Teknologi AI Pixellot untuk FC Barcelona – Barca Innovation Hub (BIHUB) telah bermitra dengan Pixellot untuk mengembangkan sistem baru untuk perekaman sesi latihan dan pertandingan secara otomatis. Aliansi baru ini akan membantu meningkatkan analisis teknis dan taktis para manajer berbagai olahraga profesional di Ciutat Esportiva.

 

Teknologi AI Pixellot untuk FC Barcelona

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

KENAPA BEKERJA?

Mengambil gambar panorama dengan kamera sudut lebar atau beberapa kamera sudut lebar, lalu menggabungkan gambar-gambar tersebut. Teknologi ini menggunakan algoritma pelacakan otomatis canggih dalam fotografi panorama resolusi tinggi untuk melacak permainan. Keputusan kecerdasan buatan (AI) ini harus dibuat dengan latensi sesedikit mungkin untuk memungkinkan keakuratan pencitraan seperti manusia. Latency Buffer pada dasarnya seperti juru kamera yang melihat ke masa depan untuk memahami permainan dan kemudian mengambil keputusan yang tepat tentang cara memotretnya.

APAKAH MANUSIA ATAU ROBOT?

Untuk memberikan pengalaman menonton yang tepat, teknologi harus menyimulasikan gerakan halus operator kamera manusia, sebaiknya menyimulasikan pergerakan tripod video dengan kepala cair.

Fakta bahwa penggemar harus merekam game yang sama secara berbeda. dan melatih staf serta memungkinkan otomatisasi menunjukkan efektivitasnya. Lebih penting bagi staf pelatih untuk fokus pada pandangan taktis permainan. Analis melihat 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 : Mendekonstruksi MWC Barcelona 2024 Tahun Konektivitas

 

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 (mis. sepak bola, bola basket, dll.), bola biasanya berada di tengah-tengah permainan. Untuk merekam 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 didasarkan pada kemampuan menganalisis gambar dan membedakan antara latar belakang dan objek yang diinginkan (yaitu bola dan pemain).
KENAPA DIA HANYA BERDIRI?
Salah satu tantangan dalam mendeteksi pemain adalah pemainnya. . diam selama beberapa detik. Misalnya, saat melakukan tendangan bebas dalam sepak bola, beberapa pemain mungkin tidak bergerak selama sekitar 30 detik. Jika hal ini terjadi, algoritme harus memastikan bahwa pemutar tersebut tidak menyatu dengan latar belakang.

Selain itu, algoritme harus dapat membedakan pemain yang tidak aktif (seperti yang menunggu di sidebar) dari pemain aktif, meskipun ada beberapa pemain aktif pemain. tidak menguasai bola. Algoritme juga harus dapat mengidentifikasi wasit yang tidak terlibat dalam permainan.

PENGUNAAN NEGARA PERMAINAN

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

 

Baca juga : Teknologi Menjadi Fokus Perhatian Dunia 

 

PEMBELAJARAN MENDALAM

Untuk mengatasi tantangan ini, deteksi mode permainan dapat didasarkan pada algoritma pembelajaran mendalam yang secara otomatis belajar mengenali sudut. skor berdasarkan pengumpulan data sampel. Dengan 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 dalam menangkap setiap frame.

MENJAGA SISTEM TERDEPAN

Kemajuan besar dalam komputasi saat ini memungkinkan penerapan AI yang luas dan kemampuan pembelajaran mendalam. Kombinasi visi komputer, kecerdasan buatan, dan pembelajaran mendalam untuk pertama kalinya memberikan pengalaman menonton yang sebanding dengan operator kamera manusia, dan dalam beberapa hal menggantikan keterampilan operator kamera tunggal. Algoritmenya ditingkatkan dan dapat mencakup lebih banyak acara olahraga dan mengisolasi berbagai skenario dalam latihan.

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