Forskare har gjort ett viktigt framsteg i utvecklingen av teknik för att automatiskt analysera video av hockeyspel med artificiell intelligens.

Ingenjörer vid University of Waterloo kombinerade två befintliga AI-tekniker med djup inlärning för att identifiera spelare med sina tröjor med 90 procents noggrannhet.

"Det är viktigt eftersom den enda viktiga cue du har för att identifiera en viss spelare i en hockeyfilm är tröjnummer, "sa Kanav Vats, en doktorsexamen student i systemdesignteknik som ledde projektet. "Spelare i ett lag verkar annars väldigt lika på grund av deras hjälmar och uniformer."

Spelaridentifiering är en aspekt av en komplicerad utmaning eftersom medlemmar i Vision and Image Processing (VIP) Lab på Waterloo arbetar med branschpartner Stathletes Inc. om AI-programvara för att analysera spelarens prestanda och ta fram andra datadrivna insikter.

Forskarna byggde en datauppsättning på mer än 54, 000 bilder från National Hockey League -spel - den största datamängden i sitt slag - och använde den för att träna AI -algoritmer för att känna igen tröjor i nya bilder.

Noggrannheten ökades genom att representera talet 12, till exempel, som ett tvåsiffrigt tal och två enkelsiffror, 1 och 2, sätta ihop, en metod som är känd inom AI som multi-task learning.

"Att använda olika representationer för att lära ut samma sak kan förbättra prestanda, "Vats sa." Vi kombinerade en helhetsrepresentation och en siffervis representation med fantastiska resultat. "

Forskargruppen utvecklar också AI för att spåra spelare i video, hitta dem på isen och inse vad de gör, som att ta ett skott eller kontrollera en motståndare, för integration i ett enda system.

Detaljerad analys har gjort stora framsteg inom hockey och andra sporter de senaste åren, men mycket av arbetet utförs fortfarande av att människor tittar på sändningsvideo och tar anteckningar.

"Som du kan föreställa dig, en person som manuellt kommenterar video av ett fullt hockeyspel om tre perioder skulle ta timmar, "Sa Vats." Maskininlärningssystem kan producera data från videor på några minuter. "

Medan de hittills har fokuserat på hockey, forskarna förväntar sig att deras teknik kan överföras med modifieringar till andra lagsporter, som fotboll.

Vats samarbetade om spelaridentifieringsarbetet med sina doktorander, Waterloo ingenjörsprofessorer David Clausi och John Zelek, och postdoktor Mehrnaz Fani.

Han är planerad att presentera ett papper, Multi-task-inlärning för tröjnummerigenkänning i ishockey, vid 4 ^th International ACM Workshop on Multimedia Analysis in Sports den här månaden.