211service.com
Warum Ball Tracking für Tennis und Cricket funktioniert, aber nicht für Fußball oder Basketball
Bei Ballsportarten haben Bildverarbeitungstechniken begonnen, die Art und Weise zu revolutionieren, wie Analysten das Spiel studieren und wie Schiedsrichter und Schiedsrichter Entscheidungen treffen. Beim Cricket und Tennis beispielsweise zeichnen diese Systeme routinemäßig die Ballbewegung in drei Dimensionen auf und erzeugen dann eine virtuelle Wiedergabe, die genau zeigt, wo ein Ball auf dem Boden aufgeschlagen ist, und sogar seine zukünftige Flugbahn vorhersagt (um festzustellen, ob er das Wicket getroffen hätte, z Beispiel).
Aber diese Art der Ballverfolgung fehlt vor allem bei anderen Ballsportarten wie Basketball, Volleyball, Fußball und so weiter. Bei diesen Sportarten ist der Ball oft hinter den Spielern verborgen, seine Bewegung unterscheidet sich erheblich, wenn er sich im Besitz eines Spielers befindet, als wenn er durch die Luft fliegt, und die Interaktionen der Spieler mit dem Ball können schnell und unvorhersehbar sein.
Diese Faktoren sowie die geringe Größe des Balls in einem Bild und die manchmal geringe Qualität von Videobildern erschweren die Ballverfolgung in diesen Sportarten erheblich.
Heute skizzieren Andrii Maksai und seine Freunde von der Ecole Polytechnique Federale de Lausanne in der Schweiz einen neuen Weg, Bälle in diesen Sportarten zu verfolgen, der andere hochmoderne Ansätze übertrifft.
Die meisten Ballverfolgungssysteme beruhen auf zwei verschiedenen Ansätzen. Die erste versucht, die Bewegung des Balls in drei Dimensionen zu verfolgen und sagt dann verschiedene wahrscheinliche Flugbahnen in der Zukunft voraus. Dieser Baum möglicher Trajektorien kann dann beschnitten werden, wenn mehr Ballverfolgungsdaten verfügbar werden.
Der Vorteil dieses Ansatzes besteht darin, dass die Gesetze der Physik in die Flugbahnvorhersagen eingebaut sind, sodass unphysikalische Lösungen vermieden werden können. Es reagiert jedoch äußerst empfindlich auf die Qualität der Ballverfolgungsdaten und neigt daher dazu, zu versagen, wenn der Ball verdeckt ist oder wenn Spieler auf unvorhersehbare Weise mit dem Ball interagieren.
Eine andere Methode besteht darin, die Spieler zu verfolgen und zu notieren, wann sie in Ballbesitz sind. Es wird dann angenommen, dass die Bewegung des Balls dem Spieler folgt und wenn der Ballbesitz von einem Spieler auf einen anderen übergeht. Der Vorteil dabei ist, dass das System nicht durch schnelle oder unvorhersehbare Pässe verwirrt wird – tatsächlich funktioniert dieser Ansatz gut im Basketball, wo Dribblings und Okklusion Balltrackern das Leben schwer machen können. Ohne physikbasierte Beschränkungen der Bewegung des Balls können diese Systeme jedoch ungenaue Bahnen erzeugen.
Maksai und Co haben eine offensichtliche Lösung gefunden. Sie verfolgen sowohl den Ball als auch die Spieler genau. Sie verwenden dann eine von mehreren verschiedenen Möglichkeiten, um das Ballverfolgungsproblem zu lösen, die davon abhängen, wie die Spieler mit dem Ball interagieren.
Beispielsweise folgt ein Basketballschuss auf den Korb einer ballistischen Flugbahn. Aber ein rollender Ball geht einen anderen Weg. Beide erfordern unterschiedliche Ballverfolgungslösungen für einen Spike im Volleyball, der eine scharfe Änderung der Flugbahn verursacht. Und ein Ball, der von einem Fußballspieler gedribbelt wird, folgt noch einer anderen Art von unregelmäßiger Flugbahn, die eine andere Lösung erfordert. Wir modellieren explizit die Interaktion zwischen dem Ball und den Spielern sowie die physikalischen Einschränkungen, denen der Ball gehorcht, wenn er weit von den Spielern entfernt ist, sagen Maksai und Co.
Das Team hat seinen Algorithmus an einer Reihe von Videosequenzen verschiedener Volleyball-, Basketball- und Fußballspiele getestet. Die Daten stammen von mehreren Kameras, die dieselbe Aktion aus verschiedenen Blickwinkeln aufzeichnen, um ein 3D-Modell des Geschehens zu erstellen. Die Daten sind jedoch alles andere als perfekt, da es viele Fälle von Okklusion, unvorhersehbaren Pässen und unregelmäßigen Flugbahnen gibt.
Die Ergebnisse zeigen einige Verbesserungen bestehender Techniken. Wir zeigen, dass unser Ansatz robuster und genauer ist als mehrere hochmoderne Ansätze zu echten Volleyball-, Basketball- und Fußballsequenzen, sagen sie.
Es ist jedoch nicht perfekt. Ein entscheidender Leistungsmeilenstein für diese Systeme ist die Fähigkeit, eine virtuelle Wiedergabe der Bewegung eines Balls schnell und genau genug für ein Fernsehpublikum zu erstellen.
Das ist eine schwierige Frage, nicht zuletzt, weil dieses neue System mit zunehmender Länge der Videosequenz besser darin wird, Spieler zu verfolgen. Dies erhöht jedoch die Bearbeitungszeit dramatisch.
Aber eine längere Verarbeitungszeit schränkt die Nützlichkeit des Systems für Live-Übertragungen von Sportereignissen stark ein, wenn die virtuelle Wiedergabe fast sofort verfügbar sein muss.
Die Genauigkeit bestimmter Arten der Ballverfolgung – beispielsweise ballistischer Schüsse – wird jedoch bei kürzeren Sequenzen einfacher, da die Unvorhersehbarkeit geringer ist. Hier sollte also eine Art Optimierungsprozess helfen.
Mit solchen Arbeiten rückt die Ballverfolgung in Spielen wie Fußball, Basketball und Volleyball näher. Aber es ist noch nicht schnell genug, um für einen Sportsender kommerziell rentabel zu sein.
Das erfordert möglicherweise eine grundlegende Änderung in der Herangehensweise der Forscher an dieses Problem. Eine Möglichkeit könnte der Einsatz von Deep-Learning-Techniken sein, bei denen ein KI-System lernt, zukünftige Ballbewegungen anhand seines erlernten Wissens aus früheren Spielen vorherzusagen. Das könnte einige der Aufgaben, die das Balltracking mit sich bringt, erheblich vereinfachen.
So oder so, hier gibt es noch viel zu tun.
Ref: http://arxiv.org/abs/1511.06181 : Was Spieler mit dem Ball machen: Eine physisch eingeschränkte Interaktionsmodellierung