La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Court-Divisional Team Motion and Player Performance Curve Based Automatic Game Strategy Data Acquisition for Volleyball Analysis Acquisition automatique de données de stratégie de jeu basée sur la courbe de mouvement des équipes de division et de performance des joueurs pour l'analyse du volley-ball

Xina CHENG, Takeshi IKENAGA

  • Vues en texte intégral

    0

  • Citer

Résumé:

L'acquisition automatique de données de stratégie de jeu est importante pour la réalisation de systèmes professionnels d'analyse de stratégie en fournissant des valeurs d'évaluation telles que le statut de l'équipe et l'efficacité des jeux. Le facteur clé qui influence les performances de l'acquisition de données stratégiques dans le jeu de volley-ball est le rôle inconnu des joueurs. Le rôle du joueur désigne la position ayant une signification dans le jeu de chaque joueur dans la formation de l'équipe, comme le passeur, l'attaquant et le bloqueur. Le rôle du joueur inconnu rend chaque joueur peu fiable et perd la contribution de chaque joueur à l’analyse stratégique. Cet article propose une fonctionnalité de mouvement d'équipe au niveau du terrain et une courbe de performance des joueurs pour traiter les rôles inconnus des joueurs dans l'acquisition de données stratégiques. Premièrement, la fonctionnalité de mouvement d'équipe au niveau du terrain est proposée pour la détection du statut tactique de l'équipe. Cette fonctionnalité réduit l'influence des informations individuelles sur les joueurs en additionnant la densité de mouvement relative du ballon de tous les joueurs dans la zone divisée du terrain, ce qui correspond aux différents jeux. Deuxièmement, les courbes de performance des joueurs sont proposées pour l'acquisition des variables d'efficacité en jeu d'attaque. Les candidats aux rôles de joueur sont détectés par trois caractéristiques qui représentent l'ensemble du processus par lequel un joueur commence à se précipiter (ou sauter) vers le ballon et à frapper le ballon : la distance relative du ballon, le mouvement d'approche du ballon et la fonction de mouvement d'attaque. Avec les trajectoires de balle 3D et les positions de plusieurs joueurs suivies à partir de vidéos de jeux de volley-ball multi-vues, le taux de détection expérimentale de l'état de chaque équipe (état d'attaque, prêt à la défense, prêt à l'attaque et état offensif) est de 75.2 %, 84.2 %, 79.7 %. et 81.6%. Et pour l'acquisition des variables d'efficacité de l'attaque, la précision moyenne de la zone définie, le nombre d'attaquants disponibles, le tempo de l'attaque et le nombre de bloqueurs sont de 100 %, 100 %, 97.8 % et 100 %, ce qui permet d'obtenir une amélioration moyenne de 8.3 %. par rapport à l’acquisition manuelle.

Publication
IEICE TRANSACTIONS on Fundamentals Vol.E101-A No.11 pp.1756-1765
Date de publication
2018/11/01
Publicisé
ISSN en ligne
1745-1337
DOI
10.1587/transfun.E101.A.1756
Type de manuscrit
Special Section PAPER (Special Section on Smart Multimedia & Communication Systems)
Catégories
Systèmes et Contrôle, Vision

Auteurs

Xina CHENG
  Waseda University
Takeshi IKENAGA
  Waseda University

Mots-clés

Table des matières