AI Pixellot untuk mengarahkan Alur kerja di FC Barcelona – Barça Innovation Hub (BIHUB) berkolaborasi dengan Pixellot untuk mengembangkan sistem baru yang merekam latihan dan permainan secara otomatis. Aliansi baru ini akan membantu meningkatkan analisis teknis dan taktis dari berbagai manajer olahraga profesional di Ciutat Esportiva.

 

AI Pixellot untuk mengarahkan Alur kerja di FC Barcelona

barcelonaladiesopen – Teknologi perusahaan memungkinkan pembuatan film, produksi, dan distribusi permainan olahraga kepada penggemar dan pelatih secara otomatis dan efisien. Dengan menggunakan kecerdasan buatan, alat ini menyimulasikan operator kamera dari luar dalam gambar panorama beresolusi tinggi.

KENAPA BEKERJA?

Foto panorama menggunakan kamera sudut lebar atau beberapa kamera sudut lebar, lalu digabungkan. foto-foto ini bersama-sama. Teknologi ini menggunakan algoritma pelacakan otomatis canggih untuk melacak gameplay dalam fotografi panorama resolusi tinggi. Keputusan yang dibuat dengan kecerdasan buatan (AI) ini harus dibuat dengan latensi sesedikit mungkin agar dapat menangkap manusia secara akurat. Buffer latensi pada dasarnya seperti juru kamera yang melihat ke masa depan untuk memahami bagaimana drama tersebut akan diputar dan kemudian mengambil keputusan yang tepat untuk memfilmkannya.

APAKAH MANUSIA ATAU ROBOT?

Untuk memberikan tampilan yang benar, teknologi harus menyimulasikan seseorang yang mengambil kamera dengan gerakan halus, sebaiknya gerakan tripod video dengan kepala cair.

Fakta bahwa game yang sama harus difilmkan secara berbeda untuk para penggemar. dan pelatih juga memungkinkan otomatisasi untuk menunjukkan efektivitasnya. Lebih penting bagi staf pelatih untuk fokus pada aspek taktis permainan. Analis memeriksa komposisi tim, yaitu. semua pemain lapangan kecuali penjaga gawang. Bagi penggemar yang menonton di rumah, sudut ini mungkin terlalu jauh untuk menikmati permainan.

 

Baca juga : Kecerdasan Buatan untuk Pembangunan Berkelanjutan Barcelona

 

SEMUANYA PUNYA ALGORITMA.

Sebagian besar teknik penangkapan otomatis memiliki prinsip berikut. Namun, karena setiap olahraga memiliki logika permainannya sendiri, setiap permainan memerlukan algoritme yang sangat berbeda.

Deteksi bola otomatis – dalam olahraga berbasis bola (misalnya sepak bola, bola basket, dll.), bola biasanya berada di tengah-tengah permainan. Untuk menangkap aksi, algoritme mencoba mendeteksi dan melacak bola.

Deteksi pemain – Dalam teknologi yang lebih canggih, deteksi bola otomatis dilengkapi dengan deteksi pemain. Hal ini memungkinkan pemahaman yang lebih baik tentang tindakan dan merupakan dasar untuk mengidentifikasi keadaan permainan. Deteksi bola dan pemain mengandalkan kemampuan menganalisis gambar dan membedakan latar belakang serta objek yang diinginkan (misalnya bola dan pemain).

KENAPA DIA BERDIRI DI SANA?

Salah satu tantangan dalam mendeteksi pemain adalah saat pemain sedang berdiri. beberapa detik lagi. Misalnya, saat melakukan tendangan bebas dalam sepak bola, beberapa pemain tidak bergerak selama sekitar 30 detik. Jika hal ini terjadi, algoritme harus memastikan bahwa pemain tersebut tidak menyatu dengan latar belakang.

Selanjutnya, algoritme harus dapat membedakan antara pemain yang tidak aktif (misalnya menunggu di touchline) dengan pemain aktif, meskipun ada beberapa pemain yang tidak aktif. aktif pemain jauh dari bola. Algoritme juga harus dapat mengidentifikasi wasit yang tidak terlibat dalam permainan.

 

Baca juga : Teknologi Pemasaran Yang Penting Bagi Bisnis

 

IDENTIFIKASI NEGARA PERMAINAN

Berdasarkan identifikasi bola dan pemain, algoritma harus mengidentifikasi keadaan permainan. Status permainan adalah jenis permainan yang sedang berlangsung. Misalnya dalam sepak bola, tendangan sudut atau tendangan bebas. Dalam bola basket, lemparan bebas atau serangan balik, dll. Setiap keadaan permainan memiliki karakteristik visualnya sendiri, dan dengan memahami keadaan permainan, algoritme dapat memprediksi pola perilaku tertentu dan membuat keputusan yang lebih cerdas tentang cara terbaik untuk menangkap tindakan tersebut. Setiap olahraga memiliki daftar panjang mode permainan yang berbeda-beda, sehingga menyulitkan sistem otomatis.

PEMBELAJARAN MENDALAM

Untuk mengatasi tantangan ini, deteksi mode permainan dapat didasarkan pada algoritma pembelajaran mendalam yang secara otomatis belajar mengenali tendangan sudut berdasarkan. pada data sampel. Dalam kasus pembelajaran mendalam, pelatih sistem tidak perlu membuat aturan untuk mengenali tendangan sudut. Sistem secara otomatis membuat aturannya sendiri dan memilih karakteristiknya sendiri untuk mengenali mode permainan tertentu. Dengan mempertimbangkan semua parameter ini, sistem dapat mengambil keputusan tentang cara menangkap setiap frame.

KAMI MAJU

Kemajuan luar biasa dalam bidang komputasi saat ini memungkinkan kecerdasan buatan yang luas dan kemampuan pembelajaran mendalam. Kombinasi visi komputer, kecerdasan buatan, dan pembelajaran mendalam untuk pertama kalinya memberikan pengalaman menonton yang sebanding dengan pengalaman operator kamera manusia dan sampai batas tertentu menggantikan keterampilan operator kamera tunggal. Algoritme ini semakin ditingkatkan dan dapat mencakup lebih banyak acara olahraga dan membedakan berbagai skenario dalam latihan.

Fungsi utama telah terbukti dan diuji di lapangan. Dengan bantuan pelatih, pelatih, dan analis profesional FC Barcelona, ​​fungsi R&D Pixellot, bekerja sama erat dengan BIHUB, menambahkan proses otomatisasi baru untuk menyederhanakan alur kerja saat ini dan memenuhi persyaratan lanjutan klub.