PlaySight тренировал ИИ на тысячах часов видео, чтобы понять спорт

Спортивная аналитика, которая относится к использованию данных и статистики для измерения производительности игроков (или команд) и принятия обоснованных тренерских решений, является огромным рынком. Grand View Research оценивает его стоимость в 4,6 млрд долларов к 2025 году, увеличившись с совокупным годовым темпом роста в 31,2% с 2019 года.

Возможно неудивительно, что стартапы преследуют это с удовольствием, и один из лидеров пакета PlaySight, Тель-авивская компания ведет себя сдержанно, но с момента своего основания в 2010 году (и планирует вновь привлечь ее в ближайшие месяцы) она привлекла капитал в размере 26 миллионов долларов США от SoftBank, корпорации Navar, Verizon Ventures, легенды про-гольфа Грега Нормана и другие покровители. Кроме того, в число его клиентов входят программы NBA Boston Celtics, Golden State Warriors и Toronto Raptors, а также более 80 других программ NCAA и NJCAA (Национальной ассоциации юношеских спортивных колледжей) и Национальный кампус Ассоциации теннисистов США.

На саммите OurCrowd Global Investor 2020 в Иерусалиме на этой неделе VentureBeat встретился с основателем и генеральным директором Ченом Шахаром, чтобы познакомиться с технологией PlaySight, в частности с использованием искусственного интеллекта и машинного обучения.

Прямая трансляция

PlaySight работает с клиентами над созданием так называемых SmartCourts, связанных систем, состоящих из камер, установленных вокруг полей, кортов, спортивных залов и катков. На высоком уровне камеры и программное обеспечение, расположенное поверх них, обеспечивают автоматическое потоковое вещание, программное обеспечение для маркировки и прогнозную аналитику, а также звуковые аннотации и инструменты рисования для позиционирования.

Эта технология уходит корнями в израильские вооруженные силы — Шахар и соучредители Евгений Хазанов и Йорам Бенцур годами разрабатывали оружие и военные симуляторы. Первый SmartCourt был установлен в 2014 году, и в настоящее время число установок составляет «сотни» спортивных центров, школьных гимназий, клубов и федераций, которые используют его для постановки целей и построения режимов или выбирают упражнения, проводимые такими тренерами, как Даррен Кахилл. и Пол Аннаконе.

Одноименная служба PlaySight Edge от PlaySight предлагает запись видео под разными углами и отслеживание мячей и игроков с помощью интерфейса вещания, который позволяет пользователям увеличивать изображение, играть в замедленном режиме и перематывать в начало для мгновенного воспроизведения. С помощью мобильного приложения они могут просматривать и обмениваться спортивными видео и данными, а также создавать яркие моменты с помеченными и отмеченными закладками играми, загруженными в спортивную сеть PlaySight.

ИИ и машинное обучение

В настоящее время PlaySight поддерживает более 30 видов спорта, включая бейсбол, волейбол, плавание, лакросс, гимнастику, танцы, борьбу и крикет. Хотя аналитика доступна не для всех из них, спортивные состязания, для которых она использует модели искусственного интеллекта, тренируются на тысячах часов видеозаписей.

PlaySight называет свое семейство моделей SmartTracker, и Shachar говорит, что они улучшают каждую игру, изучая наиболее эффективные способы отслеживания действий. Стандартные камеры, поставляемые PlaySight, захватывают отснятый материал и анализируют его, но SmartTracker также работает с существующими камерами (от одной камеры до 10), которые отвечают определенным базовым требованиям. Существует также портативное решение, предоставленное партнерством с LiveU, которое может транслировать и записывать видео без использования кабелей.

Подписчики на теннисный план PlaySight SmartCourt Pro могут просматривать отслеживание ударов и ударов по типу, скорости, скорости вращения и многим другим. Кроме того, они получают обзор производительности с помощью 3D-карты, которая разбивает точки на автоматически сгенерированные аналитические данные, проценты и данные о производительности.

PlaySight

Добавление нового вида спорта может занять от нескольких месяцев до года, в зависимости от сложности указанного вида спорта. По словам Шахара, такие основы, как отслеживание игроков, достаточно просты — предварительно обученные модели PlaySight хорошо обобщают новые игровые поля и правила игры. Но создание чего-то более сделанного на заказ, например футбольной модели, которая следит за забиванием голов и штрафами, требует больше времени и усилий на разработку.

А некоторые задачи, такие как отслеживание шайб во время хоккейного матча, когда пораженные шайбы могут достигать более 109,2 миль в час, выходят за рамки возможностей платформы PlaySight. Ограничивающим фактором являются не столько модели, сколько частота кадров камеры (или камеры). «Это возможно сделать с помощью высокоскоростных камер, но если вы пытаетесь найти решение для массового рынка, это (не имеет смысла)», — сказал Шахар. «Мы пытаемся сократить количество камер (обязательно), чтобы снизить стоимость системы».

Конкуренция

Стоит отметить, что PlaySight — далеко не единственный стартап, претендующий на долю в прибыльном сегменте спортивной аналитики ИИ.

Keemotion Клиенты которого включают волейбольную команду Колумбии, профессиональные футбольные лиги, команды НБА и несколько спортивных программ NCAA Division I — снимают кадры с нескольких камер, чтобы автономно отслеживать шары и регулировать центр окна просмотра в самые захватывающие моменты. Как и PlaySight, он комментирует записанные кадры и передает их на портативные планшеты, которые тренеры и вспомогательный персонал могут использовать для просмотра реплеев и просмотра в определенных точках зала.

Что касается товарища PlaySight по запуску компьютерного зрения в Тель-Авиве Minute.lyОн предлагает инструмент анализа программного обеспечения в режиме реального времени, который автоматически делит прямые трансляции на захватывающие, захватывающие сердце клипы продолжительностью от пяти до семи секунд. Между тем, спортивная технологическая компания Hudl поддерживает рабочие процессы анализа видео для молодежных, школьных, клубных и профессиональных команд. Запускать Статистика фиксирует до 2700 точек данных за анализируемую игру, используя алгоритмы машинного обучения, чтобы подсчитать дистанцию, которую пробегают игроки, траекторию и скорость мячей, а также прикосновения товарищей по команде.

PlaySight

В течение последних нескольких лет IBM использовала свой сервис Watson AI, чтобы выделить основные моменты для открытого тенниса в США. Спички, принимая во внимание шум толпы, эмоциональные реакции игрока и другие факторы. Платформа разработаны Fujitsu использует датчики для отслеживания движений гимнасток и анализа этих движений с помощью ИИ, который измеряет положения скелета, скорости и различные углы. С академической стороны, исследователи из Квинслендского технологического университета предложил в прошлом году система ИИ, которая не только способна предвидеть действия теннисного оппонента, но и делает это с помощью поведенческих паттернов на уровне игрока.

Но в отличие от некоторых своих конкурентов, Shachar говорит, что в центре внимания PlaySight было и остается сохранение низких цен на продукты и услуги. Более 20 средних школ, колледжей и университетов внедрили технологию PlaySight в нескольких видах спорта и в различных местах, включая хоккей и футбол.

«Мы прилагаем все усилия для разработки технологий, которые могут демократизировать спортивную аналитику», — сказал он. «В ближайшие три года большинство спортивных сооружений или большинство спортивных сооружений будут умными — они будут соединены. И ИИ будет становиться все лучше и лучше ».



Источник: PlaySight тренировал ИИ на тысячах часов видео, чтобы понять спорт


Похожие материалы по теме: PlaySight тренировал ИИ на тысячах часов видео, чтобы понять спорт

Leave a comment