AI を活用してホッケー データをより正確に追跡できるようにする

ホッケー分析の成長分野は現在、試合のビデオ映像の手動分析に依存しています。 スポーツ全体のプロ ホッケー チーム、特にナショナル ホッケー リーグ (NHL) は、その情報に基づいて選手のキャリアに関する重要な決定を下します。

「私たちの研究の目標は、人間よりも効果的かつ効率的にビデオを通じてホッケーの試合を解釈することです」とウォータールー大学システム設計工学部教授のデイビッド・クラウシ博士は語った。 「ゲーム内で起こっているすべてを一人の人間が記録することは不可能です。」

ホッケー選手は非直線的な方法で速く動き、短いシフトで氷上をダイナミックにスケートします。 カメラに常に映るとは限らないジャージの番号や姓を除けば、特にハイペースで知られるスピードホッケーでは、ユニフォームは選手を識別するための強力なツールではありません。 そのため、試合中に各プレーヤーを手動で追跡および分析することが非常に困難になり、人的ミスが発生しやすくなります。

Clausi 氏、ウォータールー大学システム設計工学部教授のジョン ゼレク博士、助教授 Yuhao Chen、および大学院生のチームが開発した AI ツールは、深層学習技術を使用してプレーヤー追跡分析を自動化および改善しています。

この調査は、オンタリオ州に本拠を置くプロホッケーのパフォーマンスデータおよび分析会社である Stathletes と提携して実施されました。 研究チームは、NHL 放送のビデオ クリップをフレームごとに調べて、チーム、選手、氷上での選手の動きに手動で注釈を付けました。 彼らはこのデータを深層学習ニューラル ネットワークを通じて実行し、システムに試合の観戦方法、情報の編集方法、正確な分析と予測の作成方法を教えました。

テストしたところ、システムのアルゴリズムは高い精度を実現しました。 プレーヤーの正確な追跡では 94.5 パーセント、チームの識別では 97 パーセント、個々のプレーヤーの識別では 83 パーセントのスコアを獲得しました。

研究チームはプロトタイプの改良に取り組んでいるが、Stathletes はすでにこのシステムをホッケーの試合のビデオ映像に注釈を付けるために使用している。 商業化の可能性はホッケーだけに留まりません。 システムのコンポーネントを再トレーニングすることで、サッカーやフィールド ホッケーなどの他のチーム スポーツにも適用できます。

「私たちのシステムは複数の目的でデータを生成できます」とゼレク氏は語った。 「コーチはこれを利用して試合に勝つための戦略を立てることができ、チームのスカウトは選手を探し、統計学者はリンクやフィールドでチームにさらなる優位性を与える方法を特定することができます。これは本当にスポーツのビジネスを変革する可能性を秘めています。」