Россия
Россия
Россия
С развитием компьютерных технологий произошел качественный скачок в области видеоанализа, что позволило методам компьютерного зрения решать сложные задачи по определению движений человека в реальном времени. Целью исследования является проведение анализа систем компьютерного зрения и их применение в таких областях как тренировочный и соревновательный процесс, телевизионные трансляции, судейство, профилактика травматизма. Было рассмотрено применение искусственного интеллекта в командных и индивидуальных видах спорта. Также авторы исследования обсуждают преимущества и ограничения применения компьютерного зрения в спорте, а также его потенциал для улучшения спортивных тренировок и анализа их эффективности. Результаты исследования. Несмотря на огромный потенциал, который компьютерное зрение может привнести в мир спорта, все еще существуют серьезные проблемы, которые необходимо решить, прежде чем этот потенциал можно будет использовать в полной мере. Из-за быстрых и непредсказуемых движений, схожести игроков, особенности их взаимодействия, из-за частичного или полного перекрытия игроков оборудованием или другими предметами система компьютерного зрения не может точно определить происходящее в кадре. В целом, данная статья представляет интерес для спортивных тренеров, исследователей и всех заинтересованных лиц, желающих узнать о последних тенденциях использования компьютерного зрения в спорте
компьютерное зрение, искусственный интеллект, инновационные технологии, спорт
1. Зарипова Р.С. Применение алгоритмов и программных приложений в спорте / Р.С. Зарипова, Е.П. Алемасов // Физическая культура, спорт, туризм: наука, образование, информационные технологии: материалы Всероссийской с международным участием заочной научно-практической конференции, Казань, 24-25 марта 2022 года / Казанский государственный энергетический университет. - Казань, 2022. - С. 486-490. EDN: https://elibrary.ru/SWEEHX
2. Корчагина Н.Л. Применение средств искусственного интеллекта в спортивной области / Н. Л. Корчагина // Региональный вестник. - 2020. - No 9 (48). - С. 35-36. EDN: https://elibrary.ru/XMECIL
3. Мухутдинов А.Р Искусственный интеллект в спорте / А.Р Мухутдинов, Н. В. Данилова // Наука и образование: новое время. - 2019. - No 2. - С. 76-79. EDN: https://elibrary.ru/WVOBJX
4. Нишант Ш. Машинное обучение и TensorFlow / Ш. Нишант. - Санкт-Петербург: Питер, 2018. - 336 с.
5. Тельных Д.А. Инновационные возможности для осуществления автоматического определения гола в футболе / Д.А. Тельных // Региональный вестник. - 2019. - No. 7. - С. 10-12. EDN: https://elibrary.ru/CWMYYD
6. Toward automatic activity classification and movement assessment during a sports training session / A. Ahmadi, E. Mitchell, C. Richter [et al.] // IEEE Internet Things Journal. - 2015. - No. 2 (February). - P 23-32.
7. Direkoglu C. Temporal segmentation and recognition of team activities in sports / C. Direkoglu, N.E. O'Connor // Machine Vision and Applications. - 2018. - No. 29 (May). - P 891-913. EDN: https://elibrary.ru/GTRSGU
8. Huang C. Data monitoring and sports injury prediction model based on embedded system and machine learning algorithm / C. Huang, L. Jiang // Microprocessors and Microsystems. - 2021. - Vol. 81. DOI:https://doi.org/10.1016/j.micpro.2020.103654
9. Mahaseni B. Spotting football events using two-stream convolutional neural network and dilated recurrent neural network / B. Mahaseni, E.R.M. Faizal, R.G. Raj // IEEE Access. - 2021. - No. 9 (January). -Р 61929-61942. EDN: https://elibrary.ru/CPKHMU
10. Mikelsten, D. Искусственный интеллект: четвертая промышленная революция / D. Mikelsten, V Teigens, P Skalfist. - Cambridge Stanford Books, 2022. - 326 с.
11. Moodley T. Scene recognition using AlexNet to recognize significant events within cricket game footage / T. Moodley, D. van der Haar // Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), Springer Science and Business Media Deutschland GmbH. - 2020. - P 98-109.
12. Mora S.V Deep learning for domain-specific action recognition in tennis / S.V Mora, W.J. Knot-tenbelt // IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops, IEEE Computer Society. - 2017. - P 170-178.
13. Hockey activity recognition using pre-trained deep learning model / K. Rangasamy, M.A. As'ari, N.A. Rahmad, N.F. Ghazali // ICT Express. - 2020. - No. 6 (3). - P. 170-174. EDN: https://elibrary.ru/ZDMEZR
14. Schmidt H. The Summer Project 1966 of the AATG / H. Schmidt // The German Quarterly. -1967. - Vol. 40, No. 3. - P. 462-484.
15. Siddiquie B. Recognizing plays in American football video / B. Siddiquie, Y. Yacoob, L.S. Davis // Conference on Computer Vision and Pattern Recognition. - 2009. - P. 1-8.
16. Recognition of action in broadcast basketball videos on the basis of global and local pairwise representation / M. Takahashi, M. Naemura, M. Fujii, J.J. Little // Proceedings - 2013 IEEE International Symposium on Multimedia. - 2013. - Р. 147-154.
17. Computer vision for sports: Current applications and research topics / G. Thomas, R. Gade, T.B. Moeslund [et al.] // Computer Vision and Image Understanding. - 2017. - Vol. 159. - P. 3-18.
18. Vicon motion systems Ltd UK: real time data with Blue Trident sensors // Capture.U. - 2023. -URL: https://www.vicon.com/software/capture-u/(date of access: 08.09.2023).
