الصفحة الرئيسية>المتعلقة بالبرمجة>شفرة المصدر الأخرى
تنزيل

حكم كرة السلة AI v2.0

فيديو تجريبي

غاية

تتطور الرياضة يومًا بعد يوم والتكنولوجيا التي تدعم هذه الرياضات تتطور بمعدل هائل. قامت العديد من الألعاب الرياضية بتطبيق الرؤية الحاسوبية من أجل تحسين استدعاءات الحكام والعدالة الشاملة للعبة. يستخدم التنس الكاميرات لاكتشاف ما إذا كانت الكرة خارج الملعب، ويستخدم سباقات المضمار والميدان الكاميرات لاكتشاف الفائز بالسباق، وغير ذلك الكثير. لكن إحدى الرياضات التي فشلت في القيام بذلك على نطاق واسع هي كرة السلة. علاوة على ذلك، تعد كرة السلة إحدى الرياضات المشهورة بتغيير البطولة وقرارات الحكام الفظيعة. إن تطبيق الرؤية الحاسوبية لمراقبة مباريات كرة السلة لا يمكن أن يجعل اللعبة تجربة أكثر عدلاً للاعبين والمشجعين فحسب، بل يمكن أن يكون أيضًا وسيلة لجمع البيانات لاستخدامها في نماذج وإحصائيات أكبر للتعلم الآلي.

كيف يعمل

حكم كرة السلة AI هو نظام قائم على رؤية الكمبيوتر يستخدم نموذج التعلم الآلي المخصص YOLO (أنت تنظر مرة واحدة فقط) الذي تم تدريبه على 3000 صورة مشروحة لاكتشاف كرات السلة في الوقت الفعلي. بالإضافة إلى ذلك، فإنه يستخدم تقدير الوضعية YOLO لاكتشاف النقاط الرئيسية على جسم اللاعبين. ومن خلال الجمع بين هاتين التقنيتين، يستطيع حكم كرة السلة القائم على الذكاء الاصطناعي تحديد التحركات والمراوغات المزدوجة بدقة في مباريات كرة السلة.

كشف كرة السلة

الخطوة الأولى في عملية حكم كرة السلة بتقنية الذكاء الاصطناعي هي اكتشاف كرة السلة. يتم تدريب نموذج التعلم الآلي YOLO للتعرف على كرات السلة داخل إطارات الفيديو. وقد تم تدريبه على مجموعة بيانات متنوعة مكونة من 3000 صورة مشروحة تحتوي على أوضاع كرة السلة المختلفة وظروف الإضاءة والخلفيات. أثناء وقت التشغيل، يقوم النموذج بتحليل كل إطار في الوقت الفعلي ويتنبأ بالمربعات المحيطة بكرات السلة المكتشفة.

تقدير الموقف

لتمكين اكتشاف الرحلات والمراوغات المزدوجة، يستخدم حكم كرة السلة AI أيضًا تقدير وضعية YOLO. تسمح هذه التقنية للنظام بتحديد وتتبع النقاط الرئيسية على جسم اللاعبين. تعتبر مفاصل الجسم الرئيسية مثل الكاحلين والركبتين والوركين والمرفقين والمعصمين ضرورية لتحديد حركات اللاعب بدقة.

كشف السفر

بمجرد اكتشاف كرات السلة ونقاط مفاتيح اللاعب، يطبق حكم كرة السلة AI مجموعة من القواعد المحددة مسبقًا لتحديد ما إذا كان قد حدث انتهاك للسفر. من خلال تحليل موضع وحركة النقاط الرئيسية للاعب عبر إطارات متتالية، يمكن للنظام اكتشاف الحالات التي اتخذ فيها اللاعب خطوات دون مراوغة الكرة أو تحرك أكثر من المسافة المسموح بها دون مراوغة أو تمرير.

كشف مراوغة مزدوجة

وبالمثل، يستفيد حكم كرة السلة المدعم بالذكاء الاصطناعي من كرات السلة ونقاط مفاتيح اللاعب المكتشفة لتحديد المراوغات المزدوجة. من خلال تتبع موضع وحركة النقاط الرئيسية للاعب وتحليل التفاعلات مع كرة السلة، يمكن للنظام اكتشاف المواقف التي يقوم فيها اللاعب بمراوغة الكرة، ويتوقف، ثم يبدأ في المراوغة مرة أخرى دون أن يلمس لاعب آخر الكرة أو يمتلكها في هذه الأثناء.

ردود الفعل في الوقت الحقيقي

يوفر حكم كرة السلة AI تعليقات في الوقت الفعلي حول انتهاكات السفر والمراوغة المزدوجة أثناء مباريات كرة السلة. ويسلط الضوء على الانتهاكات المكتشفة في بث الفيديو، مما يسهل على الحكام أو المستخدمين تحديد وتقييم دقة قرارات النظام. بالإضافة إلى ذلك، يمكن للنظام إنشاء سجلات أو تنبيهات لتسجيل الانتهاكات المكتشفة لمزيد من التحليل أو المراجعة.

التخصيص والتوسع

تم تصميم حكم كرة السلة AI ليكون قابلاً للتخصيص والتوسيع. يمكن للمستخدمين ضبط معلمات النظام بدقة، مثل عتبة الكشف عن كرات السلة وحساسية السفر والكشف عن المراوغة المزدوجة، لتناسب متطلباتهم المحددة. علاوة على ذلك، يمكن دمج قواعد إضافية وقدرات اكتشاف في النظام لمعالجة انتهاكات كرة السلة الأخرى أو مواقف اللعبة.

بشكل عام، يجمع حكم كرة السلة AI بين أحدث تقنيات الرؤية الحاسوبية، بما في ذلك اكتشاف الأشياء وتقدير الوضعية من خلال YOLO، للكشف بدقة عن الرحلات والمراوغات المزدوجة في مباريات كرة السلة في الوقت الفعلي. فهو يوفر أداة قيمة للحكام والمدربين واللاعبين لتحليل طريقة اللعب وتحسين أداء اللاعب وتعزيز العدالة الشاملة لمباريات كرة السلة.

يثبت

  1. مشروع استنساخ

  2. فتح المشروع في VSCode

  3. إنشاء بيئة كوندا جديدة: conda create -n exercise-tracking python=3.11

  4. تنشيط بيئة كوندا: conda activate exercise-tracking

  5. تثبيت حزمة Ultralytics: pip install ultralytics

  6. قم بتشغيل أي من نصوص Python التي ترغب في تجربتها. double_dribble.py و travel_detection.py هما من يوفران مكالمات الحكم في الوقت الفعلي.

  7. قم بتغيير إدخال الفيديو إما إلى كاميرا الويب الخاصة بك ( cv2.VideoCapture(0) ) أو ملف فيديو بالمسار النسبي ( cv2.VideoCapture('video.mp4') ).

كرة السلةModel.pt

هذا الملف هو جوهر نموذج الكشف عن كرة السلة. لسوء الحظ، الملف كبير جدًا وتجاوز حدود تخزين GitHub. يرجى تنزيل الملف هنا: https://drive.google.com/file/d/1e6HLRuhh1IEmxOFaxHQMxfRqhzD92t3B/view?usp=sharing

في الأخبار:

  • https://news.gatech.edu/news/2023/07/25/tech-student-brings-artificial-intelligence-basketball-officiating

  • https://www.hackster.io/news/ai-basketball-referee-detects-traveling-ed1ed45f8ccd

  • https://aifinityhub.com/2023/06/03/hoops-and-algorithms-ais-role-in-nbas-refereeing/

  • https://www.fry-ai.com/p/ai-basketball-referee-days-yelling-human-officials-soon

  • ندوة ويب SingleStore https://www.singlestore.com/resources/webinar-how-to-build-an-openai-basketball-referee-system-with-computer-vision-2023-07/

  • العمل الإضافي (7M+) https://www.instagram.com/reel/CtMd6LgAAMo/?igshid=ZmZiYTY5ZDNhOA%3D%3D

  • بارسي الذكاء الاصطناعي https://twitter.com/WGMImedia/status/1664205786644455424

يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل