拉夫堡大學的計算機科學家開發(fā)了新穎的人工智能（AI）算法，旨在改變足球俱樂部在球場上分析球隊和個人球員表現(xiàn)的方式。

項目負責人李百華博士說，這項技術可能會導致這項運動發(fā)生重大變化，因為它將使俱樂部能夠有效地識別并迅速招募有才華的球員。

當前的球員表現(xiàn)分析是一項勞動密集型過程，需要有人觀看比賽的視頻錄像并手動記錄單個球員的動作-這涉及記錄球員進行了多少次傳球和投籃，動作發(fā)生的位置以及是否有動作。成功的結果。

這種方法不僅非常耗時，而且還存在準確性，一致性和可比性的問題，因為它依賴于人類的判斷力和缺乏偏見。

市場上已經(jīng)有一些自動化技術，但是它們只能跟蹤球場上的球員（以確定覆蓋距離和速度），但無法提供有關球員所采取行動的詳細信息。

為了解決這個問題，李博士和她的團隊致力于開發(fā)一種混合系統(tǒng)，在該系統(tǒng)中，可以通過基于攝像頭的自動方法來加速和補充人類數(shù)據(jù)輸入，以滿足對大量足球產(chǎn)生的低成本及時性能數(shù)據(jù)的高需求。視頻。

由英國創(chuàng)新公司（Innovate UK）和Statmetrix（一家專門研究足球表現(xiàn)數(shù)據(jù)洞察力的公司）合作資助的研究人員，利用計算機視覺，深度學習和人工智能領域的最新成果，實現(xiàn)了三項主要成果。他們是：

1.檢測身體姿勢和四肢以識別動作

基于AI和深度學習的最新進展，李博士和團隊使用AI模型來檢測玩家的肢體和姿勢，以便可以識別并分析他們的動作。

該技術可以處理視頻鏡頭，檢測單個運動員并識別他們是在奔跑，步行還是跳躍，以及與誰一起傳球。

研究人員使用深度學習（一種新穎的機器學習最新技術）和計算機視覺來訓練AI系統(tǒng)來做到這一點。

深度學習涉及獲取復雜的深層神經(jīng)網(wǎng)絡，以學習隱藏的模式并從大量數(shù)據(jù)中提取判別性特征以進行感知。

在這種情況下，研究人員使用了來自所有不同足球部門的數(shù)千個比賽記錄（顯示了各種球隊，姿勢，球衣，攝像機角度和背景）來訓練AI來檢測球員和姿勢，從而識別他們的動作，即跑步，走路，用他們的左腳踢。

2.跟蹤玩家以獲取個人表現(xiàn)數(shù)據(jù)

除了查看比賽中采取的行動外，負責該項目的研究助理Shreedhar Rangappa博士還訓練了深度神經(jīng)網(wǎng)絡，以跟蹤個人運動員并在整個比賽視頻中收集有關個人表現(xiàn)的數(shù)據(jù)。

球員追蹤將有助于弄清楚球員的位置與其他人的關系-當分析團隊運動協(xié)調性時，這一信息非常重要。

3.相機拼接

當分析低級聯(lián)賽或草根游戲時，有限的攝像機覆蓋范圍（視野）和低分辨率也成為問題，因為通常僅使用廉價的廉價攝像機來記錄比賽。

這是有問題的，因為很難記錄整個視野，并且玩家可以在圖像視圖內或之外運行，因此很難對其進行跟蹤。

研究人員已經(jīng)提出了解決方案。他們建議使用兩臺低成本的消耗品普通攝像機（例如GoPro），每個攝像機記錄一半的足球比賽時間，并開發(fā)出一種實用的攝像機縫合方法。

該技術使用兩個攝像機的相應特征點來生成整個視野，從而可以更可靠地跟蹤和分析玩家。

行業(yè)合作伙伴Statmetrix進一步發(fā)展了這一想法，并實現(xiàn)了用于自動視圖拼接的軟件。

該技術目前正在商業(yè)試用中，希望有一種新產(chǎn)品能夠在市場上銷售，并在2020年底前可用于足球俱樂部。

李博士說，這些創(chuàng)新將有助于改善足球各個層次上球員表現(xiàn)分析和才能識別所需數(shù)據(jù)的訪問權限，并且有可能使用該技術來追蹤其他運動項目中的球員。

她評論說：“足球的性能數(shù)據(jù)和比賽分析是這項運動的重要組成部分，可能會對球員和球隊的表現(xiàn)產(chǎn)生巨大影響。

他說：“這項先進技術將突出游戲者的技巧和團隊合作，從而可以對比賽進行更客觀的解釋。

“這項創(chuàng)新將對足球行業(yè)產(chǎn)生積極影響，并進一步推動體育技術發(fā)展，同時為使用數(shù)據(jù)的球員，教練和招募人員提供價值?！?/p>

與拉夫堡大學的合作以及該項目開發(fā)的技術支持Statmetrix贏得了享有盛譽的2019年MSDUK創(chuàng)新挑戰(zhàn)獎。

Statmetrix首席執(zhí)行官Olukunle Kayode表示：“我們旨在商業(yè)化的解決方案在技術上具有挑戰(zhàn)性，但是較低運動級別的數(shù)據(jù)可用性帶來的好處將有助于釋放以前尚未開發(fā)的人才?！?/p>