Development of the PLAY VISION AI project for watching sports matches using artificial intelligence

Cover Page

Cite item

Full Text

Abstract

With the development of digital technologies the sports industry is facing a growing need for advanced analytical tools. In football the use of computer vision and machine learning technologies to analyze games is becoming not just a trend, but a necessity to maintain competitiveness. The use of computer vision and machine learning in sports analytics allows to automatically extract meaningful data from video matches, which significantly increases the speed and accuracy of analysis compared to traditional methods. Such technologies can provide coaches with detailed reports on the movements, positioning and tactics of players in real time. The goal is to create a system that will allow for a comprehensive analysis of football matches using the latest advances in artificial intelligence and computer vision. The main method is a review and analysis of publications on the research topic; analysis of modern technologies that allow automatic processing of video data. The main methodology is the concept of developing the PLAY VISION AI project as a way to watch sports matches using artificial intelligence to evaluate the effectiveness of game strategies. The relevance of this work is due to the maximum modification of modern technical means to improve analytical capabilities in sports. Main results: algorithms for calibration and correction of video distortions from matches have been developed; methods for detecting and tracking reference points and players have been developed; algorithms for comparing images with real coordinates on the field have been implemented; the developed methods have been integrated into a single system with an interface for end users. The developed system will provide coaches and analysts with tools to evaluate the effectiveness of game strategies and prepare for upcoming matches. It will also contribute to the further development of analysis technologies in sports.

References

  1. Касиси Д. Применение искусственного интеллекта в спорте // In Situ. 2023. № 5. С. 30–33. EDN CHZPXZ.
  2. Ковалев С. В., Копышева Т. Н., Митрофанова Т. В., Смирнова Т. Н. О приобретении опыта научно-исследовательской работы будущими IT-специалистами в условиях студенческого кружка // Современные наукоемкие технологии. 2021. № 7. С. 117–122. doi: 10.17513/snt.38762. EDN YCJEAI.
  3. Кузнецов А. Ю., Барсукова К. В. Big Data, гаджеты и спортивная аналитика: как устроен российский спорттех // Использование Big Data в официальной статистике Using Big Data in official statistics : сб. матер. II Всерос. науч.-исслед. конф., Липецк, 29 июня 2022 года. Липецк: Изд-во ЛГТУ, 2022. С. 162–165. EDN NHQSYP.
  4. Некоторые особенности изучения видеоанализа в спорте / Р. Ф. Мифтахов, М. И. Галяутдинов, А. М. Ситдиков, И. Р. Фаткуллов // Ученые записки университета им. П.Ф. Лесгафта. 2019. № 12(178). С. 207–210. doi: 10.34835/issn.2308-1961.2019.12.207-210. EDN BRWXMC.
  5. О применении метода ИТ-стартапов в обучении будущих ИТ-специалистов / Т. В. Митрофанова, Т. Н. Смирнова, Т. Н. Копышева [и др.] // Инновационное развитие профессионального образования. 2021. № 2(30). С. 49–57. EDN LPIDCF.
  6. Перечень поручений по итогам конференции «Путешествие в мир искусственного интеллекта» (утв. Президентом РФ 29 января 2023 г. № Пр-172) [Электронный ресурс]. URL: https://www.garant.ru/products/ipo/prime/doc/406165361/ (Дата обращения: 09.11.2023).
  7. Покатаев А. В., Тестоедов В. А. Аналитика в футболе: актуальные направления, развития, перспективы в тренерской деятельности // Современный менеджмент в игровых видах спорта, Москва, 15 ноября 2017 года / Материалы совместной конференции кафедры «Менеджмента и экономики спорта им. В.В. Кузина» и кафедры «Теории и методики футбола» ФГБОУ ВО «РГУФКСМиТ». М. : Научный консультант, 2017. С. 131–134. EDN YLDARF.
  8. Полозов А. А., Мальцева Н. А. Существующие модели спортивной аналитики и их web-сервисы // Научные и образовательные основы в физической культуре и спорте. 2022. Т. 8, № 4. С. 60–77. doi: 10.57006/2782-3245-2022-8-4-58-76. EDN IXDUCJ.
  9. Применение онлайн-компиляторов для обучения программированию студентов ИТ-специальностей вуза / Т. Н. Копышева, Т. Н. Смирнова, Т. В. Митрофанова, М. В. Волик // Новые компетенции цифровой реальности: теория и практика их развития у обучающихся: сб. докл. и науч. ст. II Всерос. науч.-практ. конф., Чебоксары, 21 марта 2021 года. Чебоксары: Изд-во Чуваш. ун-та, 2021. С. 168–173. EDN STREVW.
  10. Чахоян Т. А., Бучинчик П. В., Егоров А. Р. Аналитика спортивных достижений футбольных клубов и их игроков при помощи инструментов машинного обучения // Всероссийская Студенческая конференция «Студенческая научная весна», посвященная 85-летию Ю. А. Гагарина: сб. тезисов докл., Москва, 01–30 апреля 2019 года. М.: Издательский дом «Научная библиотека», 2019. С. 315–316. EDN LLFMAN.
  11. Rajasekaran, S. B. AI and Cybersecurity-How AI Augments Cybersecurity Posture of an Enterprise / S. B. Rajasekaran // International Journal of Intelligent Systems and Applications in Engineering. 2023. Vol. 11, No. 1. P. 179–182. EDN EZCRML

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).