學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73912
Browse
1 results
Search Results
Item 基於深度學習之籃球攻防戰術軌跡生成系統(2023) 沈哲緯; Shen, Jhe-Wei全球觀看籃球比賽的人數總計約超過22億人，根據外國媒體Sports Show在2020年公布全球最受歡迎的運動賽事，籃球在所有球類中排名第三，可看出籃球是一項非常熱門的運動。近年來運動分析的研究相當熱門，透過將生成對抗網路應用在籃球領域能夠幫助球隊提升籃球攻防戰術的素養，開發出基於深度學習之籃球攻防戰術軌跡生成系統。本系統開發目的為進攻球隊使用者在分析研究防守球隊可能會出現的防守方法時，通常只能使用經驗判斷推測，若透過本系統自動產生防守戰術軌跡供進攻球隊參考，進攻球隊可更加理解實戰中可能會遇到的防守戰術，可提升球員的戰術素養讓球隊提早思考應對方法。本系統透過使用者將一段真實籃球比賽攻防片段輸入，系統主要分為兩個子系統：投影轉換子系統與防守戰術軌跡生成子系統。投影轉換子系統主要分為三個步驟，第一為球場上球員與球的偵測方法，接著界定球場的範圍。第二為場上球員分隊使用球衣顏色做為辨別的依據。接著為3D球員座標投影計算出單應矩陣將對應的3D座標映射在2D戰術板球場座標系中並記錄為檔案作為防守戰術軌跡生成子系統的輸入。最後一個步驟使用生成對抗網路來進行防守戰術軌跡生成。本研究實驗結果顯示，透過影像處理得到球場邊線同時界定新的球場範圍可有效省略透過觀察手動決定球場頂點的步驟，減少時間成本。加入球員分隊的功能計算該區域內的色調特徵與顏色強度特徵，使用K-means clustering 將該二類特徵將場上球員分成兩隊，以利最後映射至平面戰術板座標系還原出真實比賽的情況。映射結果的球員正確率達到了77.2%，籃球則為61.0%。本系統結合了真實籃球比賽片段與防守戰術軌跡生成系統產生虛擬的防守戰術軌跡。