新的人工智能技术可能会改变超级碗球队的比赛准备

杨百翰大学工程师正在开发的新人工智能技术可以显着减少超级碗球队（以及所有 NFL 和大学橄榄球队）电影研究的时间和成本，同时还可以通过利用大数据的力量。

BYU 教授 DJ Lee、硕士生 Jacob Newman 以及博士生 Andrew Sumsion 和 Shad Torrie 正在使用人工智能来自动化手动分析和注释比赛镜头这一耗时的过程。研究人员利用深度学习和计算机视觉创建了一种算法，可以始终如一地从比赛视频中定位和标记球员，并确定进攻队伍的阵型——这一过程可能需要大量视频助理的时间。

“我们正在讨论这个问题，然后意识到，哇，我们可能可以教一种算法来做到这一点，”电气和计算机工程教授李说。 “因此，我们与杨百翰大学足球队召开了一次会议，了解他们的流程，并立即知道，是的，我们可以做得更快。”

虽然研究还处于早期阶段，但该团队已经利用他们的算法实现了超过 90% 的球员检测和标记准确率，以及 85% 的阵型确定准确率。他们相信，这项技术最终可以消除 NFL 和大学球队使用的低效且繁琐的手动注释和录制视频分析做法。

李和纽曼首先观看了杨百翰大学橄榄球队提供的真实比赛录像。 当他们开始分析时，他们意识到需要一些额外的角度来正确训练他们的算法。 因此，他们购买了《Madden 2020》的副本，其中显示了进攻上方和后方的场地，并手动标记了游戏中的 1,000 个图像和视频。

他们使用这些图像来训练深度学习算法来定位球员，然后将其输入残差网络框架来确定球员所踢的位置。 最后，他们的神经网络使用位置和位置信息来确定进攻方使用的阵型（超过 25 种阵型）——从 Pistol Bunch TE 到 I Form H Slot Open 的任何阵型。

李表示，当球员位置和标签信息正确时，该算法可以准确识别阵型 99.5%。事实证明，I 阵型是最难识别的阵型之一，即四名球员一前一后地排成一排——中锋、四分卫、全卫和跑卫。

李和纽曼表示，人工智能系统还可以应用于其他运动。例如，在棒球比赛中，它可以定位球员在球场上的位置，并识别常见模式，以帮助球队改进对某些击球手的防守。或者它可以用来定位足球运动员，以帮助确定更有效的阵型。

“一旦你掌握了这些数据，你就可以利用它做更多的事情；你可以将其提升到一个新的水平，”李说。 “大数据可以帮助我们了解这支球队的策略，或者教练的倾向。它可以帮助你知道他们是否有可能在 4th Down 和 2 上尝试，或者他们是否会弃踢。使用人工智能的想法体育运动真的很酷，如果我们能给他们哪怕1%的优势，那也是值得的。”