A Computer Vision Framework for Multi-Class Detection and Tracking in Soccer Broadcast Footage
यह शोध पत्र बॉल डिटेक्शन (गेंद का पता लगाने) की निरंतर चुनौतियों के बावजूद, मानक सॉकर ब्रॉडकास्ट फुटेज से YOLO और ByteTrack का उपयोग करके खिलाड़ी और अधिकारी ट्रैकिंग डेटा निकालने के लिए एक लागत प्रभावी, सिंगल-कैमरा कंप्यूटर विज़न फ्रेमवर्क प्रस्तुत करता है, जिससे कम बजट वाली टीमों के लिए उन्नत एनालिटिक्स का लोकतंत्रीकरण होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप टीवी पर एक फुटबॉल मैच देख रहे हैं। सालों तक, केवल बेहद अमीर और पेशेवर क्लब ही उन "सुपरपावर्स" को वह खर्च उठा सकते थे जिससे वे सटीक रूप से देख सकें कि हर खिलाड़ी कहाँ दौड़ रहा है, कितनी तेज़ चल रहा है और वह क्या कर रहा है। उनके पास महंगे GPS वेस्ट और कैमरों की फौज होती थी। लेकिन छोटे खिलाड़ियों के पास—जैसे कॉलेज टीमें, एमेच्योर क्लब और स्थानीय अकादमियां—के पास केवल अनुमान लगाने का विकल्प था, जो एक स्काउट की थकी हुई आँखों और एक नोटबुक पर निर्भर था।
यह पेपर उन "छोटे खिलाड़ियों" को भी एक सुपरपावर देने के बारे में है, जिसे आर्टिफिशियल इंटेलिजेंस (AI) नामक एक तकनीक के जरिए हासिल किया जा सकता है।
यहाँ लेखक, डैनियल त्शियानी (Daniel Tshiani) ने क्या किया है, इसका सरल विवरण दिया गया है, जिसे रोजमर्रा के उदाहरणों के साथ समझाया गया है।
मुख्य विचार: "जादुई आँख" (The Magic Eye)
मुख्य सवाल यह था: क्या हम केवल साधारण टीवी ब्रॉडकास्ट फीड (एक कैमरा) का उपयोग करके स्वचालित रूप से हर खिलाड़ी, रेफरी, गोलकीपर और गेंद को ट्रैक कर सकते हैं?
इसे इस तरह सोचें: एक टीम को मैच देखने और नोट्स लिखने के लिए नियुक्त करने के बजाय, हमने एक रोबोटिक आँख बनाई है जो वीडियो देखती है और हमारे लिए नोट्स लिखती है।
रोबोटिक आँख कैसे काम करती है (द पाइपलाइन)
लेखक ने तीन चरणों वाली एक मशीन बनाई:
- डिटेक्टिव (YOLO):
सबसे पहले, सिस्टम वीडियो के हर फ्रेम को देखता है। यह YOLO (जिसका अर्थ है "You Only Look Once") नामक एक मॉडल का उपयोग करता है। कल्पना कीजिए कि एक सुपर-फास्ट डिटेक्टिव भीड़ को स्कैन करता है और तुरंत किसी की ओर उंगली दिखाकर कहता है, "वह एक खिलाड़ी है," "वह गोलकीपर है," "वह रेफरी है," या "वह गेंद है।"
- ट्विस्ट: लेखक ने डिटेक्टिव को वीडियो को हाई डेफिनेशन (जैसे आवर्धक लेंस से ज़ूम करना) में देखने के लिए बनाया ताकि वह छोटी और तेज़ी से चलती गेंद को मिस न कर दे।
मेमोरी कीपर (ByteTrack):
एक बार जब डिटेक्टिव किसी को पहचान लेता है, तो सिस्टम को यह जानने की ज़रूरत होती है कि "लाल शर्ट वाला खिलाड़ी नंबर 10" अगले सेकंड में भी वही व्यक्ति है। यहीं ByteTrack काम आता है। यह एक क्लब के बाउंसर की तरह है जो हर किसी को एक विशिष्ट आईडी नंबर वाला रिस्टबैंड पहना देता है। भले ही खिलाड़ी किसी दूसरे व्यक्ति के पीछे छिप जाए (occlusion) या कैमरा हिल जाए, बाउंसर ट्रैक रखता है कि कौन कौन है।टीम सॉर्टर (द "कलर" ट्रिक):
यह पता लगाने के लिए कि कौन सी टीम कौन सी है, सिस्टम जर्सी के रंगों को देखता है। यह यह समझने के लिए एक स्मार्ट टूल CLIP का उपयोग करता है कि "यह नीली शर्ट" और "वह नीली शर्ट" एक ही समूह से संबंधित हैं, जबकि "यह लाल शर्ट" दुश्मन की है। यह बिना आकार देखे, रंगों के आधार पर लेगो (Lego) के मिश्रित टुकड़ों को छाँटने जैसा है।
परिणाम: अच्छा, बुरा और उतार-चढ़ाव भरा
रोबोटिक आँख अविश्वसनीय रूप से अच्छा काम करती है, लेकिन इसकी एक बड़ी कमजोरी भी है।
- खिलाड़ी, रेफरी और गोलकीपर: सिस्टम एक विजेता था। इसने लगभग हर खिलाड़ी को पकड़ लिया (99% सटीकता!) और यह बता सका कि गोलकीपर और एक सामान्य खिलाड़ी के बीच क्या अंतर है। यह खेत में चूहे को देखते हुए एक बाज की तरह था।
- गेंद: यह संघर्ष का विषय था। सिस्टम इस बात में तो अच्छा था कि "अगर मुझे गेंद दिखती है, तो वह शायद गेंद ही है," लेकिन इसने आधी बार गेंद को मिस कर दिया।
- क्यों? गेंद बहुत छोटी होती है, चीते से भी तेज़ चलती है, और खिलाड़ियों के पैरों के नीचे लगातार छिपती रहती है। यह एक रेत के तूफान में रेत के एक विशेष कण को ट्रैक करने की कोशिश करने जैसा है जबकि कोई उसे किक मार रहा हो।
यह क्यों मायने रखता है (इसका महत्व क्या है?)
इससे पहले, यदि आपके पास एक छोटा कॉलेज deam होता, तो आप उस शानदार डेटा को नहीं खरीद सकते थे जिसका उपयोग ब्राइटन एंड होव एल्बियन जैसे बड़े क्लब सस्ते खिलाड़ियों को खरीदने और उन्हें करोड़ों में बेचने के लिए करते हैं।
यह पेपर साबित करता है कि अब आपको महंगे हार्डवेयर की आवश्यकता नहीं है। आपको बस एक कंप्यूटर और एक वीडियो फ़ाइल चाहिए।
- छोटे खिलाड़ियों के लिए: यह खेल के मैदान को समान बनाता है। एक हाई स्कूल कोच अब बिना 50,000 डॉलर का उपकरण खरीदे, यह देख सकता है कि उनकी टीम कैसे मूव कर रही है।
- दुनिया के लिए: यह दिखाता है कि AI एक साधारण टीवी ब्रॉडकास्ट को डेटा के खजाने में बदल सकता है।
कमियाँ (जिन पर काम करने की ज़रूरत है)
सिस्टम अभी भी परफेक्ट नहीं है।
- "खोई हुई आईडी" की समस्या: यदि कोई खिलाड़ी स्क्रीन से बाहर जाता है और वापस आता है, तो सिस्टम कभी-कभी सोचता है कि वह एक नया व्यक्ति है और उसे एक नई आईडी संख्या दे देता है। यह एक पार्टी में अपने दोस्त से मिलने, उसे नज़र से खो देने, और फिर उसके वापस आने पर उसे एक अजनबी समझने जैसा है।
- "धूप" की समस्या: यदि सूरज किसी खिलाड़ी के चेहरे पर पड़ता है या उसकी जर्सी का रंग बदल जाता है, तो सिस्टम कभी-कभी भ्रमित हो जाता है कि वह किस टीम का है।
- गेंद: हमें रोबोट को उस छोटी, तेज़ गेंद का पीछा करने में बेहतर बनाने की अभी भी ज़रूरत है।
निष्कर्ष
यह पेपर किफायती स्पोर्ट्स साइंस की एक जीत है। यह कहता है, "अब हम उसी तरह का स्मार्ट डेटा निकाल सकते हैं जो केवल अमीर क्लबों के पास था, और वह भी सिर्फ एक कैमरे और कुछ स्मार्ट कोड के माध्यम से।" यह अभी पूरी तरह से परफेक्ट नहीं है, लेकिन यह पेशेवर स्तर के विश्लेषण को हर किसी के लिए उपलब्ध कराने की दिशा में एक बड़ा कदम है—चाहे वह प्रीमियर लीग हो या स्थानीय पार्क।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।