Принцип такой:
- Берём кадр видео и Ёлу, она размечает все объекты (игроков, зрителей, мяч, ворота и так далее), затем мы отсеиваем птичек, зрителей и судей и оставляем только значимые объекты.
- Делаем так для каждого кадра видео.
- Затем привязываем координаты игроков к плоскости поля и получаем положение каждого объекта с точностью до 0,5 метра.
- Пытаемся связать игрока из первого кадра с максимально близким (или похожим) объектом во втором кадре и так далее, то есть оттрекать каждого конкретного человека, чтобы можно было видеть их движение по полю весь матч.
- Пытаемся понять, что с мячом: кто-то им владеет, он летит и где он вообще.
То есть сначала у нас есть группа разнозненных объектов, потом каждый из них приобретает траекторию, потом, когда есть траектории, на них появляются события вроде «получил мяч», «отдал пас» и так далее.
Чтобы вы понимали глубину проблемы, покажу вот этого архангела:
Вокруг него не святая аура, а футболист другой команды. И нужно как-то это понять.
Давайте сначала перечислю проблемы, а потом расскажу, что мы с этим делали (или не делали).
Мяч летает
Это проблема. Почему — потому что при съёмке с одной камеры у него нет координат на поле. Точнее, они непонятны. Мы перекладываем двухмерный видеопоток на двухмерное поле не учитывая высоту. Потому что футболисты, в отличие от мяча, летают только незначительную часть матча (например во время «удара ножницами»), и потому всегда находятся достоверно близко к поверхности поля. А вот мяч, находящийся в полёте, может быть где угодно в своей проекции. Разрешения и оптической способности камеры недостаточно, чтобы понять, насколько он удалён от точки съёмки, то есть у него нет «глубины». В итоге впрямую понимать координаты мяча в полёте не получается.
Что можно сделать:
- Снимать со второй камеры, тогда будет понятно, где мяч. Но поскольку мы пришли к истории с одной камерой, это сложно.
- Анализировать его тень. Затруднительно, игры проходят в условиях от сумрака до яркого полудня и освещения на 4-16 теней. Задача выглядит сложнее, чем ожидаемая выгода от неё.
- Анализировать скорость. Если мяч движется слишком быстро, скорее всего, он летит. Дальше можно анализировать точку начала (низкая скорость перед высокой) и точку конца (низкая скорость после высокой) и аналитически восстанавливать координаты между ними. Ещё хорошую наводку даёт кривизна траектории. Судя по всему, нам нужен именно этот вариант.
Это реальная съёмка с Кипра и к выделенному игроку слева летит мяч. Он длинный, это нормально. Последнее, что мы точно знаем про мяч — что он был у игрока справа в рамке, а теперь у игрока слева в рамке. Наверное, он телепортировался туда не сам, а был пас, поэтому мы строим аналитическое событие «пас своему игроку».
Футболисты пересекаются
Это самая большая проблема на текущий момент. Когда игроки бегут куда-то равномерно и более-менее монотонно, трекеры их отлично различают. Но вот когда на поле начинается коллизия, трекеру очень сложно понять, кто и с кем пересёкся.
Вот здесь двое красных игроков собрались в одного красного и потом разошлись, вопрос в том, кто куда.
Этот тип с потерянным треком — вообще не человек, а судья
Вот очень тривиальный случай пересечения
В футболе основные взаимодействия делаются с пересечением координат объектов, либо в толпе. Очень сложно разобрать, например, кто есть кто в стенке при штрафном, распарсить сложное событие вроде углового (где много пересечений сразу) или расковырять куча-малу около ворот в некоторых ситуациях. Даже банальные отборы не всегда получаются, особенно, если игроков трое-четверо, и они входят координатами друг в друга, например, из-за подката.
Что можно сделать:
- Снимать со второй камеры. Мы попробовали с 4 камер, всё равно разбирать очень сложно. Да, каждая следующая камера даёт больше данных, но это же повышает сложность задачи. Похоже, что это решение на перспективу.
- Поднимать камеру. Чем выше камера, тем меньше полных перекрытий. Сейчас камеры ставятся на палки высотой 5 – 8 метров, и это отлично позволяет решать большую часть ситуаций с парами игроков. В кучах это не помогает. Поднимать камеру выше тоже можно: с дрона, висящего ровно над полем треки отлично отслеживаются. В момент, когда мы только начинали, подходящих дешёвых дронов не было, и клубы не были готовы заморачиваться. Сейчас есть доступные дроны, которые спокойно висят 45 минут в ветер, но клубы ещё не готовы заморачиваться их запуском и задаваться вопросами о том, что будет, если они упадут на футболиста или их собьют мячом. Идеально смотрелась бы камера на крыше стадиона, но много где играют на открытом воздухе. Сейчас мы чаще всего используем коробки, где стоит несколько физических камер (они объединяются в одну логическую панорамную сшивкой на уровне прошивки устройства) — для них идеально решение по центру поля на крыше стадиона или центральной мачте. Альтернатива — две камеры на противоположных мачтах. Мы тестировали такую конфигурацию, но прямо сейчас идем по первому варианту в силу того, что сначала надо доказать, что это вообще работает. Ещё мы будем предлагать эксперименты с дронами некоторым клубам.
- Разрабатывать аналитические детекторы, позволяющие точнее разбирать, кто и куда побежал после столкновения. Это был наш первый путь, когда каждому игроку в соответствие ставилась его индивидуальная цветовая гистограмма. Но в Метеоре с детьми это отлично работало, потому что дети цветные и разные. В профессиональном спорте точность решения резко упала, потому что профессиональные футболисты в большинстве окрашены одинаково, имеют одинаковые причёски и до кучи одинакового роста. Номер, который на них написан, немного помогает, но его распознавание тоже не всегда возможно корректно. Особенно, если учесть, что игрок на дальнем конце поля — это набор из всего нескольких цветных точек. Итог — тут нужен оркестр моделей с аналитикой движения, распознаванием номера и т.п.
- Размечать вручную. Сейчас мы сделали удобный интерфейс, который позволяет быстро показать софту, куда кто побежал в случае непоняток.
Вот здесь интерфейс разметки треков, это видео. Софт считает, что перепуталось что-то между выделенными игроками. Точнее, вероятность ошибки в треках этих персонажей очень велика, потому что дальше по матчу будет куча и они оттуда выберутся каждый по-своему )
Камеры отстой
Мы начинали с идеи, что это будут эквадорские дети с самсунгом на палке или омская дворовая команда с айфоном на удочке. Разница в том, что и дорогие айфоны, и телефоны подешевле на удочках отлично справляются с двором, где самый толстый всегда вратарь — и плохо с матчем 11х11. Когда поле имеет ширину 100 метров, глазами уже не видно, что и где происходит полностью. Телефону, внезапно, тоже.
А довольно быстро выяснилось, что наш основной рынок — это всё же профессиональный спорт, но не тот, что ездит на ЧМ по футболу, а лиги уровнем чуть ниже, команды академий и так далее. Как в «Теде Лассо», условно. Они почему-то играют именно 11х11.
Эти лиги снимают свои тренировки и анализируют их, это для них суперважно. Но то, на что они их снимают — это просто ад. Либо они снимают нормально, но крутят камеры. Либо они снимают статичной камерой, но часть поля.
Часть поля
У нас есть клиент в Бразилии, они пишут все свои матчи и тренировки на GoPro. Есть ещё пара клиентов с профессиональными камерами, а у остальных зоопарк систем между GoPro и камерами ЧМ по футболу.
Проблема в низком эффективном разрешении камер.
Дело вот в чём. Есть фактическое разрешение, где точка — это цветочувствительный элемент матрицы. Если это не честный сенсор, то вообще-то там блоки по 4 сенсора BGRG, которые дальше математически восстанавливаются до 4 RGB-точек. Ок, с этим можно жить. Следующий уровень усложнения — дифракционный предел. Уменьшать матрицу бесконечно невозможно, чем меньше проецируемая картинка, тем хуже различаются детали чисто в силу физических ограничений распространения света. Следующий уровень — искажения объектива. Речь про то, что для компенсации кривой геометрии (а она почти всегда кривая из-за линз не в центральной части кадра), нужно либо применять алгоритмы восстановления, либо просто жить с этим. В итоге на футболиста на краю поля с GoPro может приходиться 4-6 эффективных пикселей. Живите с этим.
Поэтому футбольные клубы чаще всего снимают не всё поле целиком, а фокусируются на отслеживании мяча. Прямо сидит специально обученный оператор и крутит камеру за мячом. Тогда вокруг него всё разрешается достаточно хорошо для помощника тренера или аналитика, который всё это потом вручную размечает.
Смысл нашего решения — снимать поле целиком. Потому что нам нужно знать, что происходит везде на поле, и это суперзначимые данные. Что делали игроки, пока были не в кадре? Правильно ли двигались? Сколько они пробежали в итоге за матч? Как реагировали защитники на отбор мяча в атаке? Что делал вратарь всё это время?
В итоге нам нужна камера, снимающая всё поле. И здесь мы упёрлись в возможности этих самых камер.
Как это ни странно, примерно в тот момент, когда мы поняли, чем и как снимают клубы свои игры, на нас вышли производители камер, которые снимают всё поле. Точнее, всё чуть сложнее. Сначала Динамо Загреб прислали нам свои почти идеальные съёмки, а потом мы поговорили с компанией из метаданных, и они нас уже состыковали. Камеры вот такие:
Pixellot S3, вот обзор
Как видите, там несколько объективов, а прошивка камеры затем сшивает всё в одну бесшовную картинку. Получается вот так:
Вместе с нашим решением клиент получает панораму и кропы с активными действиями + статистику (например, все пасы такого-то игрока на отдельных выкропах и т.п.).
Так вот, эти товарищи хотели, чтобы мы сделали аналитику допуслугой к их камере. Типа, никто не снимает целое поле, а они снимают, а у нас никто не делает аналитику всех игроков всё время, а мы делаем. На том и порешили, теперь всё это медленно движется дальше, потому что договориться с клубами — процесс не самый быстрый.
Вот ночью (привет, шум) в условиях странного света хорошая камера даёт качество, достаточно, чтобы почти всё время трекать почти всех игроков. На фото — один из стоп-кадров, где синие тренеры не покрыты осознанно, а вот белого игрока Ёла упустила, зато увидела мяч.
А вот, чтобы вы понимали, почему она упускает некоторых игроков, теперь картинка поближе:
Добро пожаловать в реальный мир
Где мы сейчас
Есть микросервисная архитектура-конструктор, где есть вот такие шаги:
1. Загрузка видео — тут всё понятно, получить видеофайл, получить в интерфейсы координаты краёв поля.
2. Детекция всех объектов. На игроках качество около 98%. В целом, там важно не то, как точно бокс захватит игрока, а то, что этот бокс вообще будет. Полметра погрешности не сильно сказываются на итоговой статистике по тому же кардио, например. Важнее покрытие времени нахождения игрока. Эти детекторы хорошо работают «из коробки», тут Ёла. Нам пришлось дообучить немного на зелёных игроках, потому что зелёных пешеходов в мире мало. Это было ещё пару лет назад, с тех пор детекторы стали качественнее, и справляются с людьми из коробки. В целом, важно что если можно различить игрока глазом, то можно и в детекторе. Другое дело, что глазом не всегда. Чтобы это понять, достаточно размечать реальные матчи вручную и увидеть, что какой бы хорошей ни была камера, довольно сложно следить за объектами. Они тяжело двигаются и очень слабо различимы. Одинаковая форма и удалённость дополнительно усложняют задачу.
3. Автоматизированное склеивание треков игроков, где очевидно движение из кадра в кадр. Эта часть — NorFair. Это простой эвристический трекер, который доходит до коллизии и останавливается. Он основан на интуитивном предположении, что игроки не умеют телепортироваться и ускоряются и замедляются как люди (или физические объекты с массой и другими параметрами человека). Да, игроки иногда всё же телепортируются (привет, FPS и видеопоток камер), но тогда трекер просто ставит разрыв и дальше передаёт в следующий модуль.
4. Во всех спорных моментах перескока треков треки разрываются и уезжают в специальный интерфейс, где человек проверяет, что игроки правильно склеились. Если надо, обозначает склейку. Ручная операция занимает от 3 до 10 секунд. Увы и ах, но на 5 минут игры приходится от 300 до 1500 спорных пересечений. То, что не получается разобрать автоматически, уезжает человеку. Нейросетевые решения, которые мы использовали, давали большой процент ошибки. Тут машина будет замещать человека всё сильнее и сильнее.
В общей сложности сейчас нужно сделать 4 тысячи треков на матч без овертайма — это примерно 11 человекочасов работы. Этот модуль склейки треков нуждается в улучшении, и это следующая цель автоматизации.
5. Считается процент покрытия. У нас обычно от 80 до 90% покрытия, то есть в конце матча мы отслеживаем 80-90% времени каждого игрока. Поменять там можно пару вещей камерой получше (для тех, у кого GoPro, потому что мы физически не видим, что там за игрок бегает на краю объектива в принципе) и парой аналитических надстроек.
6. Достроить треки мяча. Где-то вручную, где-то перестать трекать бутсу (они похожи), где-то ещё кое-что поправить.
7. Автоматизировано определить события. Например, пас, отбор. Где достоверность определения низкая, спросить оператора через интерфейс, что случилось. Пасы хорошо автоматизируются, а вот отборы и прочие сложные события пока лучше руками. Мы просто считаем, что такое владение, пасы, удары чуть ли не пофреймово, обычно главный источник данных — лесенка из IF’ов. Например, кто ближе к мячу — у того и владение. Если потом мячом стал владеть другой игрок, значит, это был пас.
8. Дальше видим это на фронте. Там можно смотреть аналитику по матчу или отматывать на конкретные события, показывая именно нужный фрагмент.
Хайлайт паса
Что происходило всё это время
В момент, когда мы поняли в ноябре, что нужно идти не по пути полной автоматизации, а ассистирования человека, выпали дворовые футбольные команды. С другой стороны, мы узнали, сколько стоит аналитика клубам и что она покрывает и нет. Наша покрывает сильно больше, чем подсчёт основных событий.
У нас много пилотных внедрений в клубах по всему миру. У кого-то есть свои аналитики, им нужны сырые данные с координатами. Кто-то получает готовую аналитику в интерфейсе.
То есть мы:
- Вернулись к проекту (точнее, перешли из вялотекущего режима в активный).
- Разбили весь конвейер на модули.
- В каждом модуле доказываем, что можно сделать автоматизировано и повышаем качество.
- Больше всего проблем в модуле со склеиванием треков, сейчас аналитика там занимает плюс-минус столько же времени, сколько ручная аналитика матча. Но, во-первых, он потенциально автоматизируется, во-вторых, у нас получается качественно другой набор выходных данных — на всю стратегическую картину, а не вокруг мяча.
Футбольным клубам мы поставляем уже готовую аналитику, ручная разметка на нашей стороне. Плюс есть очень хорошо настраевыемые хайлайты как раз по событиям аналитики. Насколько мы знаем, клубы используют это не для соцсетей (с тренировок это было бы странно делать), а собирают методом Ctrl+F и отправляют игроку, который спросил, почему он последний матч сидел на лавке. Говорят, экономит много времени тренера.
То есть дальше вопрос — как мы удешевим процесс.
Сейчас играет ночная лига Лондона (это один из самых сложных наборов по камерам), каждую тренировку трекает Академия Динамо из Загреба и так далее — Pafos с Кипра, Акрон из Тольятти, наша школа Метеор и наша ЛФЛ-команда. С остальными NDA, простите.
UPD: Спасибо всем, кто стучит в личку с конкретными предложениями и идеями. Если нужно сырое видео посмотреть или поэкспериментировать — вот.
Комментарии (38)
akakoychenko
02.10.2023 07:40+2Не первый раз читаю о подобных системах, и каждый раз удивляюсь, почему анализируется каждый отдельный кадр для нахождения объектов. Чисто логически выглядит, что, если аггрегировать окно, скажем, из 10 кадров, и анализировать результат аггрегации, то много проблем решаются сами собой.
Банально, картинка из амплитуд (или, хз, как его назвать, короче, max - min по каждому каналу) пикселей за эти 10 кадров, уже проявит бегающих в данный момент футболистов очень просто, эффективно, а стоящих на месте можно и с прошлого полного сканирования взять, которое можно при таком подходе делать очень редко и тяжёлыми алгоритмами. Или тот же мяч. На статичной картинке летящий мяч, объективно, сложно найти. Можно и с лысиной, и с птицей, спутать, и на белую ограду или болельщика может наложиться. Но вот летящий мяч на аггрегации должен быть неспутываем с ничем.
Milfgard Автор
02.10.2023 07:40+2У меня абсолютно такой же вопрос, но ни одна команда разработки не предложила разумных решений с такой агрегацией. Если вы что-то знаете, и это может дойти до реализации, то давайте обсудим в личке )
leshabirukov
02.10.2023 07:40+4
ZlodeiBaal
02.10.2023 07:40+2Ага.
Только статья уже достаточно старая. Сейчас появились большие претрейны и трансформеры во всех плоскостях. Но глобально большинство алгоритмов в проде - тех лет.leshabirukov
02.10.2023 07:40Попался.По мне, это удивительно, - если обрабатывать кадры совместно а не по штуке, еще по одному измерению (время) аккумулируется информация, всякий шум компенсируется как минимум.Ну вот мы и пришли. К могучему, огромному, бесполезному оптическому трекингу!
Это ведь оно, и всё так же далеко от прода?
ZlodeiBaal
02.10.2023 07:40+2С такими алгоритмами проблем сильно больше. Просто они другие. Столкнулось два игрока, полежали в куче 5 секунд - и кто куда пошел дальше - не понятно.
Современная мысль скорее про интеграцию всего и вся. И большие претрейны. Например так. Но с такими сетками ряд проблем:Обычно работают они уже далеко не риалтайм
Они хорошо перформят из коробки по бенчмаркам, но не очень хорошо по реальным задачам. Но чтобы их переучить на свою задачу - надо миллионы данных и десяток сеток трейнить.
Так что никто особо и не париться сейчас, работают с классикой. Детекция + какой-нибудь REID поверх + какая-нибудь трекинговая модель.
WicRus
02.10.2023 07:40+2Если снимать с дрона, нужно рассматривать проводные варианты. И не забыть реализовать доп камеру, чтобы следить за мячом и уворачиваться от него.
Milfgard Автор
02.10.2023 07:40Пока это выглядит как фантастика для матчей, но реально для тренировок. Мы сначала аккуратно попробуем распросить, что и как, проведём тесты, потом уже будем закладываться в решение. Никто не хочет заморачиваться с чем-то, кроме камеры на палке, потому что её можно поставить в начале года и забыть, а остальное надо обслуживать.
befree
02.10.2023 07:40А может вам аппаратно-программный комплекс нужен, в виде четырех (двух по диагонали?) столбиков на углах поля и какой-то датчик-передатчик в мяче для радиообмена со столбиками с целью определения его координат в пространстве?
Раз уж вы это делаете для тренерских коллективов?befree
02.10.2023 07:40Слабая сторона, как засунуть датчик в мяч... может какая-то ячеистая структура внутри мяча по типу того, что применяется в sup-бордах? Хотя конечно насколько изменятся физические характеристики мяча - это вопрос еще тот... Как бы не потребовалось, что-то аналогичное балансировке шин авто, но только в трех измерениях)
befree
02.10.2023 07:40Или какие-то радиопередатчики обменивающиеся друг с другом сигналом, и мяч из материала, которые бы вносил возмущения/помехи в этот радиообмен и алгоритм для расчета координат этого возмущения... но это я что-то расфантазировался совсем)
Все изложенное, чисто любительский взгляд на проблему)
Milfgard Автор
02.10.2023 07:40+3Официальный мяч вообще трогать нельзя никак, увы.
IDDQDesnik
02.10.2023 07:40+1В официальных мячах (по крайней мере в некоторых) уже все есть.
Kibkalo
02.10.2023 07:40это (пока) только на очень выборочных матчах и на специально оборудованных стадионах. Мы делаем решение для тех, кто такой мяч увидит только на sports.ru :)
leshabirukov
02.10.2023 07:40Даже попрыскать светоотражающей в ИК краской?
Milfgard Автор
02.10.2023 07:40Надо согласовать по всему миру новый стандарт тогда. Потому что вдруг оно меняет свойства мяча так, что кто-то может лучше натренироваться играть с такими и получит неспортивное преимущество!
leshabirukov
02.10.2023 07:40Я так понимаю, тут речь идёт о значимой игре высоких лиг, а на тренировках требования послабее, не говоря о "дворовых командах", когда как раз неплохо бы скомпенсировать дешевую камеру.
Milfgard Автор
02.10.2023 07:40Так смысл в том, что когда мы начали разбирать аналитику детально и хотеть крутую камеру, дворовая команда уже не сможет получить услугу по цене. У нас продукт сместился именно в сторону лиг.
leshabirukov
02.10.2023 07:40+1Версия с урезанной функциональностью?
Фича с повышением контрастности мяча, игроков и прочих объектов интереса, может пригодиться как для облегчения ручной разметки в боевом режиме, так и для создания размеченного датасета в сторону автоматизации. На игроков можно просто светоотражающие жилеты напялить.
McKinseyBA
02.10.2023 07:40Снимать со второй камеры.
Очевидно же, что именно тут и кроется рост качества продукта (насколько я его понимаю). Вроде бы читал предыдущие статьи, но только сейчас обратил внимание, что все это вы делали с одной камерой)))
Почему, кстати, не рассматривали вариант синхронизации данных с условных 4айфонов на палкекамер, расставленных по углам/сторонам поля? Так-то любые CV (около ML) стартапы и ценны именно способностью выстроить пайплайн перемножения матриц, а иначе успешно заменяются 15-ти центовыми индусами (помощниками тренеров) размечающими массив видео или иными 'скриптикидди', импортирующими opencvKibkalo
02.10.2023 07:40+3Рассматривали, конечно же. В первой версии как раз предполагался кросс-камерный трекинг, и т.д. Сейчас кажется, что для клуба прямо сложно организовать съемку с кучи камер (особенно если говорить про тренировки - тренировочных полей много). Мы вопрос большего числа камер отложили на потом. Но в плане есть.
Abwindzentrierer
02.10.2023 07:40А что если каждому игроку дать фитнес-браслет с GPS-датчиком? Точности GPS-трекера должно быть достаточно, чтобы отслеживать перемещение футболистов по полю, вести статистику. Данные с браслета возможно использовать при обработке видео, вычислении коллизий. Ну и значительно проще считать статистику о скорости игрока, сколько он пробежал за игру, сколько он пробыл на территории соперника.
Milfgard Автор
02.10.2023 07:40+1Такое решение есть, там жилеты. Оно дорогое для любительского спорта и неприменимое в профессиональном, там ничего носить лишнего нельзя, да и не захочется, футболиста просто протрёт устройством. Плюс встаёт вопрос камеры, следящей за пасами.
Kibkalo
02.10.2023 07:40+3Сейчас датчики активно применяются всеми клубами на тренировках - но они не анализируют действий с мячом (а это самое главное). Комбинировать информацию с камер и информацию с датчиков - это следующий шаг. В целом клубы так и делают с тем, что мы предоставляем
Altaev
02.10.2023 07:40А если использовать локальную навигационную станцию, вроде тех, что используются в шоу дронов для местного точного и быстрого определения положения юнитов, а на игроках соответствующие минидевайсы? Готовые треки получатся, вроде... Вопрос с трекингом мяча останется для камеры, например.
KMiNT21
02.10.2023 07:40А если Yolo дофайнтюнить под определенные комбинации футбольной формы? :) Или, например, еще дообучить модель на примерах коллизий, добавить объект players_clump для кучек из игроков.
Не, оно, конечно, ни в какое сравнение не идет с пользой от добавления как минимум еще одной камеры с другого ракурса, но все же.
Да, в перспективе это будет просто массив синхронизированных потоков изображений с нескольких камер (свободно размещенных), а нейросетка уже сама сводит и распознает.
Kibkalo
02.10.2023 07:40+1про кучки - примерно так и думаем делать. Про камеры - в бэклоге, не с самым высоким приоритетом пока
Shmele
02.10.2023 07:40+1Выше уже предлагали GPS и другие "минидевайсы", а вы уже отвечали, что игрокам носить ничего дополнительно не захочется.
Но всё же озвучу идею конкретно про миниатюрные акселерометры. Главная цель тут решить (как я понял, самую острую) проблему определения "кто куда побежал после пересечения" в помощь камере. А судя по описанию целевых пользователей, такие клубы, вероятно, могли бы себе позволить, помимо камеры, три десятка таких дешёвых датчиков на клуб.
Мне кажется, что такого рода девайс, без антенн и только с минимальным источником питания и контактами для последующего скачивания данных, может весить несколько граммов и иметь размер в духе наклейки на одежду или бутсу.
Вопросов, конечно, много (чем снимать данные, заряжать и т.д.), но наше дело вам тут гениальных идей насыпать :)
Milfgard Автор
02.10.2023 07:40Они уже используются, наша аналитика дополняет эти жилеты. Проблема в том, что на тренировках их ещё носят, а вот в матчах на проде уже нет. Вторая проблема, что когда вы берёте две системы на датчиках и сравниваете аналитику, разброс около 20% между ними. Это про самые распространённые. Судя по количеству вопросов, похоже, придётся рассказывать про то, как там обстоят дела системно — либо я, либо Тихон вернёмся с деталями.
nZjf6mNd3j
02.10.2023 07:40+1Качественный анализ - залог успеха. Хорошие идеи, думаю, если их правильно и с умом использовать, то можно помочь не только футболу, но и другим видам спорта
Gryphon88
02.10.2023 07:40Номера на футболках или иные уникальные для игрока детали использовать не вариант? В статье видно, как происходит наложения, а когда игроки расходятся, как минимум одному из них присваивается новый id. А так мы почти всегда видим игрока и несколько реже видим номер, колокализованный с этим игроком, можно объединять сеты.
Kibkalo
02.10.2023 07:40номера на футболках видны только если игрок близко к камере (это бывает редко). У нас раньше (когда мы экспериментировали на детях и любителях) был реидентификатор по цветовой гистограмме (цвету футболки-шортов-бутс) и прочим антропометрическим параметрам. но для профессионального футбола это не работает. Возможно, если камер будет больше - к идее с номерами мы вернемся
Filex
А какая польза клубам от этой информации (как они ее используют)?
Milfgard Автор
Это их аналитика. Им нужно оцифровать каждого игрока, чтобы понимать его ценность, прогресс в тренировках, параметры (как в RPG) и возможности на поле. Исходя из этого можно считать стратегии, понимать, кого надо обменивать и вообще делать разную стратегическую работу. Про это есть фильм "Человек, который изменил всё" (про бейсбол, поэтому нифига непонятный) — это про то влияние, которое оказала аналитика против интуитивных решений.
Ещё аналитика нужна для текущего контроля: проверить, что тренировки идут правильно и на то, что нужно, следить за формой игрока и его показателями при разной степени усталости в серии матчей, видеть тактические ошибки и корректировать их, видеть ошибки в схемах и так далее. Короче, это оцифровка всего того, что раньше делалось либо бумагой и карандашом, либо по наитию. Вопрос там не в том, нужно или нет, а какого качества будет.