211service.com
Waarom Ball Tracking werkt voor tennis en cricket, maar niet voor voetbal of basketbal?
Als het gaat om balsporten, hebben machinevisietechnieken een revolutie teweeggebracht in de manier waarop analisten het spel bestuderen en hoe scheidsrechters en scheidsrechters beslissingen nemen. In cricket en tennis bijvoorbeeld registreren deze systemen routinematig de balbeweging in drie dimensies en genereren vervolgens een virtuele herhaling die precies laat zien waar een bal de grond raakt en zelfs zijn toekomstige baan voorspelt (om te bepalen of hij het wicket zou hebben geraakt, voor voorbeeld).
Maar dit soort balvolging is met name afwezig bij andere balsporten, zoals basketbal, volleybal, voetbal, enzovoort. Bij deze sporten is de bal vaak aan het zicht achter spelers verborgen, is de beweging aanzienlijk anders wanneer deze in het bezit van een speler is dan wanneer deze door de lucht vliegt, en de interacties van spelers met de bal kunnen snel en onvoorspelbaar zijn.
Deze factoren, evenals het kleine formaat van de bal in een frame en de soms lage kwaliteit van videobeelden, maken het volgen van een bal veel moeilijker in deze sporten.
Vandaag schetsen Andrii Maksai en vrienden van de Ecole Polytechnique Federale de Lausanne in Zwitserland een nieuwe manier om ballen te volgen in deze sporten die beter presteert dan andere geavanceerde benaderingen.
De meeste balvolgsystemen zijn gebaseerd op twee verschillende benaderingen. De eerste lijkt de beweging van de bal in drie dimensies te volgen en voorspelt vervolgens verschillende waarschijnlijke banen in de toekomst. Deze boom met mogelijke trajecten kan vervolgens worden gesnoeid naarmate er meer balvolggegevens beschikbaar komen.
Het voordeel van deze benadering is dat de wetten van de fysica zijn ingebouwd in de baanvoorspellingen, zodat onfysische oplossingen kunnen worden vermeden. Het is echter enorm gevoelig voor de kwaliteit van de balvolggegevens en heeft daarom de neiging te mislukken wanneer de bal is afgesloten of wanneer spelers op onvoorspelbare manieren met de bal omgaan.
Een andere methode is om de spelers te volgen en te noteren wanneer ze in balbezit zijn. De beweging van de bal wordt dan verondersteld de speler te volgen en wanneer balbezit wordt overgedragen van de ene speler naar de andere. Het voordeel hiervan is dat het systeem niet zo in de war raakt door snelle of onvoorspelbare passes - deze benadering werkt inderdaad goed in basketbal, waar dribbelen en occlusie het leven van balvolgers moeilijk kunnen maken. Zonder op fysica gebaseerde beperkingen op de beweging van de bal, kunnen deze systemen echter onnauwkeurige sporen produceren.
Maksai en co hebben een voor de hand liggende oplossing bedacht. Ze volgen zowel de bal als de spelers nauwkeurig. Vervolgens gebruiken ze een van de verschillende manieren om het probleem van het volgen van de bal op te lossen, afhankelijk van hoe de spelers met de bal omgaan.
Een basketbalschot in de richting van de basket volgt bijvoorbeeld een ballistisch traject. Maar een rollende bal volgt een ander pad. Beide vereisen verschillende oplossingen voor het volgen van de bal voor een piek in volleybal die een scherpe verandering in de baan veroorzaakt. En een bal die door een voetballer wordt gedribbeld, volgt weer een ander type onregelmatige baan, waarvoor een andere oplossing nodig is. We modelleren expliciet de interactie tussen de bal en de spelers, evenals de fysieke beperkingen waaraan de bal gehoorzaamt wanneer hij ver weg is van de spelers, zeggen Maksai en co.
Het team heeft zijn algoritme getest op een aantal videobeelden van verschillende volleybal-, basketbal- en voetbalwedstrijden. De gegevens zijn afkomstig van verschillende camera's die dezelfde actie vanuit verschillende hoeken vastleggen om een 3D-model te maken van wat er aan de hand is. De gegevens zijn echter verre van perfect met veel gevallen van occlusie, onvoorspelbare passes en onregelmatige trajecten.
De resultaten tonen enige verbetering van bestaande technieken. We laten zien dat onze aanpak robuuster en nauwkeuriger is dan verschillende state-of-the-art benaderingen van real-life volleybal-, basketbal- en voetbalsequenties, zeggen ze.
Het is echter niet perfect. Een cruciale prestatiemijlpaal voor deze systemen is de mogelijkheid om een virtuele herhaling van de beweging van een bal snel en nauwkeurig genoeg te produceren voor een tv-publiek.
Dat is een moeilijke vraag, niet in de laatste plaats omdat dit nieuwe systeem beter wordt in het volgen van spelers naarmate de videoreeks langer wordt. Maar dit verhoogt de verwerkingstijd aanzienlijk.
Maar een grotere verwerkingstijd beperkt de bruikbaarheid van het systeem voor live-uitzendingen van sportevenementen ernstig wanneer de virtuele herhaling vrijwel onmiddellijk beschikbaar moet zijn.
De nauwkeurigheid van bepaalde soorten baltracking, bijvoorbeeld ballistische schoten, wordt gemakkelijker bij kortere reeksen, omdat er minder onvoorspelbaarheid is. Dus een soort optimalisatieproces zou hier moeten helpen.
Met werk als dit komt het volgen van ballen in games als voetbal, basketbal en volleybal dichterbij. Maar het is nog niet snel genoeg om voor een sportzender commercieel haalbaar te zijn.
Dat kan een stapsgewijze verandering vereisen in de manier waarop onderzoekers dit probleem benaderen. Een mogelijkheid zou kunnen zijn om deep learning-technieken toe te passen, waarbij een AI-systeem toekomstige balbewegingen leert voorspellen met behulp van zijn geleerde kennis van eerdere games. Dat zou een aantal van de taken die het volgen van een bal met zich meebrengt aanzienlijk kunnen vereenvoudigen.
Hoe dan ook, hier is nog veel werk aan de winkel.
Referentie: http://arxiv.org/abs/1511.06181 : Wat spelers doen met de bal: een fysiek beperkte interactiemodellering