сложной глубокоуровневой нейронной сети для изучения скрытых паттернов и извлечения различительных признаков из больших объемов данных для восприятия. Исследователи использовали тысячи записей, которые показывают различные команды, позы, трикотажные изделия, ракурсы и фон, ИИ обучен распознавать игроков и позы, таким образом, определять их движения (бег, ходьба, удар по мячу левой ногой).   

2. Отслеживание игроков, чтобы получить индивидуальные данные о производительности

В дополнение к анализу действий, предпринятых в матче, научный сотрудник, работающий над этим проектом, доктор Шридхар Рангаппа (Shreedhar Rangappa), обучил глубокую нейронную сеть отслеживать отдельных игроков и собирать данные об их производительности на протяжении всего матча.

Отслеживание игрока поможет понять, насколько позиция игрока важна для других - информация, которая невероятно важна для анализа координации командных видов спорта.

3.  Прошивка камеры

Ограниченный охват камеры (поле зрения) и низкое разрешение также были проблемой, когда дело доходит до анализа игр низшей лиги или массовых игр, поскольку часто для записи матча используются только недорогие доступные камеры.

Это проблематично, так как трудно записать все поле зрения, и игроки могут входить или выходить из режима просмотра изображений, поэтому их сложно отслеживать.

Исследователи придумали решение этой проблемы; они предлагают использовать две недорогие обычные камеры (например, GoPros) с каждой записывающей половиной футбольного поля и практичный метод строчки, разработанный ими.

Технология использует соответствующие характерные точки с обеих камер для создания целого поля зрения, что позволяет отслеживать и анализировать игроков гораздо надежнее.

В настоящее время технология находится на стадии коммерческих испытаний, и есть надежда, что к концу 2020 года новый продукт может появиться на рынке и стать доступным для футбольных клубов.

Доктор Ли говорит, что нововведения помогут улучшить доступ на всех уровнях футбола к данным, необходимым для анализа производительности игроков и выявления талантов, и есть потенциал для использования этой технологии для отслеживания игроков в других видах спорта.

«Данные о производительности и анализ матчей в футболе являются неотъемлемой частью спорта и могут оказать огромное влияние на производительность игрока и команды. Разработанная технология позволит гораздо более объективную интерпретацию игры, поскольку она подчеркивает навыки игроков и командного взаимодействия»- отметила госпожа Ли.

Источник: lboro.ac.uk

Гасанбекова Л. А. Оценка эффективности финансово-хозяйственной деятельности государственных унитарных предприятий Практическое пособие / Л. А. Гасанбекова, В. И. Никитина, Б. В. Сошников; под общ. науч. ред. канд. экон. наук О. А. Коробко. – М.: ФГБНУ «Аналитический центр» Минобрнауки России, 2019. – 49 с. (ISBN 978-5-904670-54-2). Доступна электронная версия печатного издания.

Вопросы контроля хозяйственной деятельности и финансового аудита, национальной безопасности, системного анализа и управления Сборник материалов III Всеросс. науч.-практ. конф., г. Москва, 29 декабря 2017. – М.: ФГБНУ «Аналитический центр» Минобрнауки России, 2018. – 200 с. (ISBN 978-5-904670-53-5). Доступна электронная версия печатного издания.

открыть полный список изданий Центра →