หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

การเคลื่อนไหวของระยะไกล

โพสต์ข้อมูลการติดตามสำหรับเหยือกเบสบอล

ประกอบด้วย:

readme.md - ภาพรวมสั้น ๆ ของข้อมูลและวิธีการใช้งาน

example_script.r - สคริปต์ที่มีตัวอย่างของวิธีการใช้ข้อมูล

ภาพรวมข้อมูล:

ข้อมูลสามารถดูได้ที่ลิงค์ Dropbox ต่อไปนี้: https://www.dropbox.com/sh/gxxxnqu9c1v0d6w/aaa8ilsel7yb3_uyn03_k7vba?dl=0

ไฟล์หลักคือ pitcher_motion_data.csv นี่คือไฟล์ CSV ประมาณ 500 MB

นอกจากนี้ยังมีไฟล์ CSV Companion ซึ่งมีข้อมูล Statcast ที่สอดคล้องกับสนามที่รวมอยู่ในชุดข้อมูลนี้

ข้อมูลถูกนำไปใช้สำหรับประเภทเหยือก/พิทช์ซึ่งถูกโยนอย่างน้อย 5 ครั้งที่ Tropicana Field ในฤดูกาลปกติ 2021 5 ตัวอย่างวิดีโอถูกใช้สำหรับแต่ละสนามในแต่ละกรณีเหล่านี้เป็นเหยือกครั้งสุดท้ายที่โยนโดยเหยือกโดยเฉพาะ

ใช้สนาม Tropicana เพราะมีมุมกล้อง Centerfield ซึ่งใช้งานง่าย มีข้อมูลที่ จำกัด เท่านั้นเนื่องจากปริมาณการคำนวณที่จำเป็นในการวัดตำแหน่งเหยือก

แต่ละสนามสามารถระบุได้โดยใช้สามคอลัมน์:

  1. "เหยือก" - จำนวนเต็ม, mlbid ของเหยือก
  2. "pitch_type" - สตริงที่แสดงถึงประเภทของสนามที่ถูกโยนออกไปตามการจัดประเภทโดย Statcast
  3. "pitch_id" - จำนวนเต็มตั้งแต่ 1 ถึง 5 ซึ่งเป็นตัวแทนหมายเลขใดในตัวอย่างสนามนี้คือ

คอลัมน์ "normalised_frame" มีตัวแปรเวลาสำหรับสนามวัดในเฟรมวิดีโอ (วิดีโอคือ 60fps) นี่คือศูนย์ที่ยกขาของเหยือกและขยายทั้งในทิศทางบวกและลบ

การตรวจจับเหยือกนั้นดำเนินการโดยอัตโนมัติตามตำแหน่งของพวกเขาในเฟรมการซิงโครไนซ์ของสนามจะดำเนินการโดยอัตโนมัติโดยใช้การยกขาของเหยือก อาจมีกรณีที่กระบวนการนี้ล้มเหลวเนื่องจากอัลกอริทึมการติดตามท่าไม่ได้ระบุเหยือกหรือบางส่วนของการเคลื่อนไหวของเหยือกไม่เห็นในวิดีโอไฮไลต์ ฉันรวมธงความน่าเชื่อถือสองตัวเพื่อแสดงเมื่อกระบวนการนี้ล้มเหลว

"no_missing_frames" = 1 เมื่อเหยือกสามารถสังเกตได้อย่างต่อเนื่องจาก normalised_frame = -20 ถึง +120 มิฉะนั้นอาจมีเฟรมในช่วงเวลานี้ที่ไม่ตรวจพบเหยือกและหายไปจากชุดข้อมูล "smooth_com_flag" = 1 เมื่อตำแหน่งลำตัวของเหยือกไม่แตกต่างกันไปมากกว่า 100 พิกเซลระหว่างเฟรมติดต่อกันสิ่งนี้จะลบกรณีที่ผู้เล่นที่แตกต่างกันอาจถูกตรวจพบเป็นเหยือก การกรองโดยคอลัมน์ทั้งสองนี้ให้ข้อมูลการเคลื่อนไหวที่แข็งแกร่งที่สุด

คอลัมน์ V1 ถึง V51 อธิบายตำแหน่งของชิ้นส่วนร่างกายของเหยือกในพิกเซล แต่ละส่วนของร่างกายถูกอธิบายโดยสามคอลัมน์พิกัดแนวนอนและแนวตั้งเป็นสองคนแรกฉันไม่แน่ใจว่าสิ่งที่สามคืออะไร แต่ฉันทิ้งไว้ในชุดข้อมูล คำสั่งจะถูกทิ้งไว้เสมอก่อนจากนั้นขวาเลื่อนลงไปตามร่างกาย

V1-V15 เป็นคะแนนบนหัว

V16-V21 เป็นไหล่

V22-V27 เป็นข้อศอก

V28-V33 เป็นมือ

V34-V39 เป็นสะโพก

V40-V45 เป็นหัวเข่า

V46-V51 เป็นเท้า

ส่วนประกอบแนวตั้งคือจำนวนพิกเซลจาก ด้านบน ของภาพดังนั้นคุณต้องใช้ (720 - ตัวแปร) ของสิ่งเหล่านี้เพื่อให้ได้ตำแหน่งที่ถูกต้องบนภาพ

นอกจากนี้ยังมีตัวแปรอื่น ๆ ที่เหลือจากการระบุเหยือกและตัวแปรที่มีความพยายามพื้นฐานในการวัดการแยกสะโพก/ไหล่จากข้อมูล 2D นี้นี่ไม่ใช่การวัดที่เชื่อถือได้!

example_script.r เป็นสคริปต์ R ซึ่งแสดงวิธีการใช้ข้อมูลนี้ในตัวอย่างง่ายๆบางอย่าง

กิตติกรรมประกาศ:

ต้องขอบคุณ BaseballSavant และ MLB สำหรับการสร้างไฮไลท์วิดีโอที่สามารถใช้งานได้ทางออนไลน์ซึ่งเป็นสิ่งจำเป็นในการรวบรวมข้อมูลในระดับนี้

นอกจากนี้ยังต้องขอบคุณ Will McNally สำหรับ Kapao การตรวจจับท่าทางทั้งหมดทำได้โดยใช้อัลกอริทึมนี้ซึ่งนำไปใช้ใน Python

https://github.com/wmcnally/kapao

นี่คือชุดข้อมูลประเภทหนึ่งที่ไม่เคยมีมาก่อนฉันหวังว่าจะพบการใช้งานบางอย่าง

หากคุณมีคำแนะนำใด ๆ ติดต่อบน Twitter @pitching_bot หรือค้นหาข้อมูลติดต่อของฉันที่เว็บไซต์ของฉัน

Cameron Grove - 24/12/21

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด