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

• Item type: SIG Technical Reports(1)
• 公開日: 2018-02-19
• タイトル: 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
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 行動認識
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者所属: 大阪大学大学院医学系研究科
• 著者所属: 大阪大学大学院情報科学研究科
• 著者名: 今井, 友揮; 内山, 彰; 馬込, 卓弥; 東野, 輝夫
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 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．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11851388
• 書誌情報: 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）; 巻 2018-MBL-86, 号 47, p. 1-8, 発行日 2018-02-19
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8817
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会