Le système AI apporte une nouvelle précision à la détection et à l'analyse de la faute de basket-ball
Le basket-ball professionnel est plus rapide, plus physique et de plus en plus tactiquement sophistiqué. Même la plus petite faute peut incliner l'équilibre d'un match. Maintenant, des recherches publiées dans le Journal international d'ingénierie des systèmes informatiques montre comment l'intelligence artificielle, en particulier la vision industrielle, pourrait apporter une précision sans précédent à l'une des zones les plus contestées du sport: la détection des fautes.
La vision à la machine est une forme d'IA qui permet aux ordinateurs d'interpréter et d'analyser les données visuelles. Dans cette étude, les chercheurs l'ont appliqué à des images de basket-ball de haut niveau, avec un accent spécifique sur l'identification et la catégorisation des fautes en temps réel. La technologie traite le cadre vidéo par trame, isolant des mouvements subtils, des points de contact et des dynamiques spatiales qui échappent souvent à l'œil nu, même celle d'un arbitre expérimenté.
La recherche s'est concentrée sur l'analyse des jeux impliquant l'équipe nationale de basket-ball chinoise et leurs adversaires internationaux. L'étude a trouvé des différences notables dans les schémas nauséabonds entre les deux côtés. Les joueurs chinois, par exemple, ont commis plus de fautes lors des tentatives de tir des adversaires, connues sous le nom de fautes défensives liées au tir. En revanche, leurs adversaires étaient plus susceptibles de grossiner pendant les jeux de dribble.
Le système d'IA a également suivi les sous-catégories de fautes, telles que l'utilisation illégale de mains ou de collisions de joueurs, révélant les tendances comportementales qui vont bien au-delà des statistiques standard de scores de boîte.
Ce nouveau niveau de granularité possible avec la vision industrielle aura des implications importantes pour l'avenir du jeu s'il adoptait une norme. Conventionnellement, repérer les fautes est dû à l'observation humaine, aux arbitres, aux entraîneurs et aux analystes. Chacun de ces personnages est soumis aux limites de la perception, de la fatigue et, inévitablement, du biais.
La vision machine, en revanche, offre une vue cohérente et objective. Il voit non seulement le contact, mais le contexte: où sur le terrain cela s'est produit, à quel angle et comment les deux joueurs se déplaçaient dans les instants précédant la faute.
À des fins de coaching, ce type de données pourrait être utilisé pour diagnostiquer les faiblesses ou les déséquilibres dans le comportement défensif ou offensif d'une équipe. Un modèle de fautes spécifiques, si elle est repérée tôt, peut indiquer des problèmes de jeu de jambes, de positionnement ou de temps de réaction. Ces zones peuvent toutes être traitées par une formation sur mesure. Pour les joueurs, en particulier ceux qui naviguent dans la ligne mince comme un jeu agressif et imprudent, la technologie offre des commentaires avec une clarté qu'une simple revue vidéo d'après-match ne peut pas fournir.
Peut-être plus important encore, la recherche pourrait remodeler la formation des arbitres. Des commentaires précis et basés sur les données sur la prise de décision dans les situations en direct pourraient améliorer à la fois la cohérence et l'équité. Ce sont généralement deux des défis les plus persistants dans l'officacité des sports à grande vitesse.
Il est peu probable que la vision à la machine remplace complètement l'arbitre humain, mais il pourrait bientôt devenir un outil indispensable dans leur développement, contribuant à réduire les erreurs et à améliorer le flux du jeu professionnel.
