Automated Hit-frame Detection for Badminton Match Analysis

要約

常に最高レベルでパフォーマンスを発揮するというプレッシャーにさらされているスポーツ専門家は、コーチや選手が手動の労力を削減し、自動ツールを使用してパフォーマンスを体系的に評価できるスポーツ分析の恩恵を受けることができます。
この研究は、最新の深層学習技術を使用して試合ビデオからヒットフレームを自動的に体系的に検出し、バドミントンのスポーツ分析を進歩させることを目的としています。
ヒットフレームに含まれるデータは、その後、プレーヤーのストロークやコート上の動きを合成したり、トレーニングタスクや競技戦略の分析などの下流アプリケーションに利用したりできます。
この研究で提案されたアプローチは、ラリーごとのビデオトリミング、プレーヤーとコートのキーポイント検出、シャトルコックの飛行方向予測、ヒットフレーム検出などのいくつかの自動化された手順で構成されています。
研究では、ビデオトリミングのショット角度認識で99％の精度、シャトルコックの飛行方向予測への選手のキーポイントシーケンスの適用で92％以上の精度を達成し、ラリーワイズ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。

要約(オリジナル)

Sports professionals constantly under pressure to perform at the highest level can benefit from sports analysis, which allows coaches and players to reduce manual efforts and systematically evaluate their performance using automated tools. This research aims to advance sports analysis in badminton, systematically detecting hit-frames automatically from match videos using modern deep learning techniques. The data included in hit-frames can subsequently be utilized to synthesize players’ strokes and on-court movement, as well as for other downstream applications such as analyzing training tasks and competition strategy. The proposed approach in this study comprises several automated procedures like rally-wise video trimming, player and court keypoints detection, shuttlecock flying direction prediction, and hit-frame detection. In the study, we achieved 99% accuracy on shot angle recognition for video trimming, over 92% accuracy for applying player keypoints sequences on shuttlecock flying direction prediction, and reported the evaluation results of rally-wise video trimming and hit-frame detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google