بررسی نقش هوش مصنوعی و شبکه های عصبی در استخراج اطلاعات آماری از ویدئو فوتبال

بیان مسئله

فوتبال یک ورزش محبوب در سراسر جهان است. صنعت کسب و کار ورزشی و فناوری اینترنت، علاقه مندان را به راحتی به ویدیوهای باکیفیت تقریباً تمام مسابقات قهرمانی فوتبال حرفه ای دسترسی دارند. چنین داده‌های ویدیویی، همراه با آمار بازی‌ها و بازیکنان این روزها، به‌طور قابل اعتمادی قابل جمع‌آوری و بایگانی هستند. با این حال، داده‌های بزرگ حاصل، چالش‌ها و فرصت‌هایی را برای متخصصان ورزشی و کسب‌وکارها ارائه می‌کند. برای به حداکثر رساندن استفاده از چنین داده‌هایی، سیستم‌های تحلیلی پیشرفته برای بینندگان و مربیان فوتبال برای ارزیابی، انتخاب و آموزش بازیکنان مورد نیاز است. بنابراین محققان در حال توسعه تجزیه و تحلیل کمی برای کمک به ارزیابی عملکرد بازیکنان و تیم ها هستند. بسیاری از وب سایت ها، شرکت ها و رسانه ها مانند Opta [3] و WhoScored [4] آمار را به صورت دوره ای به روز می کنند. برخی از آنها از یک سیستم علامت گذاری استفاده می کنند و سپس لیست رتبه بندی بازیکنان و تیم ها را ایجاد می کنند. علیرغم محبوبیت و دستاوردهای مطالعات کمی، علمی بودن و اثربخشی آن همچنان مورد تردید است. طراحی یک سیستم توصیه فوتبال مستلزم جمع آوری اطلاعات فیزیکی، فنی و تاکتیکی بازی های فوتبال است. با این حال، امروزه آمارهای فنی و تاکتیکی فوتبال هنوز به شماره گذاری دستی که توسط آماردانان فوتبال که در کنار زمین نشسته اند برای دریافت اطلاعات تکیه می کنند. از آنجایی که روزانه هزاران مسابقه فوتبال در جهان برگزار می شود، مصرف نیروی کار بسیار زیاد است. علاوه بر این، داده های فیزیکی را نمی توان به طور موثر با شماره گذاری دستی محاسبه کرد. با توسعه علم و فناوری، دستگاه های GPS (سیستم موقعیت یاب جهانی) ظاهر شده و به طور گسترده ای برای اندازه گیری فاصله در حالت عملکرد خاص ورزش های تیمی استفاده می شود که گام بزرگی در زمینه جمع آوری اطلاعات فوتبال است. با این حال، دستگاه های GPS بسیار گران هستند و استفاده از آنها در بسیاری از مسابقات فوتبال ممنوع است[5]. علاوه بر این، فوتبال یک ورزش معمولی با اقدامات پیچیده و سرعت عمل سریع است. دستگاه‌های GPS پوشیدنی نمی‌توانند اطلاعات بازی‌های فوتبال را به‌درستی جمع‌آوری کنند و مربیان نمی‌توانند به راحتی وضعیت فیزیکی بازیکنان را درک کنند. در مجموع، موضوع جمع‌آوری اطلاعات فیزیکی، فنی و تاکتیکی بازیکنان را نمی‌توان به طور مؤثر و جامع بر اساس GPS بررسی کرد. در مقابل، فناوری استخراج اطلاعات ویدئویی  یک موضوع تحقیقاتی داغ در جوامع گرافیکی کامپیوتری و بینایی کامپیوتری است که می‌تواند اطلاعات را از زمینه‌های مختلف به طور موثر جمع‌آوری کند[6]. از این رو در این تحقیق سعی در بررسی روش های موثر در زمینه ی استخراج اطلاعات اماری فوتبال با تحلیل ویدیوهای فوتبال داریم.

• اهداف تحقیق

اهداف کلی حاصل از این تحقیق به صورت خلاصه در زیر بیان می شود.

• بررسی روش های استخراج اطلاعات آماری فوتبال با استفاده از ویدیو
• بررسی روش های استخراج اطلاعات آماری ویدیو با استفاده از هوش مصنوعی
• بررسی روش های استخراج اطلاعات آماری ویدیو با استفاده از پردازش تصویر

فهرست مطالب

فصل 1: کلیات تحقیق 1
1-1- مقدمه 2
1-2- بیان مسئله و ضرورت تحقیق 2
1-3- اهداف تحقیق 4
1-4- مروری بر فصول سمینار 4
فصل 2: استخراج اطلاعات آماری فوتبال از ویدیو 5
2-1- مقدمه 6
2-2- روش های استخراج اطلاعات آماری ویدیو فوتبال 6
2-2-1- استخراج اطلاعات با ردیابی چند نمای 6
2-2-2- استخراج اطلاعات ویدیویی با روش تجزیه و تحلیل کمی 7
2-2-3- استخراج اطلاعات آماری با روش سیستم یادگیری گسترده(BLS) 9
2-2-4- استخراج اطلاعات ویدیو با روش تجزیه و تحلیل بصری 10
2-3- استخراج اطلاعات آماری فوتبال با استفاده از سیستم های توصیه گر 11
2-3-1- روش ردیابی بازیکنان فوتبال 12
2-3-2- سیستم توصیه ترکیب با ویدیوی ورزشی 13
2-3-3- الگوریتم سنتی تشخیص هدف 14
2-3-4- شبکه عصبی 15
2-3-5- الگوریتم YOLOv2 16
2-3-6- بهبود الگوریتم KCF بر اساس یادگیری عمیق 19
2-3-7- ردیابی هدف چند نمای بازیکنان فوتبال 20
2-4- استخراج اطلاعات آماری فوتبال با استفاده از روش سیستم یادگیری گسترده 23
2-4-1- سیستم یادگیری گسترده 25
2-4-2- استخراج ویژگی هایی آماری بازیکنان فوتبال 29
2-5- استخراج اطلاعات آماری ویدیوی فوتبال با روش یادگیری ماشینی 32
2-5-1- مرحله پیش پردازش 32
2-5-2- فاز پردازش شات 33
2-5-3- فاز تشخیص اطلاعات بازیکنان 33
2-5-4- مرحله تشخیص رویداد هیجانی در فوتبال 34
2-6- ردیابی و استخراج اطلاعات با استفاده از یادگیری زمینه مکانی-زمانی تحت چندین نما 37
2-6-2- ردیابی تک نمای 38
2-7- ردیابی و استخراج اطلاعات بازیکنان فوتبال با استفاده از اپراتورهای کانولوشن کارآمد 42
2-7-2- استخراج اطلاعات آماری با تکنیک ECO 44
2-8- استخراج اطلاعات آماری فوتبال با استفاده از شبکه عصبی LSTM 45
2-9- استخراج داده های فوتبال با استفاده از روش یادگیری عمیق و تولید نقشه حرارتی 48
2-9-2- ایجاد نقشه حرارتی 50
2-9-3- آموزش مدل 51
2-9-4- نتایج 52
فصل 3: جمع بندی و پیشنهادات 54
3-1- مقدمه 55
3-2- جمع بندی 56
3-3- پیشنهادات 58
منابع و مآخذ 59
پيوست‌ها 62

برخی از منابع

[3] Mennilli, R., Mazza, L., & Mura, A. (2025). Integrating Machine Learning for Predictive Maintenance on Resource-Constrained PLCs: A Feasibility Study. Sensors (Basel, Switzerland), 25(2), 537.

[4] Liu, J. Zhou, and C. L. P. Chen, “Broad learning system: Feature extraction based on K-means clstering algorithm,” in Proc. ICCSS, 2017, pp. 93–100.

[6]  Tierney, P., Clarke, N., & Roberts, S. (2024). Use and application of wearable technology in football further education settings in the UK. Sport, Education and Society, 1-14.

[7] Gao, P., Zhang, X. Y., Yang, X. L., Gao, F., Fujita, H., & Wang, F. (2024). Robust visual tracking with extreme point graph-guided annotation: Approach and experiment. Expert Systems with Applications, 238,

[1] Ding J, Wang Y, Wang Q, Cao Y. Football video recommendation system with automatic rating based on user behavior. In: International congress on image and signal processing, biomedical engineering and informatics; 2017. p. 1–5.