SoccerTrack v2: A Full-Pitch Panoramic Video Dataset for Game State Reconstruction and Ball Action Spotting
SoccerTrack v2 führt einen umfassenden Datensatz von 932 Minuten 4K-Panorama-Video aus zehn Spielen auf Universitätsniveau ein, der vollständige Spielfeld-Spieler-Trajektorien, metrische Koordinaten und akteurengekoppelte Ballaktionsereignisse integriert, um eine einheitliche Forschung zur Rekonstruktion des Spielzustands und zum Aufspüren von Ballaktionen zu ermöglichen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Um das moderne Fußballspiel zu verstehen, muss man zwei verschiedene Arten von Informationen betrachten. Die erste ist eine Karte dessen, wo sich jeder zu jedem gegebenen Zeitpunkt befindet, die die Bewegung jedes Spielers und des Balls über den Rasen verfolgt. Die zweite ist ein Protokoll dessen, was sie tatsächlich tun: ein Pass, ein Schuss, ein Zweikampf oder ein Tor. Jahrelang haben Forscher darum gerungen, diese beiden Dinge gemeinsam zu untersuchen. Die meisten verfügbaren Daten stammen aus Fernsehübertragungen, bei denen die Kamera der Action wie ein Suchscheinwerfer folgt. Das bedeutet, dass die Spieler, die im Dunkeln zurückbleiben, wenn der Ball auf die andere Seite des Feldes bewegt, einfach ignoriert werden. Ihre Positionen werden geschätzt oder gänzlich weggelassen, was es unmöglich macht, das vollständige Bild des Spiels in seiner Entfaltung zu sehen. Ohne das gesamte Spielfeld zu sehen, ist es schwierig zu verstehen, wie sich die Formation eines Teams verändert oder wie eine bestimmte Aktion durch die gesamte Gruppe nachwirkt.
Ein Team von Forschern der Nagoya University und der University of Tsukuba hat nun eine neue Ressource veröffentlicht, die endlich die vollständige Sicht und die vollständige Geschichte zusammenführt. Sie nennen sie SoccerTrack v2. Anstatt sich auf eine Kamera zu verlassen, die schwenkt und zoomt, verwendeten sie fest installierte Kameras, die hoch über dem Stadion montiert sind und das gesamte Spielfeld in einer einzigen, weiten Aufnahme erfassen. Dieses Setup stellt sicher, dass kein Spieler jemals aus dem Bild verschwindet, egal wohin der Ball geht. Der Datensatz umfasst zehn vollständige Spiele auf Universitätsniveau, was insgesamt über 930 Minuten Dauervideo entspricht. Für jedes einzelne Frame dieses Filmmaterials haben die Forscher den exakten Standort jedes Spielers, seine Rückennummer, seine Rolle und das Team, dem er angehört, aufgezeichnet. Sie haben zudem jede Ballaktion markiert – vom einfachen Pass bis zum komplexen Zweikampf – und jede Aktion direkt mit dem spezifischen Spieler verknüpft, der sie ausgeführt hat. Dies schafft ein vollständiges, synchronisiertes Protokoll, in dem die Bewegung der Spieler und die Ereignisse des Spiels auf eine Weise miteinander verbunden sind, wie es zuvor noch nie möglich war.
Die Forscher nutzten diese neuen Daten, um zu testen, wie gut Computer den Spielzustand rekonstruieren und spezifische Aktionen erkennen können. Sie entwickelten ein System, um Spieler über die gesamte Dauer eines Spiels zu verfolgen, das bis zu 45 Minuten für eine Halbzeit dauern kann. Als sie dieses System an kurzen Clips von nur 30 Sekunden testeten, schnitt es recht gut ab und identifizierte Spieler sowie deren Positionen korrekt. Als sie das System jedoch über die volle Länge des Spiels laufen ließen, sank die Genauigkeit signifikant. Je länger die Videosequenz wurde, desto schwieriger war es für den Computer, den Überblick darüber zu behalten, wer wer war. Das System begann, den Griff auf die Identitäten zu verlieren, verwechselte Spieler oder verlor sie im Laufe der Zeit ganz aus den Augen. Diese Erkenntnis ist entscheidend, da sie zeigt, dass ein System, das in einem kurzen Videoclip perfekt funktioniert, nicht automatisch davon ausgegangen werden kann, dass es über ein ganzes Spiel ebenso gut arbeitet. Die Herausforderungen des langfristigen Trackings sind real und unterscheiden sich deutlich von den Herausforderungen der Kurzzeitanalyse.
In einem zweiten Experiment versuchte das Team, einem Computer beizubringen, Ballaktionen wie einen Pass oder einen Schuss zu erkennen, indem es ausschließlich die Bewegungsdaten der Spieler und des Balls nutzt, ohne die Videopixel selbst zu betrachten. Sie fanden heraus, dass das Wissen darüber, wo sich die Spieler befanden, ausreichte, um die meisten Aktionen mit einer vernünftigen Genauigkeit vorherzusagen. Als sie jedoch die spezifische Flugbahn des Balls zu den Informationen hinzufügten, verbesserte sich die Fähigkeit des Computers, Aktionen zu erkennen, drastisch – insbesondere bei Ereignissen, die sehr schnell ablaufen. Die Bewegung des Balls lieferte einen entscheidenden Hinweis, den die Positionen der Spieler allein nicht vollständig erfassen konnten. Interessanterweise hatte der Computer die größten Schwierigkeiten mit Aktionen, die zwei Spieler im Kampf um den Ball beinhalteten, wie etwa ein Zweikampf oder ein Block. Diese Momente sind schwer vorhersehbar, da das Ergebnis von einer physischen Kollision abhängt, die allein durch die Betrachtung der Standorte der Spieler schwer zu erfassen ist.
Die Veröffentlichung dieses Datensatzes verdeutlicht auch die Grenzen der aktuellen Technologie. Die Forscher merkten an, dass sie zwar das gesamte Feld sehen konnten, der Kamerawinkel jedoch dazu führte, dass der Ball oft nur aus wenigen Pixeln bestand, was es für einen Computer nahezu unmöglich machte, ihn direkt aus dem Video zu detektieren. Stattdessen mussten sie sich auf den aufgezeichneten Pfad des Balls verlassen, der aus den Ereignisprotokollen rekonstruiert wurde, anstatt ihn Frame für Frame zu beobachten. Dies bedeutet, dass die aktuellen Ergebnisse auf einer Mischung aus beobachteter Spielerbewegung und rekonstruierten Ball-Daten basieren. Das Team wies zudem darauf hin, dass die Daten aus Spielen auf Universitätsniveau stammen, die sich möglicherweise anders als Profispiele spielen, und dass die verwendeten Kameras fest installiert sind, im Gegensatz zu den beweglichen Kameras, die im Fernsehen verwendet werden.
Trotz dieser Einschränkungen stellt die Arbeit einen großen Fortschritt dar. Indem sie eine Ressource bereitstellen, in der das gesamte Feld, die gesamte Dauer und die gesamte Geschichte in einem Paket verfügbar sind, haben die Forscher der wissenschaftlichen Gemeinschaft einen neuen Standard zur Überprüfung gegeben. Sie haben gezeigt, dass die Bewertung eines Systems anhand eines kurzen Clips eine irreführend optimistische Sicht auf dessen Leistung liefern kann. Um das Spiel wirklich zu verstehen und Systeme zu entwickeln, die ein ganzes Spiel verfolgen können, ohne den Überblick zu verlieren, müssen Forscher ihre Methoden über die gesamte Länge des Spiels testen. SoccerTrack v2 bietet den ersten vollständigen Spielplatz für diese Art von Arbeit und ermöglicht es Wissenschaftlern, genau zu sehen, wo ihre derzeitigen Werkzeuge Erfolg haben und wo sie scheitern, was den Weg für ein tieferes Verständnis des „schönen Spiels“ ebnet.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.