2024-03-29T11:29:35Zhttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_oaipmhoai:ipsj.ixsq.nii.ac.jp:001859562023-04-27T10:00:04Z01164:03865:09374:09375
サッカートラッキングデータを用いた機械学習に基づくプレー認識手法の提案jpn行動認識http://id.nii.ac.jp/1001/00185868/Technical Reporthttps://ipsj.ixsq.nii.ac.jp/ej/?action=repository_action_common_download&item_id=185956&item_no=1&attribute_id=1&file_no=1Copyright (c) 2018 by the Information Processing Society of Japan大阪大学大学院情報科学研究科大阪大学大学院情報科学研究科大阪大学大学院医学系研究科大阪大学大学院情報科学研究科今井, 友揮内山, 彰馬込, 卓弥東野, 輝夫近年,戦術分析や選手育成などの目的で,スポーツにおけるデータ解析が注目を集めている.このため,日本プロサッカーリーグ (J リーグ) においては,専門の記録者が手作業でパス,ドリブルなどのボールタッチプレーの記録を行っているが,非常に負担が大きく,プロの中でもごく一部の試合に限られている.そこで本研究では,低コストなプレーのラベル付けを実現するため,ボールタッチプレーの認識手法を提案する.提案手法では,GPS やカメラにより各選手とボールの移動軌跡が記録されたトラッキングデータを用いる.まず,ボールの移動軌跡の変化に着目することで,各プレーが発生したタイミングを検出する.次に,検出したタイミングにおいて,選手とボールの位置関係から特徴量を抽出し,機械学習を用いてプレーの種類を認識する.提案手法の有効性を評価するために,実際に J リーグで記録された 20 試合分のトラッキングデータを用いて実験を行った.その結果,プレー検出では,適合率 86.7%,再現率 85.3% を達成できることが分かった.また,プレー認識においては,CRF,SVM,Random Forest の機械学習アルゴリズムを比較した結果,Random Forest が平均的に高い性能であり,F 値 54.7% となることが確認できた.特に,試合中に発生するプレーの約 90% を占めるパスとトラップについては,それぞれ 86.0%,85.9% の F 値を達成し,低コストなプレーのラベル付けが可能なことが分かった.AA11851388研究報告モバイルコンピューティングとパーベイシブシステム(MBL)2018-MBL-8647182018-02-192188-88172018-02-16