Talaan ng nilalaman[Tago][Ipakita]
Nag-eehersisyo ka ba para manatiling fit, o marahil ay mahilig ka sa kuliglig o football? Ang iba ay mahilig manood ng mga laro kasama ang mga kaibigan.
Ang ilang mga tao ay nakikilahok sa sports upang maging malusog at matulungin. Ang sports ay walang alinlangan na isang mahalagang aspeto ng ating buhay, anuman ang ating mga interes o paraan ng pamumuhay.
Ang isport, tulad ng bawat iba pang mahalagang aspeto ng ating pang-araw-araw na buhay at ng pandaigdigang ekonomiya, ay hindi maiiwasang maapektuhan ng mga teknolohikal na pagpapabuti.
Ngayon, sa 2022, ang mga sasakyang F1 na may sensor at real-time na football analytics ay hindi mga futuristic na tech fancy.
Sa katotohanan, ang mga pagsulong ay higit na lumalabas: ang pinaka-advanced na mga negosyo ay gumamit na ng computer vision at artificial intelligence sa palakasan upang matugunan ang iba't ibang isyu.
May maliit na tanong na ang artificial intelligence at machine learning ay patuloy na isulong ang disiplinang ito dahil sa malaking impluwensya ng teknolohiya sa sports.
Ang artikulong ito ay tututuon sa paggamit ng computer vision sa sports, kabilang ang mga praktikal na aplikasyon, mga pakinabang, at marami pang iba.
Magsisimula tayo sa pagpapakilala ng computer vision.
Kaya, ano ang computer vision?
Ang larangan ng artificial intelligence at machine learning na kilala bilang "computer vision" (CV) ay naglalayong bumuo ng mga pamamaraan para sa pagtuturo sa mga computer kung paano unawain at unawain ang mga nilalaman ng mga larawan.
Upang makilala at maiuri ang mga bagay sa isang pabago-bago at nagbabagong pisikal na kapaligiran, ginagamit ng computer vision malalim na pag-aaral mga modelo upang gayahin ang ilan sa pagiging kumplikado ng mga sistema ng paningin ng tao at visual na perception.
Ang computer ay nagsisikap na gayahin kung paano nakikita ng isang tao ang visual na kapaligiran.
Gayunpaman, hindi tulad ng mga tao, ang mga computer ay may kapasidad na mag-imbak ng napakalaking dami ng data at mabilis itong maiproseso, na nagbibigay sa amin ng kakayahang umangkop na italaga ang maraming gawain sa mga pinaka-makabagong teknolohiya.
Ngayon, ang mga pagsulong sa teknolohiya ng smartphone, social media, at ang malawakang paggamit ng mga ito ng bilyun-bilyong tao – higit sa 3 bilyong larawan ang nai-post online araw-araw – ay lumilikha ng mas maraming visual na data kaysa dati.
Kasama ng mas mataas na access sa malaking computing power at mga pag-unlad sa malalim na pag-aaral at mga neural network algorithm (hal., ang pag-imbento ng convolutional neural network), ang pagkakaroon ng napakalaking dami ng mga imahe ay nagbigay sa mga computer ng napakahalagang pagkakataon upang matutunan ang mga pattern at katangian ng mga ito. mga larawan at pagbutihin ang mga rate ng katumpakan para sa pagtuklas ng bagay at pag-uuri.
Bilang resulta, ang mga computer vision system ay nakamit ang mga rate ng katumpakan na 99 % sa isang bilang ng kanilang mga aplikasyon, na nalampasan ang katumpakan ng paningin ng tao sa mga partikular na gawain sa pagtuklas, pagkakategorya, at pagtugon.
Computer vision sa Sports: Real-World Examples
1. Pagsubaybay sa Manlalaro
Ang pagsubaybay sa manlalaro ay isa sa mga pangunahing layunin kapag gumagamit ng computer vision sa sports. Upang magawa ito, kinakailangang tukuyin ang lokasyon ng bawat manlalaro sa anumang oras.
Mabilis na masusuri ng mga coach kung paano gumagalaw ang bawat manlalaro sa field at ang istruktura ng kanilang koponan salamat sa pagsubaybay ng manlalaro, na isang mahalagang bahagi sa pagtulong sa mga koponan na gumanap nang mas mahusay.
Tsiya ang pinaka-cutting-edge na mga application ng computer vision sa sports sa kasalukuyan ay gumagamit ng mga awtomatikong segmentation algorithm upang matukoy ang mga lugar na malamang na pag-aari ng mga atleta.
Sa pamamagitan ng paggamit machine learning at mga pamamaraan ng pagmimina ng data sa hindi naprosesong data ng pagsubaybay ng player, ang output ng isang computer vision system ay maaaring mapabuti.
Magagawa ang semantikong impormasyon kapag natukoy ang mahahalagang bahagi sa isang larawan o video frame upang mailagay sa pananaw ang mga aktibidad na kinukuha ng mga kalahok (ibig sabihin, pag-aari ng bola, pagpasa, pagtakbo, pagdepensa, at iba pa).
Ang mga pamamaraang ito ay maaaring gamitin upang pag-uri-uriin ang mga semantic na pangyayari, tulad ng "one-two pass" sa football, at upang gumawa ng malawak na istatistikal na pagsusuri ng pagganap ng mga indibidwal na manlalaro at koponan.
Upang payagan ang mga coach na ihambing ang perpektong paglalagay ng manlalaro sa aktwal na pagpoposisyon ng manlalaro sa isang partikular na paglalaro, maaari ding gumawa ng mga mungkahi sa pinakamagagandang lugar para sa mga manlalaro sa field.
Ang maraming mga opsyon na inilabas ng teknolohiyang ito sa pagsubaybay ng manlalaro ay may kakayahang ganap na baguhin kung paano naghahanda at sinusuri ang mga atleta.
2. Pag-iwas sa pinsala
Upang matugunan ang tumaas na pangangailangan para sa pag-rewire ng kaisipan at kagalingan sa harap ng panlipunang distansya, maraming tao ang gumagamit ng mga online na kurso.
Upang matutunan kung paano mag-ehersisyo nang ligtas at maiwasan ang mga pinsala, mahalagang subukan ang ilang mga klase na itinuro ng isang makaranasang instruktor, sa pribado man o grupong setting.
Halimbawa, ang parehong pilates at yoga ay sapat na simple upang gawin sa bahay. Gayunpaman, lalo na para sa isang baguhan, mahalagang subukan ang ilang mga klase. Ang computer vision, sa partikular na pagtatantya ng postura, ay naglalaro sa sitwasyong ito.
Ang pagtatantya ng posture ay isang computer vision job na naglalayong hulaan at subaybayan ang lokasyon ng isang tao o bagay, at available na ngayon ang mga 3D pose estimation-based na app para tumulong sa mga fitness trainer ng tao.
Sinusuri ng mga teknolohiyang ito ang bawat pagkilos ng user at nag-aalok sa kanila ng masusing real-time na feedback gamit ang maraming data sa pagsubaybay sa paggalaw.
Ang pagtanggap ng real-time na feedback at pag-iwas sa mga pinsala sa pag-eehersisyo ay dalawang benepisyo ng pakikipagtulungan sa isang virtual na coach.
3. Pagsubaybay sa bola
Para sa pagkuha ng impormasyon mula sa mga sports na nakabatay sa bola, partikular na ang racket o bat-and-ball sports tulad ng tennis, cricket, badminton, at iba pa, ang pagsubaybay sa paggalaw ng bola ay mahalaga.
Maaaring ipahiwatig ng mga modelo ng computer vision ang eksaktong lokasyon ng epekto ng bola sa lupa, itala ang paggalaw ng bola sa tatlong dimensyon, at kahit na hulaan ang tilapon ng bola upang masuri kung tumama ito sa wicket.
Sa ibang mga termino, ang mga ball tracking system na hinimok ng computer vision ay tumutulong sa:
- Pagtuklas ng mga bola
- Pagsubaybay sa tilapon
- Pagtataya ng kinalabasan ng laro
Ang ganitong uri ng pagsubaybay sa bola ay mas mahirap sa mga laro tulad ng basketball, volleyball, at soccer dahil ang bola ay maaaring itago sa likod ng mga manlalaro. Bilang kahalili, ang pakikipagpalitan ng manlalaro sa bola ay maaaring mangyari nang mabilis at walang babala.
4. Pagpapahusay ng Desisyon ng Referee
Mayroong hindi mabilang na mga halimbawa ng tahasang pagdaraya at hindi tamang mga desisyon ng referee sa buong kasaysayan ng sports. Sa paglipas ng mga taon, ang teknolohiya ay nakapasok sa palakasan, na nakakatulong na bawasan ang bilang ng mga pagkakamali na ginagawa ng mga referee.
Sa pagpapakilala ng mga teknolohiya tulad ng Video Assistant Referee (VAR), Goal-Line Technology (GLT), Hawk-eye, Decision Review System (DRS), at Hawk-eye sa tennis at cricket, ang mga desisyon ng umpire o referee ay maaari na ngayong suriin at , kung mali, binaligtad.
Ang mga hinaharap na opisyal ng sports ay gagawa ng mas kaunting mga pagkakamali dahil sa lumalaking paggamit ng AI at computer vision.
5. Magpose ng pagtatantya sa mobile application
Ang paggamit ng mga makabagong teknolohiya ay mag-uudyok sa mga tao na gamitin ang iyong programa nang madalas.
Gaano kadalas ka nakatagpo ng mga application na gumagamit ng mga video upang ipakita kung paano magsagawa ng mga ehersisyo nang maayos?
Malamang kanina medyo regular. At isaalang-alang ang pagbuo ng modelo ng computer vision na awtomatikong nagtatakda ng tamang posisyon, sinusubaybayan ang mga ginawang diskarte, at nag-aalok ng mga tip kung paano pahusayin ang iyong pag-eehersisyo. isang kamangha-manghang stand-in para sa isang tunay na coach.
Sa ganitong uri ng aplikasyon, laging naa-access ang pagsasanay; ang kailangan mo lang ay isang camera sa kamay. Paunlarin ang iyong lugar ng kadalubhasaan sa pamamagitan ng pagdaragdag ng iyong sariling mga partikular na postura at mga diskarte upang mamukod-tangi sa iyong merkado nang hindi kinakailangang magbayad ng higit pa para sa mga guro ng tao.
Ang teknolohiyang ito ay lubhang kapaki-pakinabang para sa pagpapahusay ng iyong espesyalidad, na maaaring ilang mga postura o galaw. Hindi mo kailangang magbayad para sa mga karagdagang propesyonal na tagapagsanay upang ituro ang iyong mga programa.
6. Ang nilalaman ng pamamahayag at palakasan
Makakagawa ka ng nakakaintriga na content sa pamamagitan ng pagsasama-sama ng mga teknolohiya ng artificial intelligence at computer vision.
Awtomatikong lalapit ang camera sa pinaka nakakaintriga na oras kapag sinusuri ng modelo ang mga kaganapan, gaya ng layunin.
Isipin kung kailangan mo lang mag-set up ng ilang camera na matalino at awtomatikong makakatuon sa pinakamahahalagang bahagi ng laro sa halip na magbayad ng malaking bilang ng mga reporter at maghintay para sa post-production na mag-publish ng mga sporting event.
7. Fan mood
Ang hanay ng mga application ng computer vision ay kahanga-hanga lamang. Ang kasiyahan ng isang tao sa pagtingin sa isang bagay ay dati nang masusukat sa pamamagitan ng mga pagsubok na kinasasangkutan ng pagkakabit ng mga espesyal na wire upang makita ang mga impulses.
Hindi na namin kailangang ikulong ang bawat tumitingin sa isang laboratoryo salamat sa mga teknolohiya ng computer vision. Kumuha ng masusing pagsusuri sa kasiyahan ng mga manonood ng sine.
Maraming iba't ibang emosyon, tulad ng kaligayahan, pagkabagot, kaguluhan, pagkabigo, atbp., ay maaaring makilala sa pamamagitan ng mga modelo ng computer vision.
Hamon
Pangunahing umaasa ang sports computer vision sa mga system ng camera upang makuha at pagkatapos ay pag-aralan ang footage ng sports. Karaniwan, maraming camera ang nakaposisyon sa paligid ng pinangyarihan ng aksyon, gaya ng mga stand sa panahon ng isang sporting event o sa mga gilid ng isang practice field.
Kahit na sa loob ng isang tugma, ang anggulo, lokasyon, hardware, at iba pang mga setting ng pagbaril ay lubhang nag-iiba sa bawat isport.
Ang mga computer vision system ay dapat ding iakma sa ilang partikular na tugma at paraan ng pagkuha ng pelikula, na nagpapakita ng problema. Kasama sa mga karagdagang paghihirap ang:
- Maraming mga organisasyong pang-sports at mga dibisyon ng pagsusuri sa pagganap ang kulang sa advanced na kagamitan sa video.
- Ang madalas na mga pagbabago sa pan, tilt, at zoom na ginagawa ng mga broadcast camera ay nagpapahirap para sa mga computer vision video processing system na umangkop sa patuloy na pagbabago ng data na kanilang natatanggap.
- Maaaring mahirap para sa mga computer vision video processing system na makilala ang mga item sa backdrop, mga manlalaro, at mga bagay, mga manlalaro na nakasuot ng parehong kasuotan, at iba pang mga sitwasyon.
Sa isang tiyak na lawak, nalutas ng computer vision ang mga bahid na ito. Halimbawa, ang pagpoproseso ng imahe ay nagbigay-daan sa mga computer na makilala sa pagitan ng lupa, mga manlalaro, at iba pang mga bagay sa harapan.
Kung hindi, ginagawang posible ng mga algorithm ng segmentasyon na nakabatay sa kulay na makilala ang bola, subaybayan ang mga gumagalaw na manlalaro, at hanapin ang pitch zone ayon sa kulay ng damo, na berde.
Konklusyon
Upang ibuod, ang computer vision ay ang pinakasikat na teknikal na larangan, at ang katanyagan nito ay lumalaki lamang. Ito ay isang bagong pananaw sa pagproseso ng data at kung paano ito nakikita; sa wakas ay nagsanay na kami ng mga computer upang makakita.
Ang pinakakaraniwang gawain sa computer vision sa sports ay ang pagsubaybay sa player at bola, pagtatantya ng postura para sa pag-iwas sa pinsala, pagse-segment para sa pagkilala sa backdrop mula sa mga manlalaro, at iba pa.
Araw-araw, bumubuo kami ng napakaraming data na maaari naming magamit nang epektibo modelo ng tren, na pagkatapos ay magsisilbing umaasa na tulong sa pagtugon sa mga problema sa negosyo.
Mag-iwan ng Sagot