วิธีการจัดหมวดหมู่ผู้เล่นคนเดียวกับผู้เล่นหลายคนภายในสนามฟุตบอล

Abstract

การวิเคราะห์ตำแหน่งผู้เล่นจากตำแหน่งลํ้าหน้า เป็นเหตุการณ์ที่ส่งผลสำคัญอย่างมากต่อผลลัพธ์ ชองการแข่งขันฟุตบอล ซึ่งขั้นตอนที่สำคัญสำหรับการวิเคราะห์ตำแหน่งผู้เล่นแต่ละคน คือ การจัดหมวดหมู่ผู้ เล่นในสนามฟุตบอล ซึ่งการจัดหมวดหมู่ของผู้เล่นในสนามฟุตบอลเป็นปัญหาที่ท้าทายมาก โดยโครงงาน วิศวกรรมนี้ได้เสนอวิธีการจัดหมวดหมู่ผู้เล่นคนเดียวกับผู้เล่นหลายคนภายในสนามฟุตบอล โดยใช้วิธีการ ประมวลผลภาพ (Image Processing) นำมาใช้กับภาพที่ได้มาจากวิดีโอถ่ายทอดสดที่ได้รับการเผยแพร่ทาง อินเทอร์เน็ต เพื่อที่จะจัดหมวดหมู่ผู้เล่นคนเดียวกับผู้เล่นหลายคนบนสนาม ให้ได้อย่างมีประสิทธิภาพมากขึ้น มีทั้งหมด 5 กระบวนการ ประกอบด้วย 1) กระบวนการก่อนประมวลผลภาพ (preprocessing) 2) กระบวนการแบ่งส่วนพื้นที่เฉพาะของผู้เล่น (player’s area segmentation) 3) กระบวนการตรวจหา ขอบภาพ (edge detection) 4) กระบวนการหาลักษณะเด่นของภาพ (find features of image) 5) กระบวนการจำแนกประเภท (classification) เริ่มต้นจากกระบวนการจำแนกสนามหญ้าออกจากภาพ เพื่อให้ ได้เฉพาะพื้นที่ที่เป็นสนามฟุตบอลเท่านั้น ต่อมาคือกระบวนการตรวจจับผู้เล่น ได้ผลลัพธ์เป็นภาพทีมการ ตรวจจับผู้เล่นในสนามฟุตบอล และได้คุณสมบัติของผู้เล่นออกมา โดยมีพื้นที่ พิกัด และจำนวนพิกเซล จากนั้นนำเข้าสู่กระบวนการแบ่งส่วนพื้นที่เฉพาะของผู้เล่น โดยนำคุณสมบัติที่ได้จากกระบวนการก่อนหน้านี้ หลังจากนั้นนำตำแหน่งเหล่านั้นมาลบออกจากภาพเพื่อให้ได้ผลลัพธ์ของกระบวนการ เข้าสู่กระบวนการ ตรวจหาขอบภาพ และนำขอบภาพที่หาได้จากกระบวนการก่อนหน้านี้ เข้าสู่กระบวนการหาลักษณะเด่นของ ภาพ เพื่อเก็บชุดข้อมูลไว้จากนั้นนำชุดข้อมูลภาพที่เก็บมาเข้าสู่กระบวนการจำแนกประเภท จากการทำการ ทดลองกระบวนการจำแนกประเภท (classification) ใช้วิธีการจำแนกประเภทของข้อมูลประเภทชนิด Decision Tree ประเภท Coarse Tree โดยการดำเนินดังกล่าวจะดำเนินการกับภาพกลุ่มตัวอย่างจำนวน ประมาณ 400 ภาพ ใช้ 6 คุณลักษณะเด่น ได้แก่ ค่า Variance แกน y , ค่า Variance แกน X , อัตราส่วนของ ค่า Variance แกน X ต่อ แกน y , ความยาวของพิกเซล , ความกว้างของพิกเซล และอัตราส่วนของความกว้าง ของพิกเซลต่อความยาวของพิกเซล โดยมีการนำชุดข้อมูลไปตรวจสอบข้อมูลด้วยวิธีการการตรวจสอบแบบ ไขว้แบบกลุ่ม (K-Folds cross validation) ซึ่งแบ่งข้อมูลออกเป็น 5 Fold ละเท่า ๆ กัน ซึ่งโครงงานวิศวกรรมนี้ มีการแบ่งข้อมูลสำหรับสอบ (training data) 80% และฃ้อมูลสำหรับทดสอบ (testing data) 20% ซึ่งได้ผลลัพธ์ ที่มีค่าความแม่นยำเฉลี่ยร้อยละ 85.30, ค่า Sensitivity เฉลี่ยร้อยละ 85.53 และค่า Specificity เฉลี่ยร้อยละ 85.09