拉夫堡大學的計算機科學家開發了新穎的人工智能（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一種混合系統，在該系統中，可以通過基于攝像頭的自動方法來加速和補充人類數據輸入，以滿足對大量足球產生的低成本及時性能數據的高需求。視頻。

由英國創新公司（Innovate UK）和Statmetrix（一家專門研究足球表現數據洞察力的公司）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系統來做到這一點。

深度學習涉及獲取復雜的深層神經網絡，以學習隱藏的模式并從大量數據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數據

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網絡，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的數據。

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

3.相機拼接

當分析低級聯賽或草根游戲時，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。

行業合作伙伴Statmetrix進一步發展了這一想法，并實現了用于自動視圖拼接的軟件。

該技術目前正在商業試用中，希望有一種新產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，這些創新將有助于改善足球各個層次上球員表現分析和才能識別所需數據的訪問權限，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：“足球的性能數據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產生巨大影響。

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。

“這項創新將對足球行業產生積極影響，并進一步推動體育技術發展，同時為使用數據的球員，教練和招募人員提供價值。”

與拉夫堡大學的合作以及該項目開發的技術支持Statmetrix贏得了享有盛譽的2019年MSDUK創新挑戰獎。

Statmetrix首席執行官Olukunle Kayode表示：“我們旨在商業化的解決方案在技術上具有挑戰性，但是較低運動級別的數據可用性帶來的好處將有助于釋放以前尚未開發的人才。”