論文の概要: Automated Tackle Injury Risk Assessment in Contact-Based Sports -- A
Rugby Union Example
- arxiv url: http://arxiv.org/abs/2104.10916v1
- Date: Thu, 22 Apr 2021 07:51:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 13:53:58.791084
- Title: Automated Tackle Injury Risk Assessment in Contact-Based Sports -- A
Rugby Union Example
- Title（参考訳）: 接触型スポーツにおけるタックル障害リスク自動評価 -ラグビーユニオンの例-
- Authors: Zubair Martin, Amir Patel and Sharief Hendricks
- Abstract要約: タックル・コリジョンに基づくスポーツにおけるビデオ分析は主観的で偏見にさらされる。
タックル・コリジョンに基づくスポーツにおけるマッチング分析の制限は、コンピュータビジョン応用の機会と見なすことができる。
ラグビーユニオンの試合におけるゲーム内タックルリスクを客観的に評価するシステムを提案する。
- 参考スコア（独自算出の注目度）: 1.160208922584163
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Video analysis in tackle-collision based sports is highly subjective and
exposed to bias, which is inherent in human observation, especially under time
constraints. This limitation of match analysis in tackle-collision based sports
can be seen as an opportunity for computer vision applications. Objectively
tracking, detecting and recognising an athlete's movements and actions during
match play from a distance using video, along with our improved understanding
of injury aetiology and skill execution will enhance our understanding how
injury occurs, assist match day injury management, reduce referee subjectivity.
In this paper, we present a system of objectively evaluating in-game tackle
risk in rugby union matches. First, a ball detection model is trained using the
You Only Look Once (YOLO) framework, these detections are then tracked by a
Kalman Filter (KF). Following this, a separate YOLO model is used to detect
persons/players within a tackle segment and then the ball-carrier and tackler
are identified. Subsequently, we utilize OpenPose to determine the pose of
ball-carrier and tackle, the relative pose of these is then used to evaluate
the risk of the tackle. We tested the system on a diverse collection of rugby
tackles and achieved an evaluation accuracy of 62.50%. These results will
enable referees in tackle-contact based sports to make more subjective
decisions, ultimately making these sports safer.
- Abstract（参考訳）: タックル・コリシオン・ベースのスポーツにおけるビデオ分析は非常に主観的であり、特に時間的制約下で人間の観察に固有のバイアスにさらされている。
タックル・コリジョンに基づくスポーツにおけるマッチング分析の制限は、コンピュータビジョン応用の機会と見なすことができる。
試合中の選手の動きや動作を映像を用いて客観的に追跡し, 検出し, 認識すると同時に, 負傷経験やスキル実行の理解を深めることで, 怪我の発生状況の把握, デイケガ管理の補助, 審判主観性の向上が期待できる。
本稿では,ラグビーユニオンの試合におけるゲーム内タックルリスクを客観的に評価するシステムを提案する。
まず、ボール検出モデルはYou Only Look Once (YOLO)フレームワークを使用してトレーニングされ、これらの検出はKalman Filter (KF)によって追跡される。
その後、別のYOLOモデルを用いてタックルセグメント内の人/プレイヤーを検出し、ボールキャリアとタックルを識別する。
その後,openposeを用いてボールキャリアとタックルの姿勢を判定し,タックルのリスク評価に相対的な姿勢を用いる。
ラグビータックルを多種多様なコレクションでテストし,62.50%の精度で評価を行った。
これらの結果は、タックルコンタクトベースのスポーツの審判がより主観的な決定を下し、最終的にこれらのスポーツをより安全にすることを可能にする。
関連論文リスト
- Deep learning for action spotting in association football videos [64.10841325879996]
SoccerNetイニシアチブは毎年の課題を組織し、世界中の参加者が最先端のパフォーマンスを達成するために競う。
本稿では,スポーツにおけるアクションスポッティングの歴史を,2018年の課題の創出から,現在の研究・スポーツ産業における役割まで遡る。
論文 参考訳（メタデータ） (2024-10-02T07:56:15Z) - Towards AI-Powered Video Assistant Referee System (VARS) for Association Football [58.04352163544319]
Video Assistant Referee (VAR)は、バックステージの審判が複数の視点からピッチ上のインシデントをレビューできるようにするイノベーションである。
VARは現在、高価なインフラと世界中の審判の欠如のために、プロリーグに限られている。
マルチビュービデオ解析における最新の知見を活用する半自動ビデオアシスタント参照システム(VARS)を提案する。
論文 参考訳（メタデータ） (2024-07-17T11:09:03Z) - A Large-Scale Re-identification Analysis in Sporting Scenarios: the
Betrayal of Reaching a Critical Point [1.3887779684720984]
走者再識別のための歩行に基づく新しいアプローチ(re-ID)を提案する。
提案手法は,超遠距離競技におけるランナーの再識別に有望な結果をもたらすことを示す。
これは、超長距離競技や長期監視タスクなど、現実世界のシナリオで歩行認識を活用する可能性を強調している。
論文 参考訳（メタデータ） (2023-12-29T21:48:20Z) - Automated Hit-frame Detection for Badminton Match Analysis [1.3300217947936062]
本研究では,最新の深層学習技術を用いて,マッチビデオからヒットフレームを自動的に検出し,バドミントンにおけるスポーツ分析の進歩を目指す。
ヒットフレームに含まれるデータは、その後プレイヤーのストロークやコート上での動きを合成したり、トレーニングタスクの分析や競争戦略などの下流のアプリケーションに利用することができる。
本研究では,映像トリミングにおけるショットアングル認識の精度99%,シャトルコック飛行方向予測におけるキーポイントシーケンスの適用精度92%以上を達成し,ラリーワイドビデオトリミングとヒットフレーム検出の評価結果を報告した。
論文 参考訳（メタデータ） (2023-07-29T15:01:27Z) - A Graph-Based Method for Soccer Action Spotting Using Unsupervised
Player Classification [75.93186954061943]
アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。
本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。
プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
論文 参考訳（メタデータ） (2022-11-22T15:23:53Z) - A Survey on Video Action Recognition in Sports: Datasets, Methods and
Applications [60.3327085463545]
本稿では,スポーツ分析のための映像行動認識に関する調査を行う。
サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。
本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
論文 参考訳（メタデータ） (2022-06-02T13:19:36Z) - Real Time Multi-Object Detection for Helmet Safety [0.9434133337939499]
我々は,検出したヘルメットの衝撃を追跡情報を介してプレイヤーに割り当てるコンピュータビジョンベースのMLアルゴリズムを実装しようとしている。
これはまた、過去の劇をレビューし、露出の傾向を時間とともに調査することを可能にする。
論文 参考訳（メタデータ） (2022-05-19T21:56:03Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Efficient tracking of team sport players with few game-specific
annotations [1.052782170493037]
そこで本研究では,セミ・インタラクティブ・システムを通じて収集された人間のアノテーションがほとんどないため,チームスポーツ選手をフルゲーム中に追跡する新たな汎用手法を提案する。
非曖昧なトラックレットとその外観特徴は、両方の公開データセットで事前訓練された検出と再識別ネットワークによって自動的に生成される。
ラグビーのセブンスデータセットにアプローチの効率性を示す。
論文 参考訳（メタデータ） (2022-04-08T13:11:30Z) - Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。
提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。
次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
論文 参考訳（メタデータ） (2022-03-10T02:37:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。