Модель управления соревновательной деятельностью команд топ-уровня на основе компьютерного зрения в онлайн

Обложка

Цитировать

Полный текст

Аннотация

Использование технологии PIRS в работе с мужской сборной России по мини-футболу (гл. тренер С.Л. Скорович) в период с 2010 по 2018 г. позволило ей переместиться с пятого места в мировом рейтинге на первое. Проблема управления спортивной командой высокого уровня состоит в том, чтобы подобрать индикаторы управления и их значения с целью получения наилучшего результата ближайшего матча. Обычно такими параметрами являются оптимизация состава, направленность игры, расстановка своих игроков, рекомендуемые им задания. Цель исследования - структурирование деятельности по переходу от технологии PIRS в работе с командами топ-уровня к созданию системы PIRSonline. Описание системы PIRSonline для разработки ее технической части потребовало получения ряда схем с их описанием, которые регламентировали разработку проекта. Это состав документации, подсистемы, функциональная схема, компонентная схема, матрица «функция - компонент». Сформированная в итоге последовательность действий по разработке PIRSonline включает получение изображения, блок инициализации параметров игры, детекция мяча, определение 3D-координат мяча, детекция игроков, трекинг, классификация игроков и судей, определение позы игрока. Это позволило осуществить комплексный подход к онлайн-управлению соревновательной деятельностью команд топ-уровня. Использование современных методов компьютерного зрения и машинного обучения дало возможность создать интерактивную визуализацию данных.

Об авторах

Сергей Людвигович Гольдштейн

Уральский федеральный университет им. первого Президента России Б.Н. Ельцина

Email: s.l.goldshtein@urfu.ru
SPIN-код: 5951-7411
доктор технических наук, профессор кафедры технической физики Екатеринбург, Россия

Андрей Анатольевич Полозов

Уральский федеральный университет им. первого Президента России Б.Н. Ельцина

Автор, ответственный за переписку.
Email: a.a.polozov@mail.ru
ORCID iD: 0000-0003-1729-3340
SPIN-код: 5234-6875

доктор педагогических наук, профессор кафедры физической культуры, Институт физической культуры, социального сервиса и туризма

Екатеринбург, Россия

Наталья Владимировна Папуловская

Уральский федеральный университет им. первого Президента России Б.Н. Ельцина

Email: n.v.papulovskaia@urfu.ru
ORCID iD: 0000-0001-7407-1491
SPIN-код: 1087-5428

кандидат педагогических наук, доцент кафедры информационных технологий и систем управления

Екатеринбург, Россия

Наталья Анатольевна Мальцева

Уральский федеральный университет им. первого Президента России Б.Н. Ельцина

Email: natalia.maltseva.susu@gmail.com
ORCID iD: 0009-0002-5270-0247
SPIN-код: 2647-1891

аспирант, преподаватель кафедры информационных технологий и систем управления

Екатеринбург, Россия

Максим Викторович Краев

Уральский федеральный университет им. первого Президента России Б.Н. Ельцина

Email: kraev.antooz@yandex.ru
ORCID iD: 0000-0002-3724-8929

преподаватель кафедры физической культуры, Институт физической культуры, социального сервиса и туризма

Екатеринбург, Россия

Список литературы

  1. Morozov YuA, Beskov KI. Analysis of technical and tactical activities of football players at the 10th World Championship. Training of football players. Moscow: Fizkul’tura i sport Publ.; 1977. P. 134–155. (In Russ.)
  2. Goldenko GA. Individual programs of technical and tactical training of highly qualified football players taking into account the peculiarities of competitive activity: Abstract of Cand. Sci. (Pedagogical Sciences) Dissertation. Moscow; 1984. (In Russ.)
  3. Fedotov E.V. et al. Evaluation of competitive load and development of means of special training of female athletes in field hockey using heart rate monitors. Theory and Practice of Physical Education. 2006;(3):23–26. (In Russ.)
  4. Godik M.A. Control during sports training. Training of football players. Moscow: Fizkul’tura i sport Publ.; 1978. (In Russ.)
  5. Platonov VN. The system of training athletes in Olympic sports: General theory and its practical applications. Kyiv: Olympic Literature Publ.; 2004. (In Russ.)
  6. Polivaev AG. Automated system for assessing the utility coefficient of a player in mini-football. Omsk Scientific Bulletin. 2015;4(141):219–224. (In Russ.) EDN: UKTYCT
  7. Beetz M, Hoyningen-Huene NV, Kirchlechner B, Gedikli S, Siles F, Durus M, Lames M. ASPOGAMO: Automated Sports Games Analysis Models. International Journal of Computer Science in Sport. 2009;8(1):1–21.
  8. Polozov AA, Kraev MV, Rolis AV. Feasibility of statistics of technical and tactical actions in football on the example of the Wyscout company. Theory and practice of physical education. 2021;(1):82–84. (In Russ.) EDN: PXLEBP
  9. Shurmanov EG, Polozov AA, Mehryakov SV, Bozhko EM. Evaluation of the implementation of goal chances in a game sport. Theory and practice of physical education. 2018;(1);66–68. (In Russ.)
  10. Polozov AA, Kraev MV, Gazimova ZF. Informat-ion model of football on the example of participation of the Russian national team at the 2018 World Cup. Human. Sport. Medicine. 2018;18(1):138–148. (In Russ.)
  11. Naik BT, Hashmi MF, Bokde ND. A Comprehensive Review of Computer Vision in Sports: Open Issues, Future Trends and Research Directions. Applied Sciences. 2022;12(9):4429. https://doi.org/10.3390/app12094429
  12. Blond A. Computer Vision in Sports: Revolutionizing Performance Analysis. Blog Requestum. 11.2020. Available from: https://requestum.com/blog/computer-vision-in-sports (accessed: 21.02.2024).
  13. Korol S. Computer Vision in Sports: People Train and Compete — Machines Watch and Help. OpenCV Blog. 2024. Available from: https://www.opencv.ai/blog/computer-vision-in-sports (accessed: 21.02.2024).
  14. Boesch G. Automatic Refereeing and AI in Sports. Viso.ai Blog. 2024. Available from: https://viso.ai/applications/visual-ai-in-sports/ (accessed: 21.02.2024).
  15. Oldham KM, Chung PWH, Edirisinghe EA, Hal-kon BJ. Experiments in the Application of Computer Vision for Ball and Event Identification in Indoor Sports. In: ВS Phon-Amnuaisuk, TW Au (eds.). Computational Intelligence in Information Systems SE – 27. Advances in Intelligent Systems and Computing. Springer Publ.; 2015. Р. 275–284. http://doi.org/10.1007/978-3-319-13153-5_27
  16. Akyildiz Z, Nobari H, González-Fernández F, Praça GM, Sarmento H, Guler AH, Saka EK, Clemente FM, Figueiredo AJ. Variations in the physical demands and tech-nical performance of professional soccer teams over three consecutive seasons. Scientific Reports. 2022;12:2412. http://doi.org/10.1038/s41598-022-06365-7
  17. Kovalchik SA. Player Tracking Data in Sports. Annual Review of Statistics and Its Application. 2023;10:677–697. https://doi.org/10.1146/annurev-statistics-033021-110117
  18. AWS “AI-Powered Sports Analytics: Enhancing Team Performance”. AWS Sports Journal 2024. Available from: https://aws.amazon.com/ru/sports/performance-analytics/ (accessed: 21.02.2024).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».