橄榄球是一项深受日本国民喜爱的运动，一队15人，两队共30位选手在场上进行激烈身体对抗角逐冠军。对于机器视觉而言，要想在高速奔跑、运动员肢体变化频繁、人数密集的情况下准确标识人脸的确是一项不小的挑战。东芝特别为日本橄榄球顶级联赛定制了一套解决方案，作为锻炼和诊断该公司总体技术实力检验。

　　该方案将东芝一直以来研发人工智能(AI)中一大重要技术——深度学习(Deep Learning)结合图像识别和声音识别技术，开发了一套橄榄球技术分析系统。从2016年秋季开始为该公司的橄榄球队“TOSHIBA Brave Lupus”队提供技术分析服务。

　　东芝计划从本赛季即2017年8月开始团队实验，到2018年新赛季可以开始正式商用。顺利的话，将会应用在2019年9月到11月在日本举行的橄榄球世界杯上。此外，该公司还描述了该技术应用于更多行业的愿景。

　　不过，该橄榄球技术分析系统并非战略分析系统，而是战略分析的“前端”的自动化。即在橄榄球技术分析师观看比赛视频时，用标签化方式减轻手工操作的繁荣复杂。该技术是东芝与庆应义塾大学理工系的青木研究室共同研发的，在体育运动视频分析中有着丰富的实战成绩。

　　不仅榄球，对于顶级比赛的队伍来说视频分析已经成为提升整体实力的必备条件。通过分析练习和比赛的视频调整球队战术提升每个队员的技战术。

　　事实上负责比赛、练习视频的分析师作为战略分析的前段工作，非常重要。“然而比起视频信息标签化来说，手动操作耗费了分析师大量时间”，东芝工业ICT解决方案社商品总括部产品和服务的市场部参事籾井啓輔先生如是说。通过引进该系统分析师可以专注于更有价值的工作。

　　技术分析师通过东芝的前台操作系统可以识别不同球队选手和球的位置。通常来说，从看台拍摄的视频由于机位的角度不同而呈现斜角;而经过处理的图像将以二维(平面)画面呈现，分析师可清楚观察到选手和球的位置变化以及在球场上的坐标位置。

　　橄榄球赛事中可根据裁判的哨声区分比赛的阶段，这就需要在掺杂观众欢呼声等场景声音中提取裁判哨声，以哨声判别比赛状况。并将不同阶段切割为结构化数据，以便回放时分析师进行比赛分析。

　　另外，橄榄球场上scrum(两队的前锋密集扭夺地下的球)ruck(自由密集争球)等多人密集争夺场面频繁，而比赛场景分析是战术分析的重要环节。因此，采用深度学习、自动镜头识别技术，让该系统自动学习运动员的形态和队服识别，推动系统提升对人的识别精度。

　　运动员在运动场上练习等时候会带上传感器来计算运动数据，但由于这会妨碍运动成绩，因此运动员也表示如果可以最好不带这些设备。

　　此外，体育视频解析系统用在足球联赛中已经比较成熟，如跟踪系统“TRACAB”(美国ChyronHego公司)，且价格高昂。而过去橄榄球联赛则没有采用视频分析系统。橄榄球技术分析师通过市面上普通摄像机就可以接入东芝的视频分析系统。

　　事实上东芝多年积累了视频识别和语音识别技术，通过这些成熟的技术系统在分析过去的视频中也进行了深度学习。

　　东芝的橄榄球分析系统采用两种服务模式——“云型”和“on-premises”两种，云服务主要应用于结合当前与过去的比赛视频进行交叉分析，而on-premises用于比赛现场即时分析。

　　云分析需要用户上传比赛视频，分析结果以XML和CSV等指定格式导出。采用已经普及战略分析工具“运动代码”(由Sportstec开发，2015年被美国Hudl公司收购)，今年内可实现商用。

　　on-premises型则是将分析引擎接入OnDemand工作站与摄像机，在比赛现场输出结果。预计在顶级赛事中高级别队将会采用该服务。

本文译自日经报道部分内容，严禁任何形式的转载。