Kunstig intelligens gør det hurtigere, lettere at analysere hockey video

Forskere har gjort et vigtigt fremskridt i udviklingen af ​​teknologi til automatisk at analysere video af hockeykampe ved hjælp af kunstig intelligens.

Ingeniører ved University of Waterloo kombinerede to eksisterende dybtgående AI-teknikker til at identificere spillere efter deres trøjer med en nøjagtighed på 90 procent.

"Det er vigtigt, fordi den eneste store cue, du har til at identificere en bestemt spiller i en hockeyvideo, er trøjenummer, "sagde Kanav Vats, en ph.d. studerende i systemdesignteknik, der ledede projektet. "Spillere på et hold ser ellers meget ens ud på grund af deres hjelme og uniformer."

Spilleridentifikation er et aspekt af en kompliceret udfordring, da medlemmer af Vision and Image Processing (VIP) Lab på Waterloo arbejder med branchepartner Stathletes Inc. om AI-software for at analysere spillerens ydeevne og producere anden datadrevet indsigt.

Forskerne byggede et datasæt på mere end 54, 000 billeder fra National Hockey League -spil - det største datasæt af sin slags - og brugte det til at træne AI -algoritmer til at genkende sweaternumre i nye billeder.

Nøjagtigheden blev øget ved at repræsentere tallet 12, for eksempel, som et tocifret tal og to enkeltcifre, 1 og 2, lægge sammen, en tilgang kendt inden for AI som multi-task learning.

"Brug af forskellige repræsentationer til at lære det samme kan forbedre ydeevnen, "Vats sagde." Vi kombinerede en helhedsrepræsentation og en cifret fremstilling med flotte resultater. "

Forskerteamet udvikler også AI til at spore spillere i video, lokaliser dem på isen og genkend, hvad de laver, såsom at tage et skud eller kontrollere en modstander, for integration i et enkelt system.

Detaljeret analyse har gjort store fremskridt inden for hockey og andre sportsgrene i de seneste år, men meget af arbejdet udføres stadig af folk, der ser broadcast -video og tager notater.

"Som du kan forestille dig, en person, der manuelt kommenterer video af et fuldt ishockeykamp i tre perioder, ville tage timer, "Vats sagde." Machine-learning-systemer kan producere data fra videoer på få minutter. "

Selvom de hidtil har fokuseret på hockey, forskerne forventer, at deres teknologi kan overføres med ændringer til andre holdsport, såsom fodbold.

Vats samarbejdede om spilleridentifikationsarbejdet med sine ph.d. -vejledere, Waterloo ingeniørprofessorer David Clausi og John Zelek, og postdoktor Mehrnaz Fani.

Han er planlagt til at fremlægge et papir, Multi-task-læring til trøjenummergenkendelse i ishockey, ved den 4 ^th International ACM -workshop om multimedieanalyse i sport denne måned.