Αυτόματη αναγνώριση σχηματισμού ομάδας ποδοσφαίρου με μηχανική όραση
| Autor: | Trastelis, Filimon |
|---|---|
| Přispěvatelé: | Μαγκλογιάννης, Ηλίας, Maglogiannis, Ilias, Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων, Πληροφοριακά Συστήματα και Υπηρεσίες |
| Jazyk: | angličtina |
| Rok vydání: | 2022 |
| Předmět: | |
| Popis: | Η ενσωμάτωση της τεχνητής νοημοσύνης στον χώρο του ποδοσφαίρου παρουσιάζει ανοδική τάση τα τελευταία χρόνια. Υπάρχει πλέον ένας τεράστιος όγκος παραγόμενων δεδομένων που μπορούν να υποβληθούν σε επεξεργασία και να μετατραπούν σε χρήσιμες πληροφορίες σε διάφορες πτυχές ενός αθλήματος υψηλής ζήτησης όπως το ποδόσφαιρο. Στην παρούσα διπλωματική εργασία, πρωταρχικός στόχος είναι η εξαγωγή και οπτικοποίηση στατιστικών από βίντεο ποδοσφαιρικών αγώνων. Συνεχή καρέ βίντεο υπόκεινται σε επεξεργασία και ανάλυση, προκειμένου να εντοπιστούν οι θέσεις των παικτών και να προβληθούν οι σχηματισμοί των δύο ομάδων σε μια στατική κάτοψη ενός γηπέδου ποδοσφαίρου. Η γνώση που προκύπτει από τα αποτελέσματα μπορεί να είναι πολύτιμη για την εξέταση της απόδοσης της ομάδας κατά τη διάρκεια του παιχνιδιού. Μέθοδοι βαθιάς μάθησης από τον τομέα της υπολογιστικής όρασης εφαρμόζονται για την διεκπεραίωση των διαδικασιών αναγνώρισης των παικτών και εκτίμησης της οπτικής γωνίας της κάμερας. Χρησιμοποιείται ένα σύνολο δεδομένων τελευταίας τεχνολογίας για την αξιολόγηση διαφορετικών τεχνικών και η όλη διαδικασία επικυρώνεται χρησιμοποιώντας ακολουθίες εικόνων που αποκτήθηκαν από αγώνες του ελληνικού ποδοσφαίρου. Τα πραγματικά δεδομένα δημιουργήθηκαν χειροκίνητα για τις δύο κύριες διαδικασίες και τα προβλεπόμενα αποτελέσματα συγκρίθηκαν με αυτά για να μετρηθεί η ακρίβειά τους. The integration of artificial intelligence in the area of sports is showing an upward trend the past few years. There is now a vast amount of generated data that can be processed and transformed into useful information in various aspects of a high demand sport such as football. In this thesis, primary target is the extraction and visualization of tactical statistics from broadcast videos of football matches. Continuous video frames are being processed and analyzed, in order to detect players positions and project both teams formations on a static top view of a football field. The emerging knowledge from the results can be valuable for the examination of the tactical team’s performance during the game. Deep learning methods from the area of computer vision are applied to fulfill the tasks of players identification and camera pose estimation. A state of the art data set is used for the evaluation of different frameworks and the whole procedure is validated using image sequences acquired from Greek football matches. Ground truth data were generated manually for the two main tasks and the predicted results were compared with them to measure their accuracy. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|