Comment l'IA peut suivre l'action du hockey de la mise au jeu à la fin

Des chercheurs de l'Université de Waterloo ont développé deux systèmes d'intelligence artificielle (IA) innovants qui améliorent considérablement la façon dont les matchs de hockey peuvent être analysés à l'aide de séquences vidéo sans avoir besoin d'équipement coûteux.

S'appuyant sur les atouts de Waterloo en matière de vision par ordinateur et de conception de systèmes, la recherche fait progresser le domaine en évolution de l'analyse automatisée du sport. Les nouveaux outils répondent aux défis de longue date liés au suivi des actions de jeu rapides, notamment les vues obstruées et le flou de mouvement courants dans les flux de diffusion.

« Ces améliorations de la précision de détection pourraient transformer la façon dont les entraîneurs, les équipes et les diffuseurs analysent la dynamique du jeu, conduisant à de meilleures décisions stratégiques et à des expériences plus engageantes pour les fans », a déclaré le Dr David Clausi, professeur d'ingénierie de conception de systèmes à Waterloo.

Dans une étude, des chercheurs ont développé un modèle qui exploite le fait que les joueurs gardent généralement les yeux sur la rondelle pendant les matchs pour aider à déduire son emplacement en fonction de la position de leur corps et de la direction de leur regard.

Le système basé sur l'IA, appelé Puck Localization Using Contextual Cues (PLUCC), a amélioré la précision de la localisation de la rondelle de 12 %, tout en réduisant les erreurs de localisation de plus de 25 % par rapport à la technologie existante.

Les chercheurs s'attendent à ce que le système soit particulièrement utile pour les petites organisations et les équipes amateurs en offrant une alternative peu coûteuse à une technologie de suivi beaucoup plus élaborée et coûteuse telle que Hawk-Eye.

« Notre objectif était de faire du suivi des rondelles quelque chose qui ne nécessite pas une configuration d'un million de dollars », a déclaré Liam Salass, un étudiant diplômé et auteur principal de l'étude. « Si un entraîneur peut analyser un match en utilisant uniquement la vidéo, c'est une grande victoire pour l'accessibilité dans l'analyse sportive.

« Trouver la rondelle dans une vidéo diffusée est l'un des problèmes les plus difficiles en matière de vision sportive, donc voir notre système prédire avec précision son emplacement à l'aide d'indices contextuels était incroyablement gratifiant. C'était comme si nous avions donné aux ordinateurs un véritable sens du jeu. »

La deuxième étude impliquait le développement d'un cadre basé sur l'IA appelé SportMamba qui améliore la façon dont plusieurs joueurs en mouvement sont suivis dans les vidéos sportives. Le modèle prédit dynamiquement les mouvements des joueurs pendant les parties, en tenant compte des mouvements rapides, des angles de caméra bloqués et des déplacements de caméra.

Testé sur des séquences de football, de basket-ball et de hockey, SportMamba a surpassé les méthodes de suivi existantes jusqu'à 18 % en termes de précision et d'efficacité, permettant aux équipes et aux diffuseurs d'effectuer une analyse des performances en temps réel, basée sur les données, sans avoir besoin de systèmes de capteurs coûteux ou de configurations de caméras fixes.

« Suivre un joueur de hockey en échappée est relativement facile », a déclaré le Dr John Zelek, également professeur d'ingénierie en conception de systèmes et directeur chez Clausi du laboratoire de vision et de traitement d'images (VIP) à Waterloo.

« Il est beaucoup plus difficile de suivre et de différencier les joueurs dans une mêlée le long des bandes ou devant le filet. SportMamba peut aborder ces situations difficiles et nous dire, par exemple, qui a dévié la rondelle et qui a marqué. »

Les documents de recherche, « Localisation des rondelles de hockey sur glace à l'aide de signaux contextuels » et « SportMamba : Adaptive Non-Linear Multi-Object Tracking with State Space Models for Team Sports », ont été récemment présentés lors de la conférence IEEE/CVF 2025 sur les ateliers de vision par ordinateur et de reconnaissance de formes et sont publiés sur le arXiv serveur de préimpression.