A Computer Vision Framework for Multi-Class Detection and Tracking in Soccer Broadcast Footage
تقدم هذه الورقة إطار عمل للرؤية الحاسوبية من كاميرا واحدة ومنخفض التكلفة باستخدام YOLO وByteTrack لاستخراج بيانات تتبع اللاعبين والحكام من لقطات البث القياسية لكرة القدم، مما يساهم في إتاحة التحليلات المتقدمة للفرق ذات الميزانيات المنخفضة رغم التحديات المستمرة في اكتشاف الكرة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تشاهد مباراة كرة قدم على التلفاز. لسنوات، كانت الأندية الاحترافية فائقة الثراء فقط هي التي تستطيع تحمل تكاليف "القوى الخارقة" لرؤية أين يركض كل لاعب بالضبط، ومدى سرعة حركتهم، وماذا يفعلون. لقد استخدموا سترات نظام تحديد المواقع (GPS) باهظة الثمن وجيوشاً من الكاميرات. أما "الصغار" — مثل فرق الجامعات، والأندية الهاوية، والأكاديميات المحلية — فقد كان عليهم التخمين، والاعتماد على عيون الكشافين المتعبة ودفتر ملاحظات.
هذه الورقة البحثية تدور حول منح هؤلاء "الصغار" قوة خارقة أيضاً، باستخدام خدعة تسمى الذكاء الاصطناعي (AI).
إليك التبسيط لما فعله المؤلف، دانيال تشياني، مشروحاً عبر تشبيهات من الحياة اليومية.
الفكرة الكبرى: "العين السحرية"
السؤال الرئيسي كان: هل يمكننا ببسا simply استخدام بث البث التلفزيوني العادي (كاميرا واحدة) لتتبع كل لاعب، والحكم، وحارس المرمى، والكرة تلقائياً؟
فكر في الأمر على هذا النحو: بدلاً من توظيف فريق مكون من 50 شخصاً لمشاهدة المباراة وكتابة الملاحظات، قمنا ببناء عين روبوتية تشاهد الفيديو وتقوم بتدوين الملاحظات نيابة عنا.
كيف تعمل العين الروبوتية (خط الإنتاج)
بنى المؤلف آلة مكونة من ثلاث خطوات للقيح بهذا العمل:
- المحقق (YOLO):
أولاً، ينظر النظام إلى إطارات الفيديو إطاراً تلو الآخر. إنه يستخدم نموذجاً يسمى YOLO (والذي يعني "أن تنظر إليها مرة واحدة فقط"). تخيل محققاً فائق السرعة يمسح الحشود ويشير بإصبعه فوراً إلى الجميع، قائلاً: "هذا لاعب"، "هذا حارس مرمى"، "هذا حكم"، أو "هذه كرة".
- اللمسة المميزة: جعل المؤلف المحقق ينظر إلى الفيديو بـ دقة عالية (مثل التكبير باستخدام عدسة مكبرة) حتى لا تفوته الكرة الصغيرة سريعة الحركة.
حافظ الذاكرة (ByteTrack):
بمجرد أن يرصد المحقق شخصاً ما، يحتاج النظام لمعرفة أن "اللاعب رقم 10 في القميص الأحمر" هو نفس الشخص في الثانية التالية. هنا يأتي دور ByteTrack. إنه يشبه حارس الأمن (الباونسر) في ملهى ليلي يضع سواراً مع رقم تعريف فريد لكل شخص. حتى لو ركض اللاعب خلف شخص آخر (الاحتجاب) أو اهتزت الكاميرا، يستمر الحارس في تتبع من هو كل شخص.مصنف الفريق (خدعة "اللون"):
لمعرفة أي فريق هو أي فريق، ينظر النظام إلى ألوان القمصان. إنه يستخدم أداة ذكية تسمى CLIP لفهم أن "هذا القميص الأزرق" و"ذلك القميص الأزرق" ينتميان إلى نفس المجموعة، بينما "هذا القميص الأحمر" هو الخصم. الأمر يشبه فرز كومة من قطع "الليغو" المختلطة حسب اللون دون حتى النظر إلى أشكالها.
النتائج: الجيد، والسيئ، والمتعرج
عملت العين الروبوتية بشكل جيد للغاية، لكن كان لديها نقطة ضعف رئيسية واحدة.
- اللاعبون، الحكام، وحراس المرمى: كان النظام بطلاً. لقد أمسك بكل لاعب تقريباً (دقة 99%!) واستطاع التمييز بين حارس المرمى واللاعب العادي. كان الأمر مثل صقر يرصد فأراً في حقل.
- الكرة: كانت هذه هي المعاناة. كان النظام جيداً في قول: "إذا رأيت كرة، فمن المرجح أنها كرة"، لكنه أضاع الكرة نصف الوقت.
- لماذا؟ الكرة صغيرة، وتتحرك أسرع من الفهد، وتختبئ باستمرار تحت أقدام اللاعبين. الأمر يشبه محاولة تتبع حبة رمل معينة في عاصفة رملية بينما يقوم شخص ما بركلها حولك.
لماذا هذا مهم (ما الفائدة؟)
قبل هذا، إذا كنت فريقاً جامعياً صغيراً، لم يكن بإمكانك الحصول على البيانات الفاخرة التي تستخدمها الفرق الكبيرة مثل "برايتون آند هوف ألبيون" لشراء لاعبين رخيصين وبيعهم بملايين الدولارات.
تثبت هذه الورقة أنك لم تعد بحاجة إلى أجهزة باهظة الثمن. أنت فقط بحاجة إلى كمبيوتر وملف فيديو.
- للصغار: إنها توازن كفة الملعب. يمكن لمدرب مدرسة ثانوية الآن رؤية كيفية تحرك فريقه بدقة دون شراء معدات بقيمة 50,000 دولار.
- للعالم: إنها تظهر كيف يمكن للذكاء الاصطناعي تحويل بث تلفزيوني بسيط إلى منجم من البيانات الثمينة.
العقبات (ما الذي يحتاج إلى عمل؟)
النظام ليس مثالياً بعد.
- مشكلة "التعريف المفقود": إذا ركض لاعب خارج الشاشة ثم عاد، يعتقد النظام أحياناً أنه شخص جديد ويعطيه رقم تعريف جديد. الأمر يشبه مقابلة صديق في حفلة، ثم فقدت رؤيته، ثم اعتقدت أنه غريب عندما عاد للداخل.
- مشكلة "ضوء الشمس": إذا ضربت أشعة الشمس وجه اللاعب أو غيرت لون قميصه، قد يرتبك النظام بشأن الفريق الذي ينتمي إليه.
- الكرة: لا نزال بحاجة لتعليم الروبوت كيف يكون أفضل في مطاردة تلك الكرة الصغيرة والسريعة.
الخلاصة
هذه الورقة هي جولة انتصار لعلم الرياضة الميسر. إنها تقول: "يمكننا الآن استخراج نفس نوع البيانات الذكية التي كانت تمتلكها الأندية الغنية فقط، باستخدام كاميرا واحدة وبعض الأكواد الذكية". النظام ليس مثالياً بعد، لكنه قفزة هائلة نحو جعل التحليل بمستوى الاحتراف متاحاً للجميع، من الدوري الإنجليزي الممتاز وصولاً إلى المنتزهات المحلية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.