AI Basketball Referee
1.0.0
スポーツは日々進化しており、それを支えるテクノロジーも飛躍的なスピードで進化しています。多くのスポーツでは、審判の判定とゲーム全体の公平性を向上させるためにコンピューター ビジョンを導入しています。テニスではボールがアウトになったかどうかを検出するためにカメラを使用し、陸上競技では誰がレースに勝ったかを検出するためにカメラを使用します。しかし、大規模な成功に失敗しているスポーツの 1 つがバスケットボールです。それに加えて、バスケットボールは、チャンピオンシップを変えるようなひどい審判の判定で有名なスポーツの 1 つです。バスケットボールの試合を監視するためにコンピューター ビジョンを実装すると、選手やファンにとってゲームの体験がより公平なものになるだけでなく、より優れた機械学習モデルや統計に使用するデータを収集する方法にもなります。
AI バスケットボール審判は、3,000 枚の注釈付き画像でトレーニングされたカスタム YOLO (You Only Look Once) 機械学習モデルを使用して、リアルタイムでバスケットボールを検出するコンピューター ビジョン ベースのシステムです。さらに、YOLO 姿勢推定を利用して、プレーヤーの体のキーポイントを検出します。これら 2 つの技術を組み合わせることで、AI バスケットボール審判はバスケットボールの試合でのトラベルとダブルドリブルを正確に識別することができます。
AI バスケットボール審判のプロセスの最初のステップはバスケットボールの検出です。 YOLO 機械学習モデルは、ビデオ フレーム内のバスケットボールを認識するようにトレーニングされています。これは、さまざまなバスケットボールのポーズ、照明条件、背景を含む 3,000 枚の注釈付き画像の多様なデータセットでトレーニングされています。実行時、モデルは各フレームをリアルタイムで分析し、検出されたバスケットボールの周囲の境界ボックスを予測します。
トラベルとダブルドリブルの検出を可能にするために、AI バスケットボール審判は YOLO 姿勢推定も採用しています。この技術により、システムはプレーヤーの体のキーポイントを特定し、追跡することができます。足首、膝、腰、肘、手首などの主要な体の関節は、プレーヤーの動きを正確に決定するために非常に重要です。
バスケットボールと選手のキーポイントが検出されると、AI バスケットボール審判は事前に定義された一連のルールを適用して、移動違反が発生したかどうかを判断します。連続フレームにわたるプレーヤーのキーポイントの位置と動きを分析することにより、システムは、プレーヤーがボールをドリブルせずにステップを踏んだり、ドリブルやパスをせずに許容距離を超えて移動したインスタンスを検出できます。
同様に、AI バスケットボール審判は、検出されたバスケットボールと選手のキーポイントを活用してダブルドリブルを識別します。プレーヤーのキーポイントの位置と動きを追跡し、バスケットボールとの相互作用を分析することにより、システムは、プレーヤーがボールをドリブルして停止し、その間に他のプレーヤーがボールに触れたりボールを所有したりすることなく再びドリブルを開始する状況を検出できます。
AI バスケットボール審判は、バスケットボールの試合中のトラベルやダブルドリブル違反に関するリアルタイムのフィードバックを提供します。ビデオフィード上で検出された違反が強調表示されるため、審判やユーザーがシステムの決定の正確さを特定して評価することが容易になります。さらに、システムはログまたはアラートを生成して、検出された違反を記録し、さらに分析またはレビューすることができます。
AI バスケットボール審判は、カスタマイズおよび拡張可能であるように設計されています。ユーザーは、特定の要件に合わせて、バスケットボールの検出しきい値、移動およびダブルドリブル検出の感度など、システムのパラメーターを微調整できます。さらに、追加のルールと検出機能をシステムに組み込んで、他のバスケットボールの違反や試合の状況に対処することができます。
全体として、AI バスケットボール審判は、YOLO 物体検出や姿勢推定などの最先端のコンピューター ビジョン技術を組み合わせて、リアルタイムのバスケットボール ゲームでの移動やダブル ドリブルを正確に検出します。これは、審判、コーチ、プレーヤーにとって、ゲームプレイを分析し、プレーヤーのパフォーマンスを向上させ、バスケットボールの試合全体の公平性を高めるための貴重なツールを提供します。
クローンプロジェクト
VSCodeでプロジェクトを開く
新しい conda 環境を作成します: conda create -n exercise-tracking python=3.11
conda 環境をアクティブにする: conda activate exercise-tracking
Ultralytics パッケージをインストールします: pip install ultralytics
試したい Python スクリプトを実行します。 double_dribble.pyとtravel_detection.pyリアルタイムの審判呼び出しを提供するものです。
ビデオの入力を Web カメラ ( cv2.VideoCapture(0) ) または相対パスを持つビデオ ファイル ( cv2.VideoCapture('video.mp4') ) に変更します。
このファイルはバスケットボール検出モデルの中核です。残念ながら、ファイルが大きすぎるため、GitHub のストレージ制限を超えています。ここからファイルをダウンロードしてください: https://drive.google.com/file/d/1e6HLRuhh1IEmxOFaxHQMxfRqhzD92t3B/view?usp=sharing
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
SingleStore ウェビナー https://www.singlestore.com/resources/webinar-how-to-build-an-openai-basketball-referee-system-with-computer-vision-2023-07/
残業時間 (700 万以上) https://www.instagram.com/reel/CtMd6LgAAMo/?igshid=ZmZiYTY5ZDNhOA%3D%3D
Barsee AI https://twitter.com/WGMImedia/status/1664205786644455424
