[ad_1]
I ricercatori dell’Università di Waterloo hanno ricevuto un prezioso aiuto dagli strumenti di intelligenza artificiale (AI) per acquisire e analizzare i dati delle partite di hockey professionistiche in modo più rapido e accurato che mai, con grandi implicazioni per il business dello sport.
Il campo in crescita dell’analisi dell’hockey attualmente si basa sull’analisi manuale delle riprese video delle partite. Le squadre di hockey professionistiche di questo sport, in particolare della National Hockey League (NHL), prendono decisioni importanti riguardanti la carriera dei giocatori sulla base di tali informazioni.
“L’obiettivo della nostra ricerca è interpretare una partita di hockey attraverso il video in modo più efficace ed efficiente di un essere umano”, ha affermato il dottor David Clausi, professore presso il Dipartimento di Ingegneria della Progettazione dei Sistemi di Waterloo. “Una persona non può documentare tutto ciò che accade in un gioco.”
I giocatori di hockey si muovono velocemente in modo non lineare, pattinando dinamicamente sul ghiaccio in brevi spostamenti. A parte i numeri e i cognomi sulle maglie che non sono sempre visibili alla telecamera, le uniformi non sono uno strumento affidabile per identificare i giocatori, in particolare alla velocità frenetica per cui è noto l’hockey. Ciò rende il tracciamento e l’analisi manuale di ciascun giocatore durante una partita molto difficile e soggetto a errori umani.
Lo strumento di intelligenza artificiale sviluppato da Clausi, dal dottor John Zelek, professore del Dipartimento di ingegneria della progettazione dei sistemi di Waterloo, dal professore assistente di ricerca Yuhao Chen e da un team di studenti laureati utilizza tecniche di deep learning per automatizzare e migliorare l’analisi del tracciamento dei giocatori.
La ricerca è stata condotta in collaborazione con Stathletes, una società di analisi e dati sulle prestazioni di hockey professionale con sede in Ontario. Lavorando attraverso i videoclip trasmessi dalla NHL fotogramma per fotogramma, il team di ricerca ha annotato manualmente le squadre, i giocatori e i movimenti dei giocatori sul ghiaccio. Hanno eseguito questi dati attraverso una rete neurale di deep learning per insegnare al sistema come guardare una partita, compilare informazioni e produrre analisi e previsioni accurate.
Una volta testati, gli algoritmi del sistema hanno fornito elevati tassi di precisione. Ha ottenuto un punteggio del 94,5% per il monitoraggio corretto dei giocatori, del 97% per l’identificazione delle squadre e dell’83% per l’identificazione dei singoli giocatori.
Il gruppo di ricerca sta lavorando per perfezionare il prototipo, ma Stathletes sta già utilizzando il sistema per annotare riprese video di partite di hockey. Il potenziale di commercializzazione va oltre l’hockey. Riqualificando i componenti del sistema, è possibile applicarlo ad altri sport di squadra come il calcio o l’hockey su prato.
“Il nostro sistema può generare dati per molteplici scopi”, ha affermato Zelek. “Gli allenatori possono usarlo per elaborare strategie di gioco vincenti, gli osservatori delle squadre possono andare a caccia di giocatori e gli statistici possono identificare modi per dare alle squadre un vantaggio in più sulla pista o sul campo. Ha davvero il potenziale per trasformare il business dello sport.”
[ad_2]
Source link
