Les chercheurs ont réalisé une avancée clé dans le développement de la technologie pour analyser automatiquement les vidéos de matchs de hockey à l'aide de l'intelligence artificielle.

Les ingénieurs de l'Université de Waterloo ont combiné deux techniques d'intelligence artificielle d'apprentissage en profondeur existantes pour identifier les joueurs par leur numéro de pull avec une précision de 90 %.

"C'est important parce que le seul indice majeur dont vous disposez pour identifier un joueur en particulier dans une vidéo de hockey est le numéro de maillot, " dit Kanav Vats, un doctorat étudiant en ingénierie de conception de systèmes qui a dirigé le projet. "Les joueurs d'une équipe semblent par ailleurs très similaires en raison de leurs casques et de leurs uniformes."

L'identification des joueurs est l'un des aspects d'un défi complexe, car les membres du laboratoire de traitement de la vision et de l'image (VIP) de Waterloo travaillent avec le partenaire industriel Stathletes Inc. sur un logiciel d'IA pour analyser les performances des joueurs et produire d'autres informations basées sur les données.

Les chercheurs ont construit un ensemble de données de plus de 54, 000 images de matchs de la Ligue nationale de hockey - le plus grand ensemble de données du genre - et l'ont utilisé pour entraîner des algorithmes d'IA à reconnaître les numéros de chandail dans de nouvelles images.

La précision a été renforcée en représentant le nombre 12, par exemple, à la fois un nombre à deux chiffres et deux chiffres simples, 1 et 2, mettre ensemble, une approche connue dans le domaine de l'IA sous le nom d'apprentissage multi-tâches.

« Utiliser différentes représentations pour enseigner la même chose peut améliorer les performances, ", a déclaré Vats. "Nous avons combiné une représentation holistique et une représentation numérique avec d'excellents résultats."

L'équipe de recherche développe également une IA pour suivre les joueurs en vidéo, les localiser sur la glace et reconnaître ce qu'ils font, comme tirer ou mettre en échec un joueur adverse, pour l'intégration dans un système unique.

Des analyses détaillées ont fait de grands progrès dans le hockey et d'autres sports ces dernières années, mais une grande partie du travail est toujours effectuée par des personnes qui regardent des vidéos diffusées et prennent des notes.

"Comme vous pouvez l'imaginer, une personne annotant manuellement la vidéo d'un match de hockey complet de trois périodes prendrait des heures, ", a déclaré Vats. "Les systèmes d'apprentissage automatique peuvent produire des données à partir de vidéos en quelques minutes."

Bien qu'ils se soient concentrés jusqu'à présent sur le hockey, les chercheurs s'attendent à ce que leur technologie puisse être transférée avec des modifications à d'autres sports d'équipe, comme le football.

Vats a collaboré au travail d'identification des joueurs avec ses directeurs de thèse, les professeurs d'ingénierie de Waterloo David Clausi et John Zelek, et le boursier postdoctoral Mehrnaz Fani.

Il est prévu de présenter un document, Apprentissage multi-tâches pour la reconnaissance des numéros de maillot en hockey sur glace, au 4 ^e Atelier international ACM sur l'analyse multimédia dans le sport ce mois-ci.