ИЗОБРАЖЕНИЕ КРЕДИТ: Университет Ватерлоо.
Исследователи Университета Ватерлоо разработали новую технологию искусственного интеллекта (ИИ), которая может точно проанализировать производительность и механики кувшина, используя видео с низким разрешением бейсбольных игр.
Система, разработанная для Baltimore Ioroles командой Waterloo, подключает отверстия в гораздо более сложных и дорогих технологиях, уже установленных на большинстве стадионов, на которых проходит Бейсбол высшей лиги (MLB), чьи команды все чаще ввязываются в аналитику данных в последние годы.
Исследователи Ватерлоо преобразуют видео производительности кувшина в двумерную модель, которую алгоритм AI Pitchernet может позже проанализировать. (Кредит: Университет Ватерлоо)
Эти системы, производимые компанией под названием Hawk-Eye Innovations, используют несколько специальных камер в каждом парке, чтобы поймать игроков в действии, но данные, которые они дают, обычно доступны для домашней команды, которая владеет стадином, в котором играют эти игры.
Чтобы добавить игры в свою аналитическую операцию, а также использовать видео смартфона, снятые разведчиками в малой лиге и играх в колледже, Иволги спросили видео и экспертов по искусственному интеллекту в Ватерлоо за три года назад.
Результатом является сравнительно простая система под названием Pitchernet, которая преодолевает такие проблемы, как размытие движения, чтобы отслеживать движения кувшинов на кургане, а затем дают данные о показателях, включая скорость скорости и выпуска от стандартного трансляционного и смартфона.
Исследователи Ватерлоо использовали изображения, генерируемые в процессе обучения, чтобы помочь создать технологию Pitchernet AI. (Университет Ватерлоо)
«Иволги подошли к нам с проблемой, потому что они не смогли проанализировать позы и, впоследствии, биомеханика своих кувшинов в играх, которые могут не иметь доступа к камерам с высоким разрешением»,-сказал доктор Джон Зелек, профессор проектирования систем и со-директор по видению и обработке изображений (VIP) в Waterloo.
«Цель нашего проекта состояла в том, чтобы попытаться дублировать технологию Hawk-Eye и выйти за рамки него, производя аналогичные результаты от трансляционного видео или камеру смартфона, используемой разведчиком, сидящим где-то на стендах».
Чтобы помочь обучить алгоритмы ИИ в основе технологии, исследователи создали трехмерные аватары кувшинов, чтобы их движения могли рассматриваться с многочисленных точек зрения.
Вещательное видео, снятое с центрального поля, используется для создания трехмерной человеческой модели системой Pitchernet. (Университет Ватерлоо)
Информация из видео, обрабатываемой системой, предоставляется аналитикам биомеханики для Иволги, которые взяли на себя обязательство совместно финансировать проект на еще один год.
Эти данные могут быть использованы для корректировки того, как кувшины бросают мяч, чтобы улучшить производительность или избежать травм, и оценить будущий успех и долговечность перспективы подачи.
«Существующая технология уже улучшила бейсбольную аналитику», – сказал Джеррин Брайт, доктор философии, который играл ведущую роль в проекте. «Поскольку это ограничено домашними играми, существует реальная потребность в решениях, которые работают в любой обстановке, особенно для поиска. Вот где вступает наша система».
В настоящее время исследователи изучают применение базовой идеи – анализ ИИ игроков, используя стандартное видео трансляции и смартфона – для других профессиональных видов спорта, включая хоккей и баскетбол, в дополнение к другим аспектам бейсбола, таких как ватин.
На конференции IEEF/CVF была представлена газета по проекту: Pitchernet: питание Evolution Moneyball в бейсбольной видео аналитике, на конференции IEEF/CVF.
Университет Ватерлоо
