您是否锻炼以保持健康,或者您可能是板球或足球的爱好者? 其他人喜欢和朋友一起看比赛。
有些人参加体育运动是为了保持健康和专注。 无论我们的兴趣或生活方式如何,体育无疑是我们生活的一个重要方面。
体育与我们日常生活和全球经济的其他重要方面一样,不可避免地受到技术进步的影响。
今天,在 2022 年,配备传感器的 F1 车辆和实时足球分析不再是未来科技的幻想。
实际上,进步更进一步:最先进的企业已经使用计算机视觉和 人工智能 在运动中满足各种问题。
鉴于技术对体育产生的重大影响,毫无疑问人工智能和机器学习将继续推动这一学科的发展。
本文将重点介绍计算机视觉在运动中的应用,包括实际应用、优势等等。
我们将从介绍计算机视觉开始。
那么,什么是计算机视觉?
人工智能和机器学习领域被称为 “计算机视觉” (CV) 旨在开发教计算机如何理解和理解图片内容的技术。
为了在动态变化的物理环境中识别和分类对象,计算机视觉使用 深入学习 模型来模拟人类视觉系统和视觉感知的一些复杂性。
计算机努力模仿一个人如何看待视觉环境。
然而,与人类不同的是,计算机具有存储大量数据并迅速处理数据的能力,使我们能够灵活地将许多杂务委托给最前沿的技术。
如今,随着智能手机技术的进步, 社会化媒体,以及它们被数十亿人广泛使用(每天在线发布超过 3 亿张照片)正在创造比以往更多的视觉数据。
随着对大型计算能力的增强以及深度学习和神经网络算法的进步(例如,卷积神经网络的发明),如此大量图像的可用性为计算机提供了学习这些图像的模式和特征的宝贵机会图像并提高准确率 目标检测 和分类。
因此,计算机视觉系统在许多应用中的准确率达到了 99%,在特定检测、分类和响应任务中超过了人类视觉的准确率。
体育中的计算机视觉:真实世界的例子
1. 玩家追踪
在运动中使用计算机视觉时,球员跟踪是主要目标之一。 为了做到这一点,有必要在任何给定时间识别每个玩家的位置。
借助球员跟踪,教练可以快速分析每个球员在场上的移动方式和球队的结构,这是帮助球队表现更好的关键组成部分。
T如今,运动中最前沿的计算机视觉应用程序采用自动分割算法来确定可能属于运动员的区域。
通过利用 机器学习 以及对未处理的玩家跟踪数据的数据挖掘方法,可以提高计算机视觉系统的输出。
一旦识别出图像或视频帧中的关键组成部分,就可以创建语义信息,以透视参与者正在进行的活动(即控球、传球、奔跑、防守等)。
这些方法可用于对语义事件进行分类,例如足球中的“一次两次传球”,并对个别球员和球队的表现进行广泛的统计分析。
为了让教练在特定比赛中比较理想的球员位置和实际球员的位置,还可以就场上球员的最佳位置提出建议。
这种球员跟踪技术带来的众多选择能够彻底改变运动员的准备和被球探的方式。
2. 伤害预防
面对社交距离,为了满足对心理重新布线和幸福感的日益增长的需求,许多人正在求助于在线课程。
为了学习如何安全地锻炼和防止受伤,尝试由经验丰富的教练教授的几门课程非常重要,无论是在私人还是团体环境中。
例如,普拉提和瑜伽都很简单,在家就能做。 但是,特别是对于初学者来说,尝试几节课很重要。 计算机视觉,尤其是姿势估计,在这种情况下发挥了作用。
姿势估计是一项计算机视觉工作,旨在预测和监控人或物体的位置,现在可以使用基于 3D 姿势估计的应用程序来帮助人类健身教练。
这些技术评估用户的每一个动作,并使用大量运动跟踪数据为他们提供全面的实时反馈。
接收实时反馈和避免锻炼伤害是与虚拟教练合作的两个好处。
3. 球追踪
对于从基于球的运动中提取信息,特别是网球、板球、羽毛球等球拍或球拍运动,跟踪球的运动至关重要。
计算机视觉模型可以指示球与地面撞击的精确位置,记录球的三个维度的运动,甚至预测球的轨迹以评估它是否会击中三柱门。
换句话说,由计算机视觉驱动的球跟踪系统有助于:
- 球的检测
- 追踪轨迹
- 比赛结果预测
这种类型的球追踪在篮球、排球和足球等比赛中更具挑战性,因为球可以隐藏在球员身后。 或者,球员与球的交换可能会在没有警告的情况下迅速发生。
4. 裁判决策改进
纵观体育史上,公然作弊和裁判不正确的例子不胜枚举。 多年来,技术已经进入体育运动,有助于减少裁判犯的错误数量。
随着视频助理裁判 (VAR)、球门线技术 (GLT)、鹰眼、决策审查系统 (DRS) 和鹰眼等技术在网球和板球运动中的引入,现在可以审查裁判员或裁判员的决定,并,如果不正确,推翻。
由于人工智能和计算机视觉的使用越来越多,未来的体育官员会犯更少的错误。
5. 移动应用中的姿态估计
利用尖端技术将激励人们经常使用您的程序。
您是否经常遇到使用视频演示如何正确进行锻炼的应用程序?
最有可能最近相当定期。 并考虑开发一个计算机视觉模型,该模型可以自动设置正确的位置,跟踪所采取的方法,并提供有关如何增强锻炼的提示。 一个真正的教练的绝佳替身。
使用这种应用程序,始终可以进行培训; 您所需要的只是手头上的相机。 通过添加您自己的特定姿势和技术来发展您的专业领域,从而在您的市场中脱颖而出,而无需为人类教师支付更多费用。
这项技术非常有助于磨练您的特长,可以是某些姿势或动作。 您无需支付额外的专业培训师来教授您的课程。
6.新闻和体育内容
您可以通过结合人工智能和计算机视觉技术来制作有趣的内容。
当模型分析事件(例如目标)时,相机将自动靠近最有趣的时间。
想象一下,如果你只需要设置几个摄像头,就可以智能地自动聚焦在比赛中最关键的部分,而不必支付大量的记者费用,等待后期制作发布体育赛事。
7.粉丝心情
计算机视觉应用的范围简直令人震惊。 以前可以通过连接特殊电线以检测脉冲的测试来衡量一个人观看某物的乐趣。
借助计算机视觉技术,我们不再需要将每个观众都限制在实验室中。 彻底检查电影观众的满意度。
计算机视觉模型可以区分许多不同的情绪,例如快乐、无聊、兴奋、失望等。
挑战
运动计算机视觉主要依靠相机系统来捕捉然后分析运动镜头。 通常,许多摄像机位于动作场景周围,例如体育赛事期间的看台或练习场的两侧。
即使在一场比赛中,角度、位置、硬件和其他射击设置也因运动而异。
计算机视觉系统还必须适应某些匹配和电影捕捉方法,这是一个问题。 其他困难包括:
- 许多体育组织和表现分析部门缺乏先进的视频设备。
- 广播摄像机频繁的平移、倾斜和变焦变化使计算机视觉视频处理系统更难以适应它们接收到的不断变化的数据。
- 计算机视觉视频处理系统可能难以区分背景中的物品、玩家和物体、穿着相同服装的玩家以及其他情况。
计算机视觉在一定程度上解决了这些缺陷。 例如,图像处理使计算机能够区分地面、玩家和其他前景项目。
否则,基于颜色的分割算法可以识别球,监控移动的球员,并通过草的颜色(绿色)定位球场区域。
结论
总而言之,计算机视觉是最热门的技术领域,而且它的受欢迎程度只会越来越高。 这是对数据处理及其如何看待的全新视角; 我们终于训练了电脑看。
运动中最常见的计算机视觉任务是球员和球的跟踪、预防伤害的姿势估计、区分背景和球员的分割等。
每天,我们都会生成大量数据,我们可以有效地利用这些数据 训练模型,然后将作为解决业务困难的有希望的帮助。
发表评论