應用 AI 技術於羽球戰情收集與戰術分析(技戰術分析)
我們期望能將 AI 科技應用在羽球運手的培養、選訓與比賽,利用電腦視覺、機器學習、深度學習、大數據分析、穿戴式設備、行動運算與雲端服務等技術,從比賽戰情收集、戰情資料庫建置、選手戰力及戰術大數據分析、選手訓練規劃到訓練輔器開發等,以學術界之研究技術協助提升我國選手在頂尖國際賽事的成績。
過去的羽球賽事情蒐主要以人工觀看賽事錄影的方式進行,所有的分析相關資料都需要透過手動標記獲得,人力與時間成本耗費較高,因此,我們希望能夠以深度學習與電腦視覺之技術取代部分標記人力,輔助賽事影片之情蒐分析,取得更細節的比賽資訊以建立情蒐數據資料庫,並將資訊提供給後續的大數據戰術分析使用,且透過統計方法與視覺化網頁呈現,協助技戰術與及訓練菜單調整等用途
以參與度而言,羽球是世界上主要的球拍類運動之一,這種運動需要高度的身體和戰術條件。在高強度和緊張刺激的羽球比賽中,選手不僅需要突出的表現更需要依靠靈活的戰術來擊敗對手。因此,本子計畫的目的為建構多個深度學習的模型,對賽局進行分析並提供客觀的賽況資訊,供教練與運動員參考。
羽球是十分熱門的室內固定場地運動項目,因此比賽轉播影片容易取得。教練、分析家、職業球員甚至初學者都可以藉由比賽影片分析或學習羽球技巧。這些比賽影片錄下了每個回合選手的動作以及球的位置。教練與分析師通常需要透過慢速播放影片並在表格中手工記下擊球的關鍵時刻以及球種。傳統的分析步驟包括由慢速撥放影片來收集與分類資料、統計分析、以及與選手的戰術討論,需要數小時完成。而訓練一個選手執行特定戰術,教練需要非常大量的資料輔助。我們將傳統資料分析的流程自動化使分析流程更有效率。我們透過機器學習技術來提取統計資料,將比賽影片以回合為單位切分追蹤選手的站位,並根據選手的姿勢偵測擊球影像,如此一來就可以蒐集到擊球落點的分布。我們整合上述統計資料,透過視覺化系統呈現兩位選手過往的比賽過程,使教練能夠依據選手的擊球特性設計戰術。
羽球球路能表現出個人的擊球習慣,曾有羽球選手與教練表示,蒐集對手的優缺點、分析對手習慣的球路,便能讓你贏得先機。如 2017 年與 2018 年分別 於香港公開羽毛球超級賽與印尼大師賽女單冠軍賽拿下冠軍的女單選手戴資穎, 除了了解自己的擊球習慣加以配合假動作,也分析對手的球路,並變換不同的手法壓制對手。因此有效的紀錄羽球球路,除了能了解自己擊球的習慣是否過於單調,也能擬定自己適合的手法隨時變換,讓對手無法掌握。
為了紀錄練習與比賽中的球路,許多選手及教練會使用錄影的方式,這樣可能因單一攝影機所產生的視線死角,導致無法清楚的知道選手擊球的動作。並且在比賽後還要檢視大量影片而需要耗費相當多的時間。而我們去年所開發慣性感測裝置為另一種動作紀錄方式,除了避免攝影機拍攝所產生的死角,也可直接量測球拍和手部的動作變化,但是這種方式雖然對於記錄球種非常有效率,但是安裝感測器會改變球拍的配重導致選手不習慣。因此本計畫希望人體骨架資訊結合深度學習,設計一套羽球動作辨識系統,藉由人體骨架揮擊時所產生的連續動作資訊,再透過深度學習進行動作分類,幫助使用者紀錄自己的擊球動作。
計畫目標
隨著人工智慧浪潮掀起一陣波瀾,伴隨著高效能電腦、網際網路、大數據、感測器的普及,以及計算成本的下降,使得機器學習隨之興起,成為全球產業界最熱門的議題。隨著人工智慧的快速發展,許多技術日漸成熟,並且被廣泛應用於眾多領域中,生活中不難看到這些科技應用的蹤跡。我國羽球好手像是戴資穎、周天成等選手在球場上盡情揮灑汗水的好表現,代表國家隊在國際舞台上發光發熱,逐漸吸引熱愛體育的民眾以及媒體的目光;透過宣傳與報導,民眾對於羽球運動的關注與討論度也跟著增加。隨著體育競技賽事的水平日漸提升,球員如何於短時間內有效率地調整比賽節奏以及戰術應用將會是取得勝負的最關鍵因素。
為了幫助選手贏得比賽勝利,蒐集並分析大量賽事資料,並且以最方便快速的方式向教練或是選手提供最即時的情報是本計畫後期的主要目的。因此,透過技戰術分析平台 (網頁) 向使用者呈現由後端建構出戰情資料庫以及各種球路、球種資料的統計分析視覺化成果或是報表,是研究後期必須完成的任務。