＜ Di balik layar analisis sepak bola: bagian 1 > Cara mendapatkan data pertandingan dari rekaman siaran (1)
Kata Pengantar
Halo semuanya! Terima kasih atas semua dukungan Anda, ini Scott dari Playbox!
Artikel hari ini akan menjelaskan cerita di balik artikel Asahi Shimbun bulan lalu yang menganalisis pergerakan Misumi. Dalam mempersiapkan artikel ini, kami dibantu oleh Umemoto-san, mahasiswa junior di Universitas Nagoya, dan Nakamura-san, mahasiswa junior di Universitas Tsukuba.
Dalam artikel ini, kami menjelaskan kisah di balik pertandingan pertama Jepang di babak kualifikasi final Asia untuk Piala Dunia, yang baru-baru ini diterbitkan di Asahi Shimbun. Dalam mempersiapkan artikel ini, kami dibantu oleh Umeki-san dan Nakamura-san, keduanya adalah junior kami di Nagoya/Universitas Tsukuba.
Umeki adalah salah satu peneliti analisis data sepak bola terbaik di Jepang dan satu-satunya peneliti Jepang yang telah mempresentasikan di konferensi Statsbomb yang terkenal di luar negeri.
Evaluasi Posisi Pertahanan Tim: Umemoto Rikuhei | Konferensi StatsBomb 2023
Nakamura-san adalah seorang analis dan peneliti visi komputer di Universitas Tsukuba, dan masa depannya sangat menjanjikan. Dia sama dengan saya dalam hal fakultas, kegiatan klub dan laboratorium, tetapi perhatiannya terhadap sepak bola mungkin lebih unggul dari saya dengan selisih yang lebar.
Artikel ini sedikit bertele-tele, tapi silakan nikmati sebagai pengantar ke garis depan analisis sepak bola. Disampaikan dalam tiga bagian!
- ＜Di balik layar analisis sepak bola: Bagian 1: Cara memperoleh data pertandingan dari rekaman siaran (artikel ini)
- ＜Di balik layar analisis sepak bola: Bagian 2: Menganalisis pembawa bola (xG, VAEP)
- ＜ Menganalisis pola serangan tanpa bola (OBSO)
Pendahuluan - apa yang dimaksud dengan 'data' dalam analisis sepak bola?
Tenaga kerja vs. sensor vs. pemrosesan gambar
Dalam olahraga, metode untuk mengumpulkan data secara kasar dapat diklasifikasikan ke dalam tiga kategori berikut
- Tenaga manusia: secara manual merekam posisi pemain, bola, dan permainan sambil menonton rekaman video.
- Sensor: GPS dipasangkan pada pemain untuk memperoleh data seperti posisi dan kecepatan.
- Pemrosesan gambar (analisis video): menggunakan AI untuk secara otomatis mengekstrak posisi pemain dan bola serta informasi kejadian dari rekaman pertandingan.
Kelebihan dan kekurangan masing-masing dapat diringkas sebagai berikut.
| Metode | Biaya | Akurasi | Bersifat real-time | Perolehan informasi tentang tim lawan | Data yang dapat diperoleh |
|---|---|---|---|---|---|
| Tenaga kerja | Sumber daya manusia | Lemak | Tenaga manusia | Lemak | Hanya data peristiwa |
| Sensor | ✗ | ◎ | ◎ | ✗ ✗ ✗ | Hanya melacak data |
| Pemrosesan gambar | ✗ ✗ ◯ | ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ ◎ | Lemak ke Lemak | Lemak | Data pelacakan + data peristiwa |
Ada trade-off dalam pemrosesan gambar (analisis video): mengejar akurasi akan meningkatkan waktu pemrosesan, sementara meningkatkan kinerja waktu nyata akan mengurangi akurasi. Namun demikian, dimungkinkan untuk memperoleh data dari tim lawan, dan data pelacakan serta data peristiwa dapat diperoleh. Ini juga merupakan metode yang paling fleksibel dan realistis dalam praktiknya, mengingat bahwa analis video bertanggung jawab untuk menangkap rekaman. Akurasi juga meningkat dari tahun ke tahun, itulah sebabnya Playbox berfokus pada analisis video.
Metode sensor (GPS) juga menggabungkan akselerometer dan sensor lainnya, dan baru-baru ini telah meningkat ke tingkat di mana kesalahannya dalam satu meter. Penggunaan yang paling ideal adalah dalam kombinasi dengan analisis video, tetapi kekurangannya adalah data dari tim lawan tidak dapat diperoleh, dan pemasangan serta pengelolaan sistem ternyata memakan waktu dan biaya yang cukup besar. Selain itu, data peristiwa seperti operan dan tembakan tidak dapat diperoleh.
Jenis rekaman yang dapat digunakan untuk analisis sepak bola
Ada tiga jenis video utama yang dapat digunakan untuk analisis sepak bola
- Rekaman siaran: rekaman yang tersedia secara luas untuk umum, seperti siaran langsung TV. Ini membutuhkan banyak pergantian kamera dan zoom, dan memerlukan kecerdikan untuk analisis, tetapi memiliki keuntungan karena mudah diakses.
Cuplikan layar dari satu pertandingan Liga Premier. Sumber kutipan adalah **Tweet ini.***
-
Rekaman kamera tetap (metode yang terutama ditangani oleh Playbox): pengaturan kamera sederhana yang secara konstan menangkap seluruh lapangan. Meskipun rekamannya stabil dan mudah untuk dianalisis, resolusi masing-masing pemain kasar karena seluruh lapangan direkam, sehingga sulit untuk melakukan analisis yang mendetail, seperti pengenalan nomor punggung.
Contoh rekaman lapangan penuh kamera tetap yang dapat direkam dengan perangkat kamera Playbox. Lihat di sini untuk informasi selengkapnya.
-
Rekaman drone: dapat menangkap area yang luas dari atas, ideal untuk analisis taktis, tetapi mahal dan tunduk pada batasan hukum.
Dalam penelitian master saya, saya membuat kumpulan data yang berisi rekaman lapangan yang diambil dari udara. Anda dapat melihat di mana orang berada, tetapi Anda tidak dapat mengetahui siapa mereka. Kebetulan, Anda bisa mengunduh dataset ini dari Kaggle.
Jenis data yang dapat diperoleh dari rekaman
Dua jenis data utama yang dapat diperoleh dari rekaman adalah
- Data pelacakan: posisi pemain dan bola, kecepatan gerakan, jarak yang ditempuh, dll.
- Data kejadian: permainan spesifik yang terjadi selama pertandingan, seperti mengoper, menembak, menggiring bola, dll.
Dengan menggabungkan data-data ini, sistem dapat digunakan untuk berbagai tujuan, seperti analisis taktis yang mendetail dan evaluasi kinerja pemain individu.
Alasan memilih rekaman siaran untuk proyek ini
Karena kami tidak berada di lokasi untuk pertandingan yang kami analisis kali ini (kualifikasi Piala Dunia Jepang), kami hanya memiliki akses ke rekaman siaran yang telah tersedia untuk umum. Kami telah mengonfirmasi kepada pihak surat kabar bahwa tidak ada masalah dalam menganalisis rekaman publik tersebut dan menulis artikel tentang hal itu, namun saat ini kami belum bisa menilai apakah rekaman tersebut bisa dikonversi menjadi data dan digunakan secara komersial. Hal ini karena Playbox belum pernah menghadapi masalah ini, karena kami menerima rekaman langsung dari tim, menganalisisnya dan mengembalikan hasilnya.
Namun, baru-baru ini, kami telah menerima permintaan dari para pemain langsung yang mengatakan bahwa mereka tidak dapat menampilkan rekaman pertandingan yang sebenarnya di YouTube, sehingga mereka ingin menggunakan data yang diperoleh dari rekaman tersebut untuk menghidupkan dan mendistribusikan situasi pertandingan. Ada beberapa area abu-abu hukum dalam hal ini, jadi kami berencana untuk berkonsultasi dengan pengacara dalam waktu dekat untuk memperjelas situasinya.
Kebetulan, kami bertanya kepada ChatGPT,
"Jika video itu sendiri memiliki hak cipta, data dan animasi yang dibuat berdasarkan video tersebut juga dapat dianggap sebagai 'karya turunan'. Oleh karena itu, disarankan untuk mendapatkan izin dari pemegang hak cipta untuk penggunaan komersial. Namun, jika data yang diekstrak dari rekaman dianggap sebagai 'informasi faktual tanpa hak cipta', izin mungkin tidak diperlukan. Karena keputusannya tergantung pada kasus tertentu, kami sarankan untuk berkonsultasi dengan ahlinya."
Kata perusahaan. Ya, berkonsultasilah dengan ahlinya.
Bab berikutnya akan menjelaskan secara rinci proses bagaimana data secara khusus diekstrak dari rekaman siaran.
2. Cara mengekstrak data pertandingan dari rekaman siaran
Biasanya, memperoleh data pelacakan pemain membutuhkan banyak waktu dan usaha, seperti memasang sejumlah kamera khusus di stadion dan mendaftarkan warna dan nomor seragam pemain dalam sistem terlebih dahulu.
Namun, ketika analisis dilakukan hanya dengan menggunakan rekaman siaran yang kemudian tersedia untuk umum, seperti dalam kasus ini, persiapan awal seperti itu sama sekali tidak mungkin dilakukan. Dengan kata lain, poin kuncinya adalah seberapa akurat AI dapat melacak pemain dan bola, dengan mengandalkan "hanya rekaman tertentu".
Ada beberapa perusahaan di dunia yang telah mencapai hal ini. Sebagai contoh, sebuah perusahaan bernama SkillCorner tampaknya memiliki teknologi untuk mereproduksi situasi pertandingan dalam waktu nyata hanya dengan menggunakan rekaman siaran.
Menurut saya, ini adalah pesaing yang serius, tetapi saya memperkenalkannya karena ini sangat keren, dan Anda bisa menantikan hal semacam ini dalam waktu dekat untuk Playbox!
Sekarang, teknologi untuk mengekstraksi 'siapa' dan 'di mana' dari rekaman siaran saja disebut Game State Reconstruction (GSR). Action Spotting, yang secara otomatis mendeteksi "apa yang sedang dilakukan" (misalnya mengoper, menembak, dll.) , terutama yang berkaitan dengan bola, disebut Ball Action Spotting (BAS).
Rekonstruksi Keadaan Permainan (GSR).
GSR adalah teknologi yang merekonstruksi keadaan permainan dengan mengekstraksi informasi posisi pemain dan bola dari rekaman video.
Blog dari moai510 berikut ini, yang merangkumnya secara rinci dalam bahasa Jepang, adalah referensi yang bagus.
- Pengantar makalah: penjelasan tentang teknologi dalam makalah SoccerNet GSR.
- Pengantar makalah: Rekonstruksi Keadaan Permainan SoccerNet
Teknologi mutakhir (State-of-the-Art, SOTA) yang diterbitkan sebagai makalah "Dari Siaran ke Minimap: Menyatukan Deteksi, Pelacakan, dan Kalibrasi untuk Time Game State Reconstruction". Metode ini menggabungkan teknologi AI sumber terbuka seperti YOLO-v5m, SegFormer, dan DeepSORT dengan dataset berpemilik (sayangnya tidak disebutkan), dan melaporkan bahwa metode ini dapat merekonstruksi keadaan game dengan kecepatan mendekati waktu nyata.
Namun, artikel ini tidak akan membahas teknologi spesifik ini secara mendalam. Hal ini dikarenakan metode GSR terbaru, yang merupakan evolusi lebih lanjut dari metode yang digunakan dalam artikel ini, telah dikembangkan secara internal di Playbox dan mencapai akurasi yang hampir sama dengan metode mutakhir yang dijelaskan di atas, dengan menggunakan set data yang sepenuhnya terbuka! Penjelasan rinci akan diterbitkan sebagai artikel terpisah dalam waktu dekat!
Untuk alasan ini, kami hanya akan memberikan gambaran singkat tentang GSR.
Secara kasar, prosesnya adalah sebagai berikut:
- AI mendeteksi dan melacak setiap pemain dan bola dari video yang disiarkan (pemain dan bola terdeteksi seperti yang ditunjukkan di bagian kiri bawah gambar)
- AI mendeteksi garis dan titik fitur di lapangan dan mengubah informasi posisi pada video menjadi koordinat absolut di lapangan (kalibrasi kamera seperti yang ditunjukkan di kiri atas gambar).
- Bersama-sama, hal ini dapat mereproduksi posisi pemain dalam video ke posisi yang tepat di lapangan (dikonversi ke tampilan keseluruhan lapangan, seperti yang ditunjukkan di sisi kanan gambar).
Dalam contoh pada gambar di atas, koordinat lapangan diperkirakan (kiri atas) berdasarkan informasi posisi pemain yang diperoleh dari video yang disiarkan (kiri bawah), dan akhirnya divisualisasikan sebagai informasi posisi di atas kepala dari seluruh lapangan (gambar kanan). Informasi lain seperti nomor punggung, peran dan tim juga dapat dikenali, tetapi ini adalah mekanisme dasar GSR.
Penampakan Aksi Bola (BAS)
Jika GSR adalah teknologi yang merekonstruksi posisi pemain dan bola, Ball Action Spotting (BAS) adalah teknologi yang mendeteksi 'kejadian' yang berhubungan dengan bola seperti mengumpan, menembak, dan menggiring bola dari video. Teknologi mutakhir saat ini adalah T-DEED, sebuah metode yang diumumkan pada tahun 2024, yang dapat mendeteksi 12 kejadian berbeda hanya dari video dengan akurasi 73,4% dalam satu detik (lihat makalah T-DEED untuk informasi lebih lanjut).
Dalam artikel surat kabar ini, kami hanya menganalisis beberapa video pendek sekitar 30 detik, jadi kami tidak repot-repot mengotomatiskan proses dengan AI dan benar-benar mengekstrak kejadian secara manual. Itu lebih cepat dan lebih akurat.
Namun demikian, kami juga mengembangkan teknologi pendeteksian peristiwa seperti BAS ini dalam produk utama Playbox. Namun demikian, teknologi ini terutama didasarkan pada video full pitch, sehingga belum dapat diterapkan untuk menyiarkan video seperti ini. Kami ingin mengungkapkan lebih lanjut tentang hal ini di masa mendatang.
Dengan menggabungkan teknologi GSR dan BAS, kami memiliki data yang kami perlukan untuk menganalisis 'siapa', 'di mana', dan 'apa', dan kami dapat mewujudkan analisis yang lebih canggih dan mendalam.
Tantangan ekstraksi data dan solusi Playbox
Keterbatasan data berbasis AI - seberapa jauh data tersebut dapat diotomatisasi?
Teknologi analisis video seperti GSR dan BAS berkembang dari hari ke hari, tetapi masih ada beberapa tantangan yang masih sulit dipecahkan. Tantangan berikut ini khususnya sangat terasa apabila menggunakan rekaman siaran
- Pergantian kamera yang sering terjadi.
- Tidak mudah untuk melacak atlet yang sama secara stabil, karena seringnya terjadi pergantian kamera dalam siaran TV.
- Perubahan dalam resolusi video dan sudut pandang
- Jika seorang pemain tiba-tiba bergerak keluar dari bingkai kamera atau sudut pandang bergeser saat kamera melakukan zoom atau pan, maka akan sulit untuk melacak pemain atau bola secara akurat.
- Pemain yang tumpang-tindih (oklusi)
- Ketika pemain saling tumpang tindih, atau ketika wasit, staf, atau objek lain menghalangi pandangan, maka akan sulit bagi AI untuk mengenali mereka dengan benar.
- Menemukan bola terbang
- Pemain pada dasarnya berada di lapangan, tetapi sulit untuk memperkirakan posisi bola yang tepat di udara dari video 2D saja.
Malahan, bahkan dalam cuplikan cuplikan pendek yang digunakan untuk artikel surat kabar ini, AI tidak dapat sepenuhnya mengenali posisi dan jumlah pemain, dan pada akhirnya, sebagian informasi dikoreksi dengan mengeceknya secara kasat mata (untuk pendeteksian peristiwa, ini sepenuhnya merupakan pekerjaan manual). Tetapi ada orang-orang di dunia yang mencoba memecahkan masalah super sulit seperti AGI atau mengemudi sepenuhnya otomatis dengan cara yang keras kepala. Dibandingkan dengan itu, mengonversi data video sepak bola seharusnya cukup mudah, saya akan melakukan yang terbaik.
Pertimbangan hukum dan tantangan penggunaan video
Seperti yang disebutkan di awal artikel ini, selain tantangan teknis, ada juga masalah hukum yang terlibat dalam penggunaan rekaman untuk membuat data.
Saat ini, kami masih belum memiliki jawaban yang jelas tentang bagaimana data yang diekstrak dari video diperlakukan dari segi hak cipta ketika dianimasikan dan digunakan. Kami berencana untuk segera berkonsultasi dengan seorang ahli (pengacara), jadi kami akan membagikannya di sini lagi jika sudah lebih jelas.
Jika ada yang memiliki informasi lebih lanjut tentang hal ini, silakan hubungi kami!
Kesimpulan - 'akuisisi data' adalah titik awal untuk analisis sepak bola
Sejauh ini, kami telah memperkenalkan cara mendapatkan data pertandingan dari video dalam analisis sepak bola, serta tantangan dan solusi dalam melakukannya.
Analisis sepak bola dimulai dengan mendapatkan data yang baik, dan Playbox bertujuan untuk mengotomatiskan proses ini sehingga semakin banyak tim dan pemain yang dapat memanfaatkan analisis berkualitas tinggi dengan mudah.
Kami berharap konten artikel ini akan membantu Anda memahami dan tertarik dengan analisis sepak bola!
Pada artikel berikutnya, bagian kedua dari seri ini, kami akan menjelaskan secara rinci bagaimana data yang diperoleh kali ini dapat digunakan untuk analisis spesifik, dengan menggunakan indikator seperti xG (nilai gol yang diharapkan) dan VAEP (indeks evaluasi permainan)!
Situs web Playbox Inc. 👉️ https://www.play-box.ai/
playbox, kamera olahraga AI yang terjangkau dengan perekaman dan pengeditan otomatis 👉️ https://www.play-box.ai/lp
Hubungi kami.
Jika Anda memiliki pertanyaan, permintaan, atau proposal bisnis untuk Playbox, jangan ragu untuk menghubungi kami di alamat email berikut.